top of page

La mise à jour Material 3 Expressive ajoute une sélection d’heure par défilement

il y a 14 minutes
14 min de lecture

La mise à jour Material 3 Expressive de Google ajoute un sélecteur d’heure par défilement, tandis que son annonce du 17 novembre concernant AI Studio étend la génération d’applications Android au-delà des applis limitées à une session locale. Ces évolutions concernent différentes étapes de la création d’applications : choisir une heure à l’écran et relier une application à des données persistantes. Ensemble, elles précisent une question pratique pour les développeurs : quelle part du travail reste à accomplir lorsqu’une application générée par IA semble terminée ?

Material 3 Expressive, le système de conception d’interfaces de Google, propose une nouvelle manière de sélectionner des heures sans masquer le contenu environnant. Google AI Studio, son environnement de développement IA accessible dans le navigateur, ajoute la configuration du backend, de meilleurs tests visuels et la distribution personnelle via Google Play. Il s’agit de changements distincts, qui impliquent des décisions d’adoption distinctes.

La comparaison utile oppose la génération d’une démonstration convaincante à la maintenance d’une application fiable. Xcode d’Apple fournit un point de référence pour le développement natif intégré, mais cet article ne désigne pas de vainqueur entre les plateformes. Google réduit le travail de configuration tout en laissant aux développeurs la responsabilité des comportements, autorisations et décisions de publication qui s’ensuivent.

La mise à jour Material 3 Expressive maintient le contexte visible

Le changement déterminant du sélecteur d’heure par défilement réside dans la manière dont la sélection d’heure s’intègre à une interface.

Selon la couverture de 9to5Google du 17 novembre, le nouveau contrôle permet de choisir une heure en faisant défiler verticalement. Google le positionne pour une utilisation intégrée, où le contenu environnant reste visible. Une icône de clavier donne accès à une saisie au clavier.

Les variantes existantes de saisie et de cadran bénéficient également de modifications visuelles. Le rapport décrit un contraste renforcé dans les champs d’heure et la sélection du cadran, ainsi que des commandes AM et PM révisées. Google introduit aussi des champs à défilement pour choisir des mesures, notamment la distance, le poids et la température. Ces détails figurent dans la couverture de la publication sur le sélecteur d’heure par défilement.

Cet emplacement est important, car le choix d’une heure intervient rarement sans contexte. Un écran de rendez-vous peut contenir une date, un lieu, une durée et des informations sur les disponibilités. Garder ces détails visibles peut aider une personne à comprendre le choix qu’elle effectue.

Prenons l’exemple hypothétique d’une application de planification qui demande à un utilisateur de choisir une heure de début tout en consultant le récapitulatif d’un rendez-vous. Un sélecteur compact pourrait préserver le lien entre l’heure et les détails de réservation environnants. Le bénéfice viendrait de cette relation, plutôt que du seul mouvement de défilement.

Il s’agit d’une justification de conception, et non d’un résultat d’utilisabilité mesuré. Les informations disponibles n’établissent pas que le défilement soit plus rapide ou plus accessible pour chaque personne. Les développeurs doivent toujours évaluer ce contrôle en fonction de leurs propres tâches et publics.

Les différentes méthodes de sélection répondent également à différentes habitudes. Une personne saisissant une heure exacte pourrait préférer la saisie au clavier. Une personne ajustant une valeur proche pourrait préférer le défilement. Proposer une interaction supplémentaire crée un choix pour les équipes produit ; cela ne tranche pas automatiquement ce choix.

Le même raisonnement s’applique aux champs de mesure. Un écran de fitness pourrait placer une quantité à côté de son unité et de détails d’activité pertinents. La question de conception devient alors de savoir si cette disposition facilite l’interprétation et la correction de la valeur.

Les équipes produit doivent également distinguer les recommandations de conception de la disponibilité logicielle. La présence d’un composant dans les recommandations Material n’établit pas que chaque application Android l’inclut déjà. La mise à jour rapportée ne fournit pas de date d’adoption universelle pour les applications existantes.

Elle n’établit pas non plus qu’AI Studio insère automatiquement le nouveau sélecteur dans chaque projet généré. Une mise à jour du système de conception et une mise à jour de la génération d’applications peuvent servir des objectifs similaires sans partager le même package de publication.

L’importance immédiate est plus limitée et plus utile : Google propose une autre interaction standardisée pour une tâche familière. Les développeurs disposent d’une nouvelle option, tout en restant responsables de décider où elle a sa place.

Une création d’applications plus rapide modifie ce que les équipes doivent examiner

Lorsque la construction initiale devient plus facile, le jugement produit et la vérification deviennent des dimensions plus visibles du travail.

L’annonce Android de Google décrit un flux de travail qui va au-delà de la génération d’écrans. L’entreprise indique qu’AI Studio peut configurer le stockage persistant, la connexion et les fonctionnalités d’IA. Sa mise à jour du développement Android décrit également des améliorations apportées aux tests et à l’installation sur des appareils personnels.

Google indique que les applications Android générées s’appuyaient auparavant sur le stockage de session local. Le support backend annoncé change ce qu’un prototype peut tenter : les informations peuvent persister entre les sessions et circuler entre les appareils. Cela élargit le périmètre de l’application, ainsi que les questions auxquelles les évaluateurs doivent répondre.

Un écran contenant un élément enregistré est facile à comprendre visuellement. Établir à qui appartient cet élément exige une décision distincte. Déterminer qui peut le modifier ou le supprimer en exige une autre.

Cela exerce une pression concrète sur les petites équipes de développement, les créateurs indépendants et les responsables produit qui évaluent des applications générées. Ils doivent distinguer une démonstration fonctionnelle de la preuve que le produit sous-jacent se comporte correctement.

Cette pression ne dépend pas de la disparition des développeurs du processus. Leur attention se déplace plutôt vers des décisions que le code généré ne peut pas valider par sa seule existence. Ces décisions comprennent la propriété des données, la gestion des défaillances et la relation prévue entre les utilisateurs.

Une application hypothétique de recettes familiales illustre cette différence. Son écran d’ingrédients peut sembler complet après une première passe de génération. Les listes de courses partagées soulèvent des questions sur l’appartenance, les droits de modification et ce qui se produit lorsqu’une personne quitte le foyer.

Ces questions sont des exigences produit avant de devenir des détails d’implémentation. Un agent peut mettre en œuvre de manière cohérente le mauvais modèle de partage si la demande initiale laisse le modèle souhaité ambigu.

La mise à jour Material 3 Expressive correspond à ce schéma au niveau de l’interface. Sélectionner un composant standard peut réduire le besoin d’inventer un contrôle. Choisir l’interaction appropriée pour un rendez-vous ou une mesure exige toujours de comprendre la tâche de l’utilisateur.

Apple fournit un point de comparaison utile avec SwiftUI, son framework déclaratif d’interface, qui décrit les écrans à travers leur structure et leur comportement prévus. Les aperçus SwiftUI d’Apple permettent aux développeurs d’inspecter et d’interagir avec les vues tout en les modifiant dans Xcode.

Cette comparaison établit une préoccupation commune : le développement natif dépend d’une connexion répétée entre le code et le comportement visible. Elle n’établit pas l’équivalence des capacités, des temps de développement ou de la qualité des applications entre les outils d’Apple et le flux de travail de Google dans le navigateur.

L’annonce de Google mérite donc d’être évaluée au niveau du flux de travail. La question pertinente est de savoir si l’automatisation élimine le travail de configuration sans rendre les décisions importantes plus difficiles à examiner.

Pour les équipes qui commandent une application, la demande de preuves doit évoluer en conséquence. Une démonstration devrait montrer ce qui se passe après la réouverture, le changement de compte ou une opération échouée. La finition visuelle reste une preuve utile, mais elle ne couvre que la partie visible du produit.

