Gemini API prévisualise la récupération d’outils à la demande
Google a présenté Tool Retrieval le 19 novembre 2026, remettant en cause la pratique consistant à charger les instructions complètes de chaque outil avant qu’un agent ne commence à travailler. Son annonce, Introducing Tool Retrieval in the Gemini API, décrit une préversion qui charge les schémas de paramètres, c’est-à-dire les définitions des entrées acceptées, uniquement lorsqu’ils sont nécessaires. La question immédiate est de savoir si cette sélectivité améliore les flux de travail complets.
Le principal affrontement oppose le chargement intégral en amont à la récupération des détails pendant l’exécution. Un agent, un logiciel qui utilise un modèle pour choisir et effectuer des actions, a besoin de suffisamment d’informations pour sélectionner des capacités utiles. Lui fournir immédiatement tous les détails crée un autre problème : les instructions pertinentes rivalisent avec des informations dont la tâche n’a jamais besoin.
Anthropic propose déjà une approche analogue de recherche d’outils, ce qui inscrit la sortie de Google dans une évolution architecturale établie. Pour les développeurs et les acheteurs en entreprise, la pression se porte sur la conception de l’intégration. Une liste plus longue de connexions disponibles importe moins si l’assistant peine à choisir parmi elles, met plus de temps à répondre ou exige des corrections répétées.
Introducing Tool Retrieval in the Gemini API change ce qui est chargé en premier
La préversion de Google modifie le moment où les détails des outils entrent dans le contexte de travail du modèle, sans supprimer le besoin de ces détails.
Selon l’annonce de Google sur Tool Retrieval, les outils différés conservent des noms et descriptions visibles, tandis que leurs schémas de paramètres attendent hors du contexte initial. Le contexte est l’ensemble des informations disponibles pour le modèle lorsqu’il génère une réponse. Les développeurs activent ce comportement avec tool_search et defer_loading.
Cette distinction fixe les limites de cette sortie. Le modèle a toujours besoin d’une description utile des capacités disponibles. Il peut reporter la lecture des entrées exactes requises pour une opération, mais il doit disposer de suffisamment d’informations pour reconnaître l’objectif de cette opération.
Prenons l’exemple hypothétique d’un assistant de travail connecté à la recherche de documents, aux dossiers clients, à la planification et aux opérations de support. Une demande concernant une réunion ne devrait pas exiger des instructions détaillées pour chaque action de gestion de la clientèle. Le chargement sélectif offre aux développeurs un moyen de séparer la connaissance d’une capacité de la préparation à son invocation.
L’implication architecturale est que les descriptions d’outils deviennent une surface de sélection importante. Une étiquette vague laisse le modèle deviner avant de recevoir le schéma détaillé. Une description concise qui identifie l’action, l’objet et la situation prévue offre à la découverte un point de départ plus clair.
Cela modifie également ce que les équipes doivent examiner lorsqu’un problème survient. Une action incorrecte peut commencer avant la génération des arguments, lorsque l’assistant identifie la mauvaise capacité. N’observer que la requête finale fait manquer cette décision antérieure.
Google expose les étapes de récupération et d’appel dans la réponse d’interaction. Cette visibilité importe, car les développeurs peuvent distinguer un problème de découverte d’un problème d’exécution. Le premier concerne la capacité recherchée par le modèle ; le second concerne ce qui se passe après la sélection.
La préversion prend en charge Gemini 3.6 et les modèles ultérieurs, y compris Gemini 4, via l’Interactions API. Cette disponibilité doit rester explicite dans les discussions d’adoption. L’annonce d’une fonctionnalité n’établit pas sa compatibilité avec toutes les intégrations Gemini existantes.
Le changement significatif est donc plus restreint qu’une extension sans limites des capacités des agents. Google a introduit une autre manière de gérer l’accès aux outils existants. Sa valeur dépend de la capacité des détails différés à aider une application à réaliser le travail réellement demandé par les utilisateurs.
Pour les équipes produit, il s’agit d’un recadrage utile. Le catalogue peut rester vaste, tandis que les instructions immédiates du modèle demeurent sélectives. La prochaine décision concerne les applications qui en bénéficient suffisamment pour justifier une modification de leur parcours d’exécution existant.
Les grands catalogues d’outils mettent les équipes d’intégration sous pression
Les équipes confrontées à la pression la plus nette sont celles dont les assistants exposent davantage de capacités que la plupart des tâches individuelles ne l’exigent.
Un vaste catalogue crée une promesse produit : l’assistant peut intervenir dans l’ensemble des systèmes métier. Chaque connexion supplémentaire introduit aussi des choix de nommage, des actions qui se chevauchent, des règles d’accès et des états d’échec possibles. La récupération modifie la manière dont ces capacités parviennent au modèle, mais les développeurs restent responsables de leur organisation.
La documentation sur les appels de fonction de Google décrit les appels de fonction comme un moyen de connecter les modèles à des actions et données externes. Pour les fonctions définies par l’application, le modèle demande une opération et l’application l’exécute. Cette séparation reste essentielle pour évaluer une fonctionnalité de sélection d’outils.
Le fait qu’un modèle choisisse la bonne opération ne prouve pas que cette opération a réussi. L’application peut rencontrer un service indisponible, un identifiant expiré ou une condition métier non valide. Les acheteurs doivent distinguer la qualité de la découverte de la fiabilité du système connecté.
La pression devient concrète dans un flux de support hypothétique. Un client demande pourquoi un remplacement n’a pas été expédié. L’assistant doit identifier la recherche appropriée, interpréter son résultat et déterminer si une autre action est justifiée.
Une liste étendue d’intégrations ne répond pas à ces questions. Des capacités similaires peuvent récupérer une commande, examiner une expédition, créer un remplacement ou contacter un client. Leurs distinctions doivent survivre au parcours allant de la demande en langage naturel à l’action exécutable.
Du point de vue de l’ingénierie, le chargement sélectif rend plus difficile d’ignorer la maintenance du catalogue. Si les descriptions se chevauchent, la récupération ajoute un autre point où l’ambiguïté peut affecter le résultat. Ajouter des connecteurs sans revoir leurs noms et responsabilités rend la couche de sélection de plus en plus difficile à comprendre.
Les équipes responsables d’outils de connaissance internes font face à une distinction liée. Trouver un document et trouver une opération logicielle constituent deux problèmes de récupération distincts. Une base de connaissances consultable concerne l’accès à l’information ; la récupération d’outils concerne l’accès aux capacités.
Combiner ces couches peut rendre un assistant plus utile, mais chacune mérite sa propre évaluation. Un système peut localiser le bon document et choisir malgré tout une action inappropriée. Il peut aussi sélectionner la bonne opération de recherche et recevoir des informations incomplètes.
Les achats en entreprise devraient refléter ces différences. Demander combien d’intégrations un produit prend en charge fournit un inventaire. Demander comment l’assistant sélectionne, autorise, exécute et vérifie une opération donne une image plus pertinente de son comportement.
Pour les développeurs qui maintiennent une application existante, cette sortie crée un point de révision pratique. Quelles capacités ont réellement besoin d’être disponibles immédiatement ? Lesquelles appartiennent à des flux de travail occasionnels ? Lesquelles dupliquent suffisamment l’objectif d’un autre outil pour semer la confusion lors de la sélection ?
Ces questions comptent avant toute décision de migration. Un mécanisme de récupération peut modifier rapidement le comportement de chargement, tandis qu’un catalogue peu clair reste peu clair. Les équipes qui considèrent cette annonce comme une invitation à examiner leur conception d’intégration apprendront davantage que celles qui activent simplement une option supplémentaire.
Le chargement différé avance la décision
Le chargement sélectif fait de la découverte une partie explicite du parcours d’action, de sorte que la qualité de la description initiale gagne en importance.
La documentation sur la récupération d’outils de Google distingue la découverte côté serveur de la découverte gérée par l’application. Le mode serveur par défaut résout les outils déclarés en interne. La récupération côté client permet à l’application de rechercher dans son propre registre, un catalogue d’opérations disponibles, et de renvoyer les définitions correspondantes.
La voie client ajoute un aller-retour de requête, c’est-à-dire un échange supplémentaire entre l’application et le modèle. Elle permet également d’intégrer des outils introduits pendant une conversation. Il s’agit de choix opérationnels différents, aux conséquences différentes pour le contrôle de l’application et le temps de réponse.
La question de conception est de savoir où doit se situer la logique de sélection. Un catalogue stable peut favoriser un parcours de découverte géré, car l’application connaît déjà ses opérations disponibles. Un catalogue évolutif peut justifier l’implication de l’application lorsque la disponibilité dépend de l’utilisateur actuel ou des systèmes connectés.
Ce jugement doit suivre les exigences de l’application. Un contrôle accru implique davantage de code à maintenir, plus d’états d’échec à examiner et une dépendance supplémentaire dans le parcours de réponse. Un parcours géré plus simple exige néanmoins un ensemble soigneusement défini de capacités exposées.
