Dans le monde en pleine effervescence de l’intelligence artificielle, une révolution discrète mais cruciale est en cours : celle des agents autonomes. Ces entités numériques capables de raisonner, décider et agir seules gagnent en importance dans les entreprises modernes. Mais jusqu’à présent, un défi majeur restait à résoudre : comment faire communiquer efficacement ces agents entre eux, surtout quand ils sont conçus par des fournisseurs différents ? C’est ici qu’intervient le protocole A2A (Agent-to-Agent), récemment dévoilé par Google et déjà soutenu par une cinquantaine d’acteurs majeurs de la tech.
Du MCP au A2A : une évolution naturelle
Dans un précédent article, nous avons abordé le protocole MCP (Model Context Protocol), conçu pour permettre à une intelligence artificielle d’utiliser des outils externes comme un bras qui vient compléter la « tête » que représente le LLM (Large Language Model). MCP permet donc à une IA de prendre des actions dans le monde numérique – ouvrir un fichier, envoyer un message Slack, interroger une base Notion, etc.
Mais il manquait un ingrédient essentiel : la communication directe entre agents. Car dans un écosystème riche, où l’on imagine une multitude d’agents spécialisés – en data, marketing, logistique, juridique… – il devient indispensable de les faire collaborer pour accomplir des tâches complexes.
C’est pour cela que Google, avec le soutien de nombreux partenaires, propose maintenant le protocole A2A.
Qu’est-ce que A2A ?
Le protocole Agent-to-Agent (A2A) est une norme ouverte qui vise à permettre aux agents d’IA de communiquer entre eux de manière fluide et sécurisée, peu importe leur technologie sous-jacente ou le fournisseur qui les a créés. Il s’agit d’un langage commun pour agents, conçu pour favoriser l’interopérabilité, la coopération, et la coordination dans des environnements complexes.
Ce protocole répond à une nécessité stratégique : les entreprises ne veulent pas d’un système fermé où chaque agent ne fonctionne qu’avec des outils d’un même fournisseur. Elles veulent pouvoir assembler des agents modulaires et interopérables, chacun étant le meilleur dans son domaine, mais capables de travailler ensemble.
Un protocole, plusieurs partenaires
Google ne s’est pas lancé seul dans cette aventure. Des entreprises comme Salesforce, Atlassian, Cohere, Langchain, MongoDB, SAP, ServiceNow, ainsi que de grands cabinets de conseil comme Accenture, BCG, Deloitte, KPMG, PwC, ont tous mis la main à la pâte pour concevoir un standard capable de répondre aux besoins du terrain.
Les grands principes du protocole A2A
Le design du protocole A2A repose sur cinq principes fondamentaux :
1. Favoriser les capacités agentiques
L’objectif est de permettre aux agents de collaborer sans forcément partager mémoire, contexte ou outils. Un agent peut ainsi déléguer une tâche à un autre, même s’ils ne fonctionnent pas sur le même framework.
2. S’appuyer sur des standards existants
A2A utilise des technologies éprouvées et largement adoptées : HTTP, JSON-RPC, SSE (Server-Sent Events)… Cela facilite son adoption dans les systèmes informatiques actuels.
3. Sécurité dès la conception
Comme pour les API modernes, la sécurité est intégrée au cœur du protocole. A2A supporte l’authentification et l’autorisation robustes, avec des schémas proches de ceux définis dans OpenAPI.
4. Support des tâches longues
A2A n’est pas conçu uniquement pour des tâches instantanées. Il gère aussi des processus de longue durée, avec des mises à jour d’état en temps réel, des notifications, et un suivi continu de la progression.
5. Agnostique en termes de modalité
Le protocole n’est pas limité au texte. Il prend en charge des contenus multimédias comme l’audio ou la vidéo, ce qui ouvre la porte à des interactions riches entre agents.
Comment fonctionne A2A concrètement ?
Le protocole définit une interaction typique entre deux types d’agents :
- Agent client : Celui qui formule une tâche et cherche un autre agent pour la réaliser.
- Agent distant (remote) : Celui qui reçoit la tâche, l’exécute, et renvoie un résultat.
Ce fonctionnement repose sur plusieurs concepts clés :
✅ Découverte de capacités
Chaque agent peut publier un Agent Card (carte d’agent) en format JSON, qui décrit ce qu’il sait faire. Cela permet à un agent client d’identifier rapidement quel autre agent est le mieux placé pour une tâche donnée.
🛠️ Gestion de tâches
Les échanges entre agents s’articulent autour d’un objet central : la tâche. Celle-ci peut être simple ou complexe, instantanée ou longue. Une fois la tâche terminée, le résultat est encapsulé dans ce qu’on appelle un artifact.
🤝 Collaboration
Les agents peuvent s’envoyer des messages, des instructions, des artefacts ou du contexte à tout moment. Cette communication est asynchrone et peut inclure des mises à jour d’état régulières.
🧩 Négociation de l’expérience utilisateur
Chaque message contient des parties de contenu avec un type explicite (texte, image, iframe…). Cela permet aux agents de s’accorder sur la meilleure manière de présenter les résultats, en fonction des capacités d’affichage disponibles.
Un Exemple concret : Lancement d’une campagne multicanal
Une entreprise tech souhaite lancer une nouvelle campagne de communication pour promouvoir son dernier produit. Elle dispose d’un écosystème d’agents IA spécialisés : certains sont experts en analyse de données, d’autres en rédaction, en design, en achat média, et en gestion de campagnes.
Grâce au protocole A2A, ces agents peuvent coopérer de manière autonome et sécurisée pour mettre en place une campagne performante, sans qu’un humain ait à coordonner chaque étape.
Étapes de la collaboration entre agents
1. Définition des objectifs
- Agent marketing stratégique : reçoit la consigne « Lancer une campagne pour le nouveau produit X auprès des PME en France. »
- Il formule une tâche A2A et consulte les autres agents disponibles via leurs Agent Cards (fiches de compétences).
2. Analyse de données
- Il délègue à un agent data la mission d’identifier les segments les plus réceptifs, en croisant :
- les données clients existants,
- les tendances de recherche,
- les performances de campagnes passées.
→ L’agent data lui renvoie un artifact : un rapport JSON détaillant les personas cibles et les canaux les plus efficaces.
3. Création des contenus
- L’agent marketing envoie une tâche à un agent rédacteur IA, avec le brief et les personas cibles.
- L’agent génère plusieurs textes adaptés pour LinkedIn, email et Google Ads.
- Simultanément, un agent designer IA crée des visuels adaptés aux différents formats (bannières, carrousels, images pour newsletters).
→ Ces contenus sont renvoyés comme artifacts multimodaux (texte + images), avec métadonnées sur les formats.
4. Déploiement de la campagne
- Un agent média planner sélectionne les canaux optimaux : Google Ads, emailing, LinkedIn, et envoie des sous-tâches aux agents chargés de chaque canal.
- Les agents de diffusion se connectent aux outils via API (Meta Ads, Mailchimp, etc.) et lancent la campagne.
→ Chaque sous-agent envoie des mises à jour de statut et des KPIs via A2A pour assurer la traçabilité en temps réel.
5. Suivi et optimisation
- L’agent marketing surveille les résultats via un dashboard interactif alimenté en direct.
- Il peut redemander au rédacteur de tester une nouvelle accroche ou au designer de changer un visuel selon les performances (A/B testing automatisé).
Résultat :
- La campagne est lancée en quelques heures seulement.
- Les agents ont pu :
- partager des données,
- créer des assets,
- coordonner des actions,
- tout cela sans intervention manuelle entre chaque étape.
La même campagne pourrait être répliquée automatiquement dans d’autres pays :
- L’agent marketing envoie une tâche de « localisation » à un agent linguistique.
- Celui-ci interagit avec les autres agents pour adapter les messages, formats et canaux au marché local.
Pourquoi c’est important ?
Le lancement du protocole A2A marque une étape clé dans l’évolution des agents d’IA. Il ne s’agit pas juste d’un nouveau standard technique, mais d’un moteur pour les futurs systèmes intelligents distribués.
Pour les entreprises :
- Gain de temps : Les workflows deviennent plus fluides et rapides.
- Interopérabilité : Fini les silos, les agents peuvent coopérer entre départements et outils.
- Coûts réduits : Moins de développements spécifiques pour chaque intégration.
Pour les développeurs :
- Standardisation : Une seule manière de faire communiquer les agents, quel que soit le framework.
- Écosystème ouvert : Possibilité de combiner des agents de différents fournisseurs.
Quelle suite pour A2A ?
Google et ses partenaires envisagent une version stable du protocole pour une adoption en production dès la fin de l’année. Le tout est open source, avec des spécifications déjà publiées, des exemples de code, et un site dédié pour suivre l’évolution du projet et y contribuer.
Cela laisse entrevoir un futur où les entreprises pourront composer des écosystèmes d’agents aussi facilement qu’on assemble des briques Lego, chacun apportant sa spécialité, tous capables de se comprendre.
Conclusion
Le protocole A2A vient combler un vide essentiel dans l’architecture des systèmes agentiques. Il ne s’agit pas seulement de faire « discuter » des intelligences artificielles, mais de leur permettre de collaborer réellement pour automatiser, optimiser, et transformer les usages dans les entreprises.
Alors que le protocole MCP donnait un bras à l’IA, A2A lui donne désormais une voix, une oreille, et un réseau. Ensemble, ils forment le socle d’une nouvelle génération d’IA distribuées, collaboratives et interopérables.
Nous sommes peut-être à l’aube d’une ère où les agents intelligents ne seront plus de simples assistants, mais de véritables coéquipiers numériques, capables d’agir en réseau pour transformer notre quotidien.