L’automatisation du backend élargit la signification d’un prototype

Les données persistantes rendent les applications générées plus utiles, tout en augmentant les conséquences d’hypothèses erronées.

Google indique que l’agent Build d’AI Studio détecte les demandes impliquant le stockage, l’identité ou l’IA générative. Avec la confirmation du développeur, il provisionne les services de soutien et relie le code Android. Kotlin, le langage de programmation utilisé dans les projets Android générés, reste une partie de cette implémentation.

L’intégration annoncée inclut Cloud Firestore, une base de données cloud, et Firebase Authentication, un service permettant d’identifier les utilisateurs connectés. Google affirme que l’agent génère également des Security Rules, qui régissent l’accès aux données stockées. Ces services donnent à un prototype des capacités qu’une démonstration locale temporaire ne possède pas.

Le changement pratique est la continuité. Une personne s’attend à ce que les informations enregistrées restent disponibles après avoir fermé une application. Elle s’attend aussi à ce que les informations privées restent associées au bon compte.

Ces attentes paraissent ordinaires parce qu’elles le sont. Leur mise en œuvre est là où la génération d’applications devient plus exigeante. Une opération d’enregistrement réussie ne dit presque rien sur le fait que chaque opération autorisée et interdite se comporte comme prévu.

Imaginez une application de planification personnelle qui génère un programme suggéré et l’enregistre. Enregistrer le programme constitue une première étape utile. Le rouvrir depuis un autre appareil teste une autre partie du système.

Permettre au propriétaire de modifier le programme introduit une autre exigence. Empêcher un autre utilisateur de le modifier en introduit une autre. Un prototype devient plus crédible lorsqu’il démontre ces frontières, plutôt qu’en affichant simplement des écrans supplémentaires.

C’est pourquoi l’automatisation du backend modifie la signification du progrès. Provisionner une base de données peut éliminer un travail de configuration répétitif. Cela ne peut pas établir que la structure de données choisie représente correctement les règles du produit.

Google décrit également Firebase AI Logic, un service qui relie les applications aux modèles Gemini tout en fournissant une infrastructure de soutien. La documentation de Firebase AI Logic explique ses bibliothèques clientes et son service proxy, notamment la protection contre l’intégration des identifiants Gemini API dans le code de l’application.

Cette architecture répond à une préoccupation précise : distribuer une application mobile ne devrait pas exiger de distribuer son secret Gemini API. Elle ne répond pas à toutes les questions concernant l’utilisation de l’IA par l’application.

Une réponse générée doit toujours trouver une place appropriée dans le produit. Les développeurs doivent décider si les utilisateurs peuvent la modifier, si elle doit être enregistrée et ce qui se passe lorsque la génération échoue. Ces décisions relèvent du comportement de l’application, même lorsque le code d’intégration arrive automatiquement.

Il existe également une distinction entre connexion technique et responsabilité opérationnelle. Quelqu’un doit comprendre de quels services l’application dépend et comment enquêter sur une défaillance. Les ressources créées automatiquement restent des ressources qu’une équipe doit gérer.

L’interprétation la plus solide de l’annonce de Google est donc précise. AI Studio vise à réduire le travail manuel nécessaire pour relier une application native à des services de soutien. L’annonce n’établit pas de manière indépendante que chaque combinaison générée est prête pour une utilisation sans restriction.

Pour les développeurs, cela déplace l’examen de fragments de code isolés vers le parcours complet d’une action utilisateur. Les preuves importantes relient l’appui, l’enregistrement sauvegardé, la limite du compte et le résultat observé plus tard.

Les retours visuels réduisent la distance entre l’intention et le code

Les améliorations des tests ciblent une source fréquente de temps perdu : décrire un problème d’interface sans montrer son état réel.