Le guide exige également une attention continue à l’état de la conversation. Les déclarations d’outils doivent être renvoyées, et les applications qui gèrent elles-mêmes l’historique doivent préserver les étapes de récupération et leurs signatures. Une signature est une valeur opaque utilisée par l’API pour conserver le contexte de récupération.
Pour les développeurs, cela signifie qu’une petite modification de configuration peut avoir des implications d’intégration plus larges. Les middlewares qui transforment l’historique de conversation doivent être examinés. Une journalisation qui ne capture que les réponses finales peut masquer le parcours de sélection. Le comportement de relance doit préserver les informations nécessaires à la continuité.
Ces préoccupations illustrent pourquoi la récupération relève d’une discussion d’architecture plutôt que d’une liste de contrôle de fonctionnalités. Le choix du modèle dépend de ce que l’application expose, de la manière dont elle décrit cette exposition et de l’état qui survit entre les requêtes.
Un assistant de planification hypothétique rend le problème plus facile à voir. « Trouver des créneaux disponibles » et « réserver une réunion » concernent le même sujet, mais ont des conséquences différentes. La découverte doit préserver cette distinction avant que le modèle ne reçoive les entrées détaillées.
Le même raisonnement s’applique aux opérations client. « Examiner un remboursement » et « effectuer un remboursement » doivent rester distinguables même lorsque leurs schémas détaillés sont absents. Un catalogue organisé autour d’intentions utilisateur claires donne à l’étape de sélection une base plus utile.
Cela ne démontre pas que le chargement différé améliorera chaque flux de travail ambigu. Cela indique où les développeurs doivent regarder lorsqu’ils le testent. L’étape de découverte doit choisir la bonne opération avant que le reste de l’application puisse accomplir son travail.
Il existe aussi une implication pour la conception produit. Les utilisateurs devraient recevoir des explications claires lorsque l’assistant ne trouve pas de capacité appropriée. Des recherches répétées, une action non pertinente et une demande de clarification représentent des résultats différents.
Une mise en œuvre réussie rend ces résultats observables pour l’équipe qui la maintient. Sinon, une réponse finale apparemment concise peut masquer un processus de découverte confus. Le mécanisme de chargement modifie le parcours d’exécution ; l’application doit disposer de suffisamment de visibilité pour évaluer ce changement.
Anthropic fournit un précédent, pas une référence pour Gemini
Le contexte concurrentiel établit la découverte à la demande comme une option de conception sérieuse, tout en laissant les bénéfices de Google au niveau applicatif à mesurer.
La publication d’Anthropic sur l’utilisation avancée des outils décrit son propre Tool Search Tool et ses définitions différées. Elle reconnaît aussi explicitement le compromis : une étape de recherche supplémentaire doit justifier sa place par une meilleure utilisation du contexte ou une plus grande précision.
Ce précédent est important, car Google s’inscrit dans un débat architectural existant. Le choix central demeure le suivant : une application doit-elle exposer immédiatement des définitions complètes ou les découvrir au fil de l’exécution ? L’identité du fournisseur n’élimine pas la question d’ingénierie sous-jacente.
Les implémentations diffèrent également d’une manière qui décourage les équivalences hâtives. Google indique que ses outils différés conservent leurs noms et descriptions dans le contexte initial. Anthropic décrit un mécanisme de recherche qui découvre les outils différés avant d’étendre leurs définitions.
Ces approches ne doivent pas être considérées comme interchangeables au seul motif qu’elles diffèrent toutes deux certaines informations. La vue initiale du modèle influence la façon dont il identifie les capacités pertinentes. Des méthodes de découverte différentes peuvent aussi produire des schémas d’échec distincts.
Anthropic fait état d’améliorations internes pour son implémentation, mais ces résultats n’établissent pas les performances de Gemini. Un benchmark est propre aux modèles, collections d’outils, tâches et méthodes d’évaluation qu’il teste. Transposer un pourcentage d’un fournisseur à l’autre masquerait ces conditions.
Pour les acheteurs, la comparaison utile est donc méthodologique. Que révèle initialement chaque système ? Comment trouve-t-il un outil ? Que se passe-t-il lorsque la capacité attendue est absente ? Comment l’application inspecte-t-elle une sélection erronée et s’en remet-elle ?
Une évaluation équitable exige aussi une référence crédible. Comparer la récupération à un catalogue volontairement désorganisé exagérerait la contribution du nouveau mécanisme. L’approche existante mérite des descriptions claires, un regroupement approprié et la suppression des opérations inutiles.
De même, un test dominé par des outils rarement utilisés favorise naturellement le chargement sélectif. Un flux de travail qui utilise à plusieurs reprises la plupart des capacités disponibles présente une charge de travail différente. Aucun de ces résultats ne décrit à lui seul toutes les applications d’agents.
La comparaison la plus instructive maintient constante la tâche métier. L’utilisateur pose la même question, les systèmes connectés renvoient des informations équivalentes et l’application applique les mêmes règles d’autorisation. L’évaluation examine alors si la stratégie de chargement modifiée améliore le résultat final.
Cela inclut l’expérience humaine. Un assistant qui termine correctement après plusieurs demandes de clarification diffère de celui qui comprend immédiatement la requête. Une réponse initiale plus rapide peut malgré tout précéder une résolution globale plus lente.
La concurrence entre fournisseurs devrait faciliter le test de ces distinctions, plutôt qu’encourager des affirmations générales sur celui qui aurait résolu l’usage des outils. Des orientations produits similaires créent une occasion de mener des expériences comparables. Elles ne fournissent pas les résultats de ces expériences.
Concernant Introducing Tool Retrieval in the Gemini API, la conclusion défendable est que Google a rejoint le mouvement vers le chargement sélectif des capacités. La question de savoir si son aperçu deviendra la voie privilégiée pour une application donnée dépend du comportement mesuré de cette application.
Des invites plus courtes ne garantissent pas un travail achevé moins coûteux
La mesure économique pertinente est le coût d’un flux de travail réussi, y compris la découverte, l’exécution, la récupération et la poursuite de la conversation.
Google indique que Tool Retrieval ne fait l’objet d’aucun tarif distinct, tandis que la facturation habituelle des jetons du modèle continue de s’appliquer. Les jetons sont les unités utilisées pour mesurer les entrées et sorties du modèle. La recherche ajoute une surcharge fixe en entrée, et les schémas récupérés restent facturables dans le contexte des conversations suivantes.
Ce modèle de facturation crée une opportunité conditionnelle. Écarter les éléments inutilisés peut réduire la consommation en entrée. Charger des éléments plus tard entraîne toujours une consommation, et une conversation qui finit par nécessiter une grande partie du catalogue présente un profil différent.
Le point analytique important est le dénominateur. Ne mesurer que l’invite initiale peut faire paraître une optimisation plus précieuse qu’elle ne l’est réellement. Une entreprise se soucie de savoir si la demande du client a été résolue, si le rapport a été terminé ou si l’enregistrement prévu a été mis à jour correctement.
Un assistant hypothétique pourrait commencer avec moins d’entrées, mais effectuer une tentative de découverte inutile. Il pourrait récupérer la mauvaise opération, demander une clarification, puis réessayer. Les économies initiales ne décriraient alors qu’une partie de l’interaction.
L’issue inverse est également possible. Une meilleure sélection peut éviter un appel incorrect et le travail de récupération qui s’ensuit. Dans ce cas, l’avantage dépasse le texte de schéma omis.
Aucun de ces scénarios ne doit être présenté comme un résultat observé pour Gemini sans éléments probants. Ils expliquent pourquoi les équipes ont besoin de mesures de charge de travail. Le nombre de jetons, la qualité de l’exécution et le temps écoulé répondent à des questions liées, mais aucun ne se substitue aux autres.
La latence, c’est-à-dire le temps écoulé avant qu’une réponse ou une action ne soit terminée, exige une prudence similaire. Une recherche interne au serveur évite un échange supplémentaire avec l’application. Elle représente néanmoins du travail au sein de la requête ; ainsi, « aucun aller-retour supplémentaire » ne signifie pas « aucun temps de récupération ».
La mise en cache ajoute une autre variable. Un cache réutilise du contenu admissible déjà traité. Google indique que le chargement différé préserve un préfixe d’invite stable, mais les équipes doivent toujours examiner leurs schémas de conversation réels avant d’estimer un avantage économique.
La sécurité et les autorisations relèvent de la même évaluation pratique. Masquer un schéma jusqu’à plus tard ne permet pas d’établir qu’un utilisateur est autorisé à effectuer l’action. Les applications doivent appliquer les contrôles d’accès lorsqu’elles exposent des capacités et lorsqu’elles exécutent des opérations importantes.
Un exemple de remboursement rend cette frontière claire. Découvrir l’opération de remboursement répond à la question de savoir quel outil convient à une demande. Cela n’établit pas que le client y est éligible, que le montant est correct ou que l’utilisateur actuel peut l’autoriser.
L’aperçu laisse également le risque de publication aux adoptants. La documentation de Google identifie Tool Retrieval comme un aperçu dont l’interface peut changer avant la disponibilité générale. Les équipes doivent tenir compte de ce statut lorsqu’elles décident à quel point elles souhaitent en dépendre.
