# Google Cloud trace les agents IA dans BigQuery et Looker

_Publié le 14 novembre 2026 — https://ip73.fr/2026/11/14/google-cloud-trace-les-agents-ia-dans-bigquery-et-looker/_

Google Cloud a annoncé le 13 novembre une série d’outils pour suivre les agents IA en production dans BigQuery et Looker : comment ils raisonnent, quelles données ils touchent, combien ils coûtent. Le principe tient en une phrase : la télémétrie atterrit dans des tables BigQuery que le client possède, et s’analyse ensuite avec les tableaux de bord de son choix.

## Une télémétrie versée dans l’entrepôt de données

Selon Google, les agents de Conversational Analytics, ses agents de données « maison », émettent désormais leur télémétrie sans réglage. Les requêtes adressées aux agents de données BigQuery depuis Gemini Enterprise, via des flux agent à agent (A2A, désormais en disponibilité générale), produisent des métriques Cloud Monitoring, des traces Cloud Trace et des journaux de conversation versés dans le projet de l’agent. Les agents sur mesure, bâtis avec ADK ou LangGraph, envoient les mêmes données par une instrumentation d’une ligne.

La journalisation des conversations dans BigQuery est annoncée en disponibilité générale. Elle permet d’examiner les prompts et les réponses directement dans l’entrepôt, sans pipeline d’export. L’API Conversational Analytics, elle aussi en disponibilité générale, ajoute des journaux d’audit d’administration toujours actifs, des journaux d’audit de lecture de données optionnels, VPC Service Controls, les clés de chiffrement gérées par le client (CMEK) et la résidence des données régionale ou multirégionale.

Côté tableaux de bord, BigQuery Studio propose une surveillance des agents avec usage, sessions actives, sources de connaissances les plus sollicitées et latence. Dans Looker, les tableaux System Activity dédiés à Conversational Analytics suivent l’engagement et la consommation de jetons, dans Looker (Google Cloud core) comme dans Looker (original). Les notes des utilisateurs et la revue des requêtes, dans l’onglet « Responses & feedback », restent en préversion.

## Séparer les métriques du contenu des conversations

C’est la partie la plus intéressante pour les équipes qui manipulent des données sensibles. Google distingue deux couches, gouvernables séparément. La première, activable au niveau du projet ou de l’organisation, regroupe Cloud Monitoring (volume de requêtes, latence, jetons) et Cloud Trace (les étapes de chaque requête). Ces métriques et les traces « assainies » excluent, d’après l’éditeur, les prompts, les réponses, les « pensées » internes et le SQL généré.

La seconde est une option, agent par agent : la journalisation des conversations. Une fois activée, un agent de service géré par Google écrit prompts, réponses et télémétrie de chaque tour dans une table `agent_events` du client, via l’API BigQuery Storage Write. La table hérite des droits IAM, de la CMEK et de VPC Service Controls.

Garde-fou notable : avant chaque tour, une vérification « fail-closed » saute la journalisation si une source de connaissances utilise une sécurité au niveau des lignes, des étiquettes de politique de colonne ou du masquage dynamique. À l’inverse, si la journalisation échoue, la session de chat de l’utilisateur continue. Un trou dans les journaux plutôt qu’une fuite : un audit devra tenir compte de ces tours absents.

La journalisation native retire par ailleurs, volontairement, les arguments des outils et le SQL interne. Les développeurs d’agents sur mesure ADK ou LangGraph peuvent, eux, obtenir les arbres d’exécution complets avec le plugin open source BigQueryAgentAnalyticsPlugin.

## Du côté de GitHub : un notebook et un outil d’évaluation

Google veut aussi qu’on mesure la justesse des réponses avant qu’un changement de prompt ou de schéma n’atteigne les utilisateurs. Deux dépôts GitHub de GoogleCloudPlatform montrent à quoi cela ressemble.

Le manuel d’un notebook de démarrage décrit une table `agent_events` de 17 colonnes (16 colonnes requises par le SDK open source bigquery-agent-analytics, plus un identifiant d’événement) et neuf types d’événements standards. Cette journalisation des prompts et réponses y est encore présentée comme une préversion, alors que le billet de Google parle de disponibilité générale : mieux vaut vérifier l’état exact dans sa propre console. Le notebook, qui installe la version 0.5.4 du SDK, couvre huit workflows d’évaluation et de suivi des coûts, jugés par défaut par gemini-3.5-flash. Le réglage par défaut vise un jeu de données américain ; pour l’UE, le manuel indique de régler la localisation sur « EU » avec une connexion créée dans cette zone.

Le second dépôt, Prism, exécute des suites de tests sur des agents Conversational Analytics, capture la trace de chaque question et note les réponses avec des assertions. Les résultats sont versés dans des tables BigQuery partitionnées par jour. Prism n’est « pas un produit officiellement pris en charge par Google », précise le dépôt, et sa file ne traite qu’une évaluation à la fois pour toute l’application.

## Ce qu’il reste à mesurer

Le billet reconnaît que ces fonctions entraînent des coûts d’ingestion et de stockage, sans les chiffrer. À noter aussi que ces annonces concernent les agents de l’écosystème Google : SiliconANGLE rapporte que Google s’attaque par ailleurs au coût des agents inactifs sur Kubernetes, et iTWire relève des contrôles d’identité renforcés pour les agents. Autres chantiers, même tendance : l’agent en production se facture et se surveille comme un service. Reste à savoir qui, du billet ou de la documentation, dit vrai sur le statut de la journalisation des prompts.

## Sources

- [BigQuery-Agent-Analytics-SDK/docs/guides/bqca-prompt-response-logging-manual.md at main · GoogleCloudPlatform/BigQuery-Agent-Analytics-SDK](https://github.com/GoogleCloudPlatform/BigQuery-Agent-Analytics-SDK/blob/main/docs/guides/bqca-prompt-response-logging-manual.md), github.com
- [GitHub - GoogleCloudPlatform/conversational-analytics-prism](https://github.com/GoogleCloudPlatform/conversational-analytics-prism), github.com
- [New AI agent observability and governance across BigQuery and Looker](https://cloud.google.com/blog/products/data-analytics/enterprise-ai-agent-observability-with-bigquery-and-looker/), Google Cloud, 13 novembre 2026
- [Google Cloud takes aim at the cost of keeping idle AI agents running on Kubernetes](https://siliconangle.com/2026/11/13/distributed-training-inference-google-s-agent-projects-kubeconna/), SiliconANGLE, 13 novembre 2026
- [Google Cloud unveils new security capabilities to help organisations build securely and defend at machine speed](https://itwire.com/business-it-news/security/google-cloud-unveils-new-security-capabilities-to-help-organisations-build-securely-and-defend-at-machine-speed), iTWire, 9 novembre 2026