Google indique que l’émulateur de navigateur d’AI Studio, un appareil Android simulé, bénéficie d’un démarrage plus rapide, d’une sortie audio et d’un streaming 1200p optionnel. Il ajoute également une action de capture d’écran qui joint l’interface en cours d’exécution à une invite destinée à un agent de codage. Les polices personnalisées et l’intégration de la ligne de commande Android complètent les changements annoncés dans le flux de travail.

L’entreprise ne fournit pas de benchmark contrôlé établissant l’effet de ces ajouts sur la productivité. Leur valeur pratique dépend du type de travail et de la qualité de la réponse de l’agent.

Pourtant, la fonctionnalité de capture d’écran répond à un problème de communication identifiable. Une demande écrite peut décrire la position d’un bouton tout en omettant la mise en page qui l’entoure. Une image peut rendre ce contexte explicite.

Supposons qu’un écran de réservation hypothétique comporte un sélecteur d’heure à côté d’une carte récapitulative. Le développeur souhaite réduire l’encombrement sans masquer les détails du rendez-vous. Montrer l’écran en cours d’exécution donne à l’agent un point de départ concret pour l’ajustement demandé.

C’est là que les annonces concernant l’interface et le développement se rejoignent sur le plan conceptuel. La mise à jour Material 3 Expressive concerne le contexte visible par l’utilisateur de l’application. Les retours par capture d’écran concernent le contexte visible par l’agent de programmation.

Aucune ne garantit un meilleur résultat. Toutes deux rendent une plus grande part de l’état actuel disponible au moment d’une décision. C’est un mécanisme utile à évaluer sans supposer que la décision sera toujours correcte.

Une capture d’écran a aussi ses limites. Elle saisit une apparence à un instant donné, plutôt que le comportement complet de l’écran. Un contrôle qui paraît aligné peut néanmoins réagir incorrectement après une modification de la valeur affichée.

Cette distinction devient particulièrement pertinente lorsque les modifications générées affectent des styles partagés. Un changement qui améliore un écran de rendez-vous peut modifier un autre écran utilisant la même typographie. Les réviseurs doivent inspecter l’application obtenue, plutôt que supposer que l’amélioration locale demandée est restée locale.

La sortie audio offre une autre forme de retour direct. Une fonctionnalité vocale ne peut pas être évaluée pleinement à partir d’une transcription ou d’une image statique. Écouter l’application donne aux développeurs un autre moyen d’examiner si son comportement correspond à l’expérience prévue.

L’intégration en ligne de commande de Google mérite également une lecture précise. Une interface en ligne de commande permet à un logiciel d’appeler des outils de développement par des commandes textuelles. L’annonce indique que AI Studio utilise les outils Android pour prendre en charge la création et la compilation de projets.

Cela n’établit ni une fiabilité universelle des compilations ni une compatibilité avec tous les projets. Cela identifie une partie du mécanisme derrière le flux de travail. Les développeurs ont toujours besoin d’éléments probants issus de leur propre application avant d’en tirer des conclusions plus larges.

Les équipes devront aussi conserver les raisons des changements visuels répétés. Une base de connaissances d’ingénierie consultable peut conserver les exigences et les constats de revue à disposition aux côtés des documents techniques.

L’objectif est d’assurer une continuité entre les décisions. Un réviseur ultérieur devrait comprendre pourquoi un contrôle a changé, quel comportement a été vérifié et quelle préoccupation reste non résolue. Une édition plus rapide devient plus utile lorsque ce contexte survit au prompt suivant.

La sécurité générée exige toujours des preuves

Configurer automatiquement des protections ne vérifie pas de manière indépendante le modèle de sécurité de l’application.

Le langage de lancement de Google décrit les applications générées comme prêtes pour la production. Il s’agit d’une caractérisation de l’entreprise, plutôt que d’une évaluation indépendante de chaque application produite par ce flux de travail. La distinction compte particulièrement lorsqu’une application commence à stocker des informations privées.

L’identité et les autorisations sont des concepts liés, mais distincts. L’authentification établit qui est un utilisateur. L’autorisation détermine ce que cet utilisateur peut faire.

Un compte connecté ne devrait pas automatiquement recevoir l’accès à chaque enregistrement stocké. Un profil affiché correctement ne prouve pas qu’un autre compte ne peut pas récupérer ses données. Ce sont des questions de comportement qui nécessitent une vérification directe.

Les tests des Security Rules de Firebase prennent en charge des contextes de test authentifiés et non authentifiés, ainsi que des assertions pour les opérations autorisées et rejetées. La documentation fournit une base concrète pour évaluer les règles d’accès générées. Son existence renforce également l’idée que configuration et validation sont des activités distinctes.

Pour un planificateur privé hypothétique, une revue utile examinerait l’accès depuis le compte du propriétaire et depuis un compte sans lien. Elle examinerait aussi si le changement de propriétaire d’un enregistrement modifie les autorisations. Il s’agit de vérifications proposées, et non de défaillances signalées dans le code généré par Google.

Les applications partagées nécessitent une attention supplémentaire, car la propriété privée n’est plus l’intégralité du modèle. Une liste de foyer nécessite une définition explicite de l’appartenance. Une application professionnelle peut exiger des autorisations différentes pour les contributeurs et les administrateurs.

L’incertitude importante est de savoir si les règles générées correspondent à ces relations prévues. Une règle peut être syntaxiquement valide tout en exprimant la mauvaise politique. L’annonce de Google ne fournit pas de résultats indépendants couvrant chaque modèle de partage possible.

App Check couvre une autre frontière. Il utilise l’attestation, c’est-à-dire des éléments sur l’authenticité d’une application ou d’un appareil, pour aider à protéger les services backend contre des clients non autorisés. La documentation des protections App Check de Firebase indique explicitement que le service empêche certains abus plutôt que d’en garantir l’élimination.

C’est une promesse plus limitée qu’une sécurité complète. Une application authentique peut encore contenir un modèle d’autorisation incorrect. Un utilisateur valide peut encore tenter une action que le produit devrait rejeter.

Ces distinctions devraient orienter la manière dont les équipes interprètent les affirmations relatives à la génération et à la sécurité. Garder un identifiant Gemini API hors de l’application distribuée traite l’exposition des identifiants. Cela n’établit pas que toutes les informations stockées disposent des bonnes restrictions d’accès.

Le langage relatif à la publication exige une précision similaire. Google décrit une publication directe dans une bibliothèque Google Play personnelle pour une installation sur un téléphone. Cette capacité ne devrait pas être étendue à une garantie d’approbation pour une distribution publique sans restriction sur le Play Store.

L’installation personnelle est précieuse, car elle permet une évaluation sur un appareil réel. La distribution publique introduit une décision distincte sur les personnes pouvant accéder à l’application et dans quelles conditions. Le parcours d’installation décrit dans l’annonce ne résout pas toutes les exigences de publication.

Les hypothèses commerciales méritent également de la retenue. Un flux de développement pratique n’établit pas un fonctionnement universellement gratuit pour l’application résultante. Les équipes devraient évaluer l’utilisation des services et les conditions applicables pour leur propre implémentation.

Le jugement équitable n’est ni la confiance automatique ni le rejet automatique. Google a annoncé des mécanismes destinés à supprimer le travail de configuration et à améliorer la protection. Les développeurs ont toujours besoin de preuves spécifiques à l’application avant de considérer ces mécanismes comme suffisants.

Les prochains tests portent sur l’adoption, les limites d’autorisation et les appareils réels

Les prochains éléments utiles montreront si ces annonces tiennent ensemble dans le cadre d’une utilisation ordinaire de l’application.

Le premier signal à surveiller est l’implémentation et l’adoption des nouveaux contrôles Material. Les développeurs ont besoin d’informations claires sur les composants pris en charge et leur comportement dans des applications réelles. Les captures d’écran des recommandations établissent l’apparence, tandis que les implémentations fonctionnelles apportent des preuves sur l’interaction.

Pour le sélecteur à défilement, une évaluation pertinente examinerait si les utilisateurs peuvent sélectionner et corriger des heures sans perdre le contexte pertinent. Elle devrait aussi examiner si la saisie au clavier reste pratique lorsque le défilement est peu commode. Ces résultats renforceraient ou affaibliraient la justification de conception de cet ajout.

Un déploiement étendu de la mise à jour Material 3 Expressive n’établirait pas, à lui seul, une adoption réussie. Les équipes devraient encore démontrer que le contrôle sert la tâche environnante. Une utilisation cohérente n’est utile que si l’interaction reste appropriée.

Le deuxième signal est une preuve reproductible concernant les limites d’autorisation des applications générées. Les évaluations indépendantes devraient décrire le modèle de données demandé et le comportement des règles obtenues. Signaler seulement que la connexion fonctionne laisserait la question centrale sans réponse.

Une évaluation utile distinguerait les enregistrements privés simples des informations partagées. La réussite avec un modèle réservé au propriétaire étayerait une conclusion plus restreinte que la réussite avec une appartenance à un groupe évolutive. Les échecs indiqueraient où les développeurs ont besoin d’exigences plus explicites ou d’une revue supplémentaire.

Ce signal teste directement le compromis central de l’annonce de Google. Supprimer le travail de configuration est utile lorsque la configuration qui en résulte est compréhensible et vérifiable. Si les réviseurs peinent à l’inspecter ou à la corriger, une partie de l’effort économisé revient plus tard.

Le troisième signal est le parcours complet, de la génération à l’utilisation répétée sur un appareil physique. L’installation Play personnelle crée une occasion d’examiner ce parcours. Les éléments pertinents incluent la réouverture de l’application, le changement de comptes et la récupération après des opérations interrompues.

Une première installation réussie étayerait l’affirmation sur la distribution. Un comportement correct continu étayerait une affirmation plus large sur l’utilité. Il s’agit d’étapes liées, mais elles répondent à des questions différentes.

Les comparaisons entre Google AI Studio et Xcode devraient suivre la même discipline. Une étiquette générale de vainqueur masquerait les différences de tâche, de projet et de méthode d’évaluation. Une comparaison plus informative maintiendrait constant le comportement prévu de l’application et documenterait où l’intervention humaine reste nécessaire.

L’opportunité immédiate est concrète : les développeurs peuvent explorer des applications Android générées plus riches, tandis que les designers bénéficient d’une autre option standard de sélection de l’heure. Le travail non résolu est tout aussi concret : les autorisations, la qualité des interactions et un comportement fiable nécessitent encore des preuves.

Avant d’adopter la mise à jour Material 3 Expressive ou d’étendre un prototype AI Studio, choisissez un flux de travail familier avec des critères de réussite clairs. Utilisez une tâche impliquant une sélection d’heure, un enregistrement sauvegardé et une limite de compte. Demandez à la démonstration de préserver le contexte environnant, de conserver les informations prévues et de rejeter l’accès depuis le mauvais compte. Conservez ensemble le code obtenu, les constats de revue et les questions non résolues afin qu’un autre développeur puisse les évaluer. Répétez ensuite la tâche sur un appareil physique après avoir rouvert l’application. Comparez ces éléments probants avec l’exigence produit initiale, plutôt qu’avec l’apparence du premier écran. Quelle partie du flux de travail est manifestement prête, et quelle partie dépend encore d’une hypothèse ?

 
 

Commencez pour Gratuit

Un premier assistant IA local avec gestion des connaissances personnelles

Pour une meilleure expérience IA,

remio ne supporte que Windows 10+ (x64) et M-Chip Macs actuellement.

Votre partenaire IA au travail
Faites-en plus avec remio

Planifiez. Créez. Livrez.
Tout au même endroit.

bottom of page