Un projet pilote raisonnable évalue donc davantage que la baisse du nombre de jetons en entrée. Il compare les tâches terminées, les erreurs, l’effort de récupération et le temps total écoulé. Un résultat devient commercialement significatif lorsque l’efficacité se maintient selon ces mesures plus larges.
C’est la limite centrale de la promesse de l’annonce. Le chargement sélectif crée une occasion d’utiliser le contexte avec davantage de soin. Il ne dispense pas de démontrer que l’ensemble de l’application fonctionne mieux.
Les prochains signaux concerneront la stabilité, les résultats des flux de travail et la qualité du catalogue
La phase suivante devrait être jugée à l’aune de résultats applicatifs observables, la maturité de la version et la maintenabilité apportant un contexte essentiel.
Le premier signal à surveiller est la stabilité du produit. Au cours des prochains mois, les évolutions du statut d’aperçu, des comportements pris en charge et de la documentation façonneront les décisions d’adoption. Une interface stable permet plus facilement aux équipes de mobiliser des efforts d’ingénierie et de maintenir un comportement cohérent.
Ce signal renforcerait les arguments en faveur d’un usage plus large, mais il ne prouverait pas un gain d’efficacité. La maturité de la version et les performances en charge de travail répondent à des questions différentes. Une interface fiable peut néanmoins constituer le mauvais choix pour une application disposant d’un ensemble d’outils compact et fréquemment utilisé.
Le deuxième signal est la preuve portant sur des flux de travail complets. Des résultats utiles compareraient des tâches équivalentes avec un chargement sélectif et un chargement initial, tandis que les autres comportements de l’application resteraient constants. Les rapports devraient expliquer ce qui a réussi, ce qui a échoué et comment la récupération a influé sur le résultat.
Des résultats couvrant des requêtes variées seraient plus convaincants qu’une démonstration soigneusement sélectionnée. Les consultations courantes, les demandes ambiguës, les objectifs conversationnels changeants et les capacités indisponibles révèlent des faiblesses différentes. Une fonctionnalité qui fonctionne bien dans ces conditions présente des arguments plus solides en faveur de son adoption.
Des preuves d’une consommation totale d’entrées plus faible, associée à une qualité d’exécution stable, soutiendraient l’argument d’efficacité de Google. Davantage d’échecs de découverte ou des temps de résolution plus longs affaibliraient les arguments pour la charge de travail testée. Dans les deux cas, les développeurs pourraient prendre une décision plus précise.
Le troisième signal est la qualité du catalogue dans les applications maintenues. Les équipes devraient observer si des noms clairs, des descriptions ciblées et des frontières de capacités délibérées restent efficaces à mesure que les intégrations évoluent. Une application qui exige des réparations constantes pour préserver sa découvrabilité présente une charge de maintenance différente.
Ce signal concerne également la responsabilité. Lorsqu’une capacité évolue, quelqu’un doit être responsable de sa description, de ses conditions d’accès et de son comportement attendu. La récupération rend cette responsabilité visible, car le texte du catalogue participe directement à la sélection.
Pour les acheteurs d’entreprise, ces signaux suggèrent des questions concrètes à poser aux fournisseurs. Le produit peut-il montrer comment il a sélectionné une opération ? Peut-il expliquer un échec de découverte ? Son équipe peut-elle comparer les flux de travail terminés avant et après la modification de la stratégie de chargement ?
Pour les développeurs, l’étape suivante la plus solide consiste en une comparaison délimitée utilisant un travail représentatif. Incluez des demandes nécessitant des capacités familières, des demandes nécessitant des capacités occasionnelles et des demandes qui ne devraient produire aucune action. Préservez une référence existante afin que le résultat reste interprétable.
Considérez Introducing Tool Retrieval in the Gemini API comme un changement d’architecture testable. Choisissez un flux de travail dont les utilisateurs remarquent déjà les erreurs de sélection ou les retards, puis comparez l’exécution réussie, la consommation totale et le temps écoulé. Examinez les cas dans lesquels l’assistant choisit incorrectement, ne découvre rien d’utile ou a besoin de clarifications. Réexaminez le catalogue à la lumière de ces échecs, car des descriptions plus claires pourraient résoudre des problèmes que les seuls changements de chargement ne peuvent pas traiter. Maintenez des autorisations cohérentes tout au long de la comparaison et préservez le chemin d’exécution précédent pendant que l’aperçu évolue. La décision doit découler des éléments probants issus de votre application : le chargement sélectif aide-t-il l’assistant à effectuer le bon travail en demandant moins d’effort à l’utilisateur ?



