Google a dévoilé le 3 avril Gemma 4, une famille de modèles open source présentée comme la plus intelligente du catalogue maison à ce jour. Quatre variantes sont proposées : deux modèles « Efficient » 2B (E2B) et 4B (E4B), un 26B en Mixture of Experts (MoE) et un dense 31B. Le positionnement est clair : aller au-delà du simple dialogue pour couvrir le raisonnement avancé et des workflows d’agents outillés, avec un accent marqué sur l’empreinte matérielle par point de performance.
Performances et positionnement
Le 31B s’affiche dans le top des benchmarks publics côté open source : troisième sur le leaderboard texte d’Arena AI, tandis que le 26B occupe la sixième place. Google insiste sur un « niveau d’intelligence par paramètre » élevé, avec des résultats qui dépasseraient des modèles jusqu’à vingt fois plus gros selon les scores agrégés cités. Le 31B vise la performance brute et un socle solide pour le fine-tuning, quand le 26B MoE privilégie la latence en n’activant qu’environ 3,8B de paramètres à l’inférence.
Les capacités annoncées couvrent le raisonnement multi-étapes (maths, exécution d’instructions), des agents avec fonctions natives (function calling, JSON structuré, system prompts), la génération de code en local, et une pile multimodale. Tous les modèles gèrent image et vidéo avec OCR et lecture de graphiques, E2B/E4B ajoutant l’audio en entrée pour la reconnaissance et la compréhension. Les fenêtres de contexte grimpent à 128K côté edge et jusqu’à 256K sur les grands modèles.
Contraintes matérielles et déploiement
Les poids bfloat16 non quantifiés sont annoncés optimisés pour une seule carte 80 Go sur NVIDIA H100, tandis que les versions quantifiées se destinent aux cartes graphiques grand public pour un usage local (IDE, assistants de codage, agents). L’implémentation MoE 26B cible un débit de génération élevé grâce à l’activation partielle des experts, quand les Efficient 2B/4B limitent la charge mémoire et énergétique avec un design pensé pour l’embarqué.
Google cite des coopérations avec les équipes Pixel, Qualcomm et MediaTek pour faire tourner ces modèles en mode totalement hors ligne sur smartphone, Raspberry Pi et NVIDIA Jetson Orin Nano, avec une intégration Android via AICore en préversion et une compatibilité amont avec Gemini Nano 4. L’objectif est une exécution locale à faible latence, sans dépendance réseau, en misant sur une intégration logicielle et matérielle soignée.
Couverture linguistