Le 4 septembre, Shimrit Ben-Yair, responsable produit de Google Photos, a détaillé sur X trois nouveautés confiées à Gemini Spark, l’assistant maison : retoucher une image directement dans Google Photos, fabriquer seul un album partagé, et convertir le cliché d’une affiche en rendez-vous dans l’agenda. L’affiche photographiée à la volée un samedi soir devient un événement de calendrier, sans que personne ne recopie quoi que ce soit.
Trois fonctions, une seule chaîne technique
Les trois annonces reposent sur le même enchaînement, en trois maillons. Premier maillon : la perception. Le modèle ne lit plus le nom du fichier ni la date de prise de vue, il regarde le contenu de l’image. Deuxième maillon : l’interprétation. Sur une photo d’affiche, il faut reconnaître du texte, puis comprendre que « samedi 20 h, salle des fêtes » forme une date, une heure et un lieu. Troisième maillon, le plus neuf : l’action. Le modèle ne rend pas une réponse à lire, il écrit une entrée dans votre calendrier.
Ce troisième maillon fait basculer l’assistant dans une autre catégorie. Un moteur de recherche vous montre une étagère ; un assistant agentique (capable d’exécuter des actions à votre place) ouvre les cartons, en sort ce qui l’intéresse et le range ailleurs. La création automatique d’albums partagés relève de la même mécanique : regrouper des clichés par événement ou par personne identifiée suppose une reconnaissance des visages, un regroupement statistique, puis une décision sur qui reçoit quoi.
Pourquoi vos photos coûtent plus cher que vos phrases
Ces fonctions sont d’abord réservées aux abonnés Google AI Pro et Google AI Ultra, aux États-Unis, en anglais, avec un déploiement étalé sur plusieurs semaines. La restriction tient au prix du calcul.
Un modèle de langage découpe une phrase en tokens, quelques dizaines pour un paragraphe. Une image, elle, est découpée en tuiles converties en centaines de tokens, davantage si le modèle doit lire du texte fin sur une affiche. Multipliez par une bibliothèque personnelle qui compte souvent des dizaines de milliers de clichés, et l’addition n’a plus grand-chose à voir avec celle d’une conversation écrite. Traiter une photothèque revient à faire relire un album de famille entier, image par image, par un système facturé au pixel.
Le déploiement progressif dit la même chose que la barrière tarifaire. Google n’a communiqué aucun pourcentage d’utilisateurs concernés : on ouvre le robinet par crans, on regarde la charge, on ajuste. L’abonnement payant fait ici double office. Il rentabilise la fonction, et surtout il plafonne le nombre de bibliothèques que l’infrastructure doit absorber en même temps.
Le verrou européen tient aux données biométriques
Aucune date n’a été annoncée pour l’Europe, ni pour d’autres langues. La prudence géographique est une habitude chez Google sur les fonctions d’IA récentes, mais elle a ici une raison supplémentaire. Regrouper des photos par contact identifié suppose un traitement de données biométriques, encadré en Europe par un régime nettement plus strict qu’aux États-Unis. Passer un modèle sur le contenu d’images privées oblige aussi à expliquer où ce contenu est traité, combien de temps il est conservé et à quoi il sert ensuite.
En France comme ailleurs sur le continent, ce délai sert d’abord à rendre la fonction défendable juridiquement, un travail plus long que la traduction de l’interface.
Trier des photos, un terrain où l’erreur se voit tout de suite
Trier, partager, recopier une information vue sur une affiche : ces gestes sont banals, répétitifs, et personne ne les revendique comme un plaisir. Ils offrent en revanche un banc d’essai idéal pour l’IA grand public, parce que l’utilisateur juge le résultat en une seconde. Un album mal découpé, une date mal lue, un visage confondu avec un autre se repèrent immédiatement, là où une réponse approximative d’un assistant textuel passe souvent inaperçue.
La comparaison avec la concurrence est instructive. Apple a bien annoncé en juin des outils d’IA pour son application Photos, du recadrage spatial à l’extension d’image, mais ils s’arrêtent à la retouche : aucun ne crée un rendez-vous ni ne partage un album à votre place. Google avance en plus avec une matière que ses concurrents n’ont pas : des milliards de photos déjà stockées chez lui, déposées depuis dix ans par des utilisateurs qui en ont pris l’habitude.
Qui garde la main sur l’étape finale
Le précédent posé ici pèsera plus lourd que les trois fonctions elles-mêmes : un modèle agit sur un service tiers à partir d’une image, sans validation intermédiaire visible. Regardez qui contrôle la dernière étape. Un rendez-vous créé automatiquement se corrige facilement ; un album partagé au mauvais contact, beaucoup moins.
La leçon économique vaut pour les fonctions comparables que vous déployez de votre côté. Si votre chaîne prévoit d’envoyer des images à un modèle multimodal (qui traite indifféremment texte et image), votre facture ne se comportera pas comme celle d’un assistant textuel, et vos tests sur quelques dizaines de fichiers ne diront rien de ce qui se passe sur cent mille. Google a tranché en réservant la fonction à ses abonnés les plus chers ; le tarif est un signal autant qu’un choix produit.
Le déploiement américain va mesurer ce qu’aucune démonstration ne montre : la fréquence à laquelle un assistant qui regroupe seul des souvenirs se trompe de personne. Ce taux d’erreur pèsera plus sur la décision d’ouvrir l’Europe que n’importe quelle prouesse de retouche automatique.
