Google Cloud a présenté le 19 novembre 2026, en préversion, les object enrichments, une fonction de Cloud Storage qui exécute des modèles d'IA sur les fichiers d'un bucket et inscrit les résultats dans les objets eux-mêmes. L'annonce est signée des chefs de produit Himanshu Kohli et Manjul Sahay. Leur point de départ : l'essentiel de l'information des entreprises dort dans le stockage d'objets sous forme d'images, de PDF, de vidéos et de fichiers audio qu'un agent ne sait pas exploiter, et lire des fichiers bruts au moment de la requête coûte trop cher et prend trop de temps. Extraire les métadonnées en amont, plaide le billet, donne aux agents un contexte ancré dans les données au moment de l'exécution.

Une équipe indique les buckets à traiter et le lieu du traitement, choisit un ou plusieurs des cinq modèles propres à Cloud Storage pour les images et les PDF, puis accorde des autorisations IAM au service. Google affirme prendre ensuite en charge l'inférence, l'analyse des réponses, les nouvelles tentatives et la régulation du débit, jusqu'à des millions ou des milliards d'objets, sans files d'attente ni machines à administrer. Les modèles d'image couvrent la détection d'objets, la détection de visages, l'étiquetage d'images et la détection de contenu explicite, tandis qu'un modèle de PDF range les documents dans des catégories professionnelles comme Finance, Games, News ou Health. La configuration se fait dans la console Cloud Storage ou via son API.

Les résultats sont enregistrés comme contexte d'objet, une construction de métadonnées de Cloud Storage qui stocke des paires clé-valeur à côté de l'objet. D'après Google, ce contexte suit l'objet lors des copies, déplacements et réplications, disparaît à sa suppression et obéit à IAM, si bien qu'aucune base de métadonnées distincte n'est nécessaire. Les applications peuvent filtrer les listes d'objets selon ce contexte, et les données peuvent alimenter BigQuery via les jeux de données Storage Insights pour des analyses en SQL. Le billet renvoie aussi au serveur MCP de Cloud Storage pour donner aux agents un accès, borné par IAM, aux objets et à leur contexte.

Côté tarifs, Google cite un prix public de 700 dollars pour enrichir 10 millions d'images ou de PDF et évoque 75 % d'économies sur l'annotation d'images par rapport à des services comparables d'autres fournisseurs de cloud. Ce sont des comparaisons de Google lui-même ; le billet ne nomme pas les services concurrents et ne détaille pas le calcul. L'enrichissement par Gemini, pour le résumé, l'extraction d'entités, la transcription et la traduction, n'est pas encore ouvert à tous : les clients doivent écrire à [email protected] pour demander l'accès à ce que Google appelle une fonction à venir.

Le billet rassemble plusieurs témoignages de clients. L'Oréal dit pouvoir étiqueter sa bibliothèque de contenus créatifs 100 fois plus vite et pour une fraction du coût. Hyperscience fait état d'un gain de plus de 50 % de précision pour la classification de documents, avec un coût d'inférence divisé par deux à trois, et Vivint assure que l'association avec BigQuery a ramené le développement d'IA de six mois à un. Google énumère des usages comme la recherche de contenus créatifs pour la génération augmentée par récupération, la modération, la sélection de données d'entraînement pour la conduite autonome et la robotique, et l'analyse multimodale.

Ces chiffres viennent de Google et de ses clients, pas de tests indépendants, et la fonction reste en préversion. L'option la plus avancée, Gemini, n'est pas accessible sans demande préalable : l'offre actuelle se résume donc surtout à l'étiquetage d'images et à la classification de PDF à grande échelle.

Références