Vertex AI

Google scinde en deux son guide d'authentification dans le dépôt d'exemple AP2 : une clé API Google pour le développement, Vertex AI pour les déploiements en production. Cette répartition résume assez bien ce qu'est Vertex AI dans la pratique : la surface GCP où choisir un modèle cesse d'être une simple commodité pour devenir un engagement opérationnel.

Les annonces de modèles suivent le même schéma. Lorsque Google a rendu Gemini 2.5 Flash-Lite stable et disponible au grand public en juillet 2025, au prix de 0,10 $ par million de tokens en entrée et 0,40 $ par million de tokens en sortie, le modèle a été livré via Google AI Studio et Vertex AI. La sélection multi-modèles est la fonction affichée de la plateforme : choisir le modèle adapté à la charge de travail, de la classification et de la traduction à faible latence jusqu'au raisonnement plus poussé.

La question la plus difficile se situe au-dessus de ce choix. Janakiram MSV lit la pile des agents d'entreprise comme trois fournisseurs convergeant vers une même architecture, Gemini Enterprise Agent Platform aux côtés de Bedrock AgentCore et de Microsoft Foundry, chacun assemblant sous des noms différents runtime, mémoire, passerelle d'outils, identité, observabilité et gouvernance. Aucun contrat de portabilité ne les relie. L'état de session, les traces et l'identité atterrissent tous chez un seul fournisseur, et déplacer un agent un an plus tard signifie le reconstruire. Mathieu Grymonprez, Global CDO d'Adeo, désigne ce verrouillage de l'intelligence d'entreprise comme sa principale inquiétude, tout en reconnaissant à Google une "conscience de la prod" qu'il ne trouve pas encore chez OpenAI ou Anthropic.

Des protocoles ouverts comme MCP fournissent une bonne partie des primitives. Le cycle de vie au-dessus, versionnement, promotion, retour en arrière, reste celui de la plateforme sur laquelle on a déployé.