Un agent IA brillant sur le papier peut se révéler inutile en entreprise : il ignore vos tarifs, vos procédures, vos règles de remboursement. Le talent du modèle ne sert à rien s’il n’a rien à se mettre sous la dent. Google l’a manifestement compris, et sa dernière initiative ne vise pas l’assistant lui-même : elle vise ce qu’il avale.
Le 12 juin 2026, l’entreprise a dévoilé l’Open Knowledge Format (OKF), un standard ouvert censé représenter la connaissance d’une organisation dans un format commun à tous les agents. Derrière l’annonce technique se cache un déplacement stratégique. Google déserte la course au modèle le plus fin pour investir un terrain moins visible : le vocabulaire commun dans lequel toute connaissance d’entreprise sera écrite.
Une connaissance qui existe, mais qu’aucun agent ne lit vraiment
Le problème est ancien et universel. Les savoirs d’une entreprise existent bel et bien : ils dorment dans les wikis, les catalogues de métadonnées, quelques tableurs oubliés et, souvent, dans le code lui-même. Mais ils sont dispersés dans des systèmes qui s’ignorent, chaque fournisseur imposant son propre format. Résultat, l’agent censé répondre à un client sur une condition de remboursement précise sert une généralité floue, faute d’avoir su où chercher.
La proposition de Google tient dans sa simplicité assumée : un dossier de fichiers texte en Markdown, lisibles dans n’importe quel éditeur, indexables par n’importe quel outil de recherche. Chaque fichier s’ouvre sur un petit bloc de métadonnées en YAML (un format texte structuré), délimité par trois tirets, qui déclare au minimum un type, puis, à la demande, un titre, une description, une ressource, des tags, un horodatage. Le corps suit, en clair. Aucune infrastructure exotique, aucun format propriétaire à décoder.
Markdown rangé contre texte haché : deux façons de nourrir l’IA
C’est ici que l’OKF se distingue de l’approche qui domine aujourd’hui. Le RAG (Retrieval-Augmented Generation, la génération augmentée par récupération de documents) traite la donnée comme une matière brute : il découpe les textes en morceaux, les transforme en vecteurs, et parie sur la puissance du modèle pour recoller les fragments pertinents au moment de répondre. La connaissance y est un tas que l’on fouille.
L’OKF fait le pari inverse. Il gère l’information comme une bibliothèque déjà rangée : des dossiers clairs, des étiquettes, des liens explicites entre les sujets. Chaque fichier représente un concept unique, une table, un jeu de données, une métrique, un playbook, et son chemin d’accès tient lieu d’identifiant. L’ensemble forme ce que Google appelle un « bundle ». Là où le RAG hache d’abord et espère comprendre ensuite, l’OKF ordonne en amont pour que l’agent reçoive une matière déjà structurée.
La nuance n’est pas anodine. Elle déplace l’effort intellectuel : moins de charge sur le modèle au moment de la requête, davantage de discipline documentaire en préparation. Un modèle moins puissant, mais nourri d’une connaissance bien classée, peut ainsi rivaliser avec un modèle plus brillant qui pioche à l’aveugle.
Un modèle se remplace, un format s’incruste
Voilà où l’affaire devient intéressante. Google possède déjà des modèles de premier plan ; il n’avait aucun besoin d’un énième assistant pour exister sur ce marché. En publiant un format ouvert et neutre, l’entreprise ne cherche pas à vendre l’agent le plus malin : elle cherche à devenir la norme que tous les autres agents devront savoir lire. La manœuvre n’est pas inédite : Anthropic a joué la même carte avec le Model Context Protocol (MCP), ce standard ouvert de connexion des agents aux données déjà adopté par OpenAI comme par Google DeepMind. La différence tient à l’objet : le MCP normalise le tuyau qui relie l’agent à ses sources, quand l’OKF prétend normaliser ce qui y circule.
Le calcul est limpide. Un modèle, aussi bon soit-il, se remplace du jour au lendemain : il suffit qu’un concurrent publie mieux. Un format, lui, s’incruste. Une fois qu’une entreprise a converti ses connaissances en bundles OKF, elle ne recommencera pas ce travail de sitôt, et tout agent qui prétend l’aider devra parler cette langue. Celui qui définit cette langue prend un ascendant que le meilleur modèle ne garantit jamais.
Le Markdown, choisi ici, n’a rien d’anodin non plus : c’est le format que lisent déjà, nativement, la plupart des modèles de langage. Google n’invente pas un carcan technique, il canonise un usage existant et se place en position de l’avoir formalisé le premier.
Ranger sa connaissance rapporte, quel que soit l’agent retenu
La leçon pratique est immédiate : structurer sa connaissance vaut mieux qu’attendre que le modèle devine. Adopter une organisation en fichiers texte lisibles, avec des métadonnées propres et des liens explicites, reste utile quel que soit l’agent retenu, et un format ouvert évite en théorie de se lier à un fournisseur unique.
En théorie seulement. Car un standard n’est pivot que si les concurrents l’adoptent vraiment, et c’est là que se jouera la partie. Ouvert ne signifie pas neutre : celui qui rédige la spécification en oriente les choix et en récolte l’influence. Ce qui décidera du sort de l’OKF tient donc moins à sa qualité technique, déjà convaincante, qu’à la liste des acteurs prêts à écrire dedans. S’ils suivent, Google aura gagné une bataille sans avoir eu à sortir son meilleur modèle. S’ils l’ignorent, l’OKF restera un dialecte de plus dans une tour de Babel qu’il prétendait justement abolir.
La mémoire des agents devient ainsi le terrain d’affrontement, bien avant la vitesse de raisonnement. Et la manœuvre de Google se lit là : amener chaque entreprise à écrire ses connaissances dans une grammaire qu’elle n’a pas choisie, au seul motif qu’elle est ouverte.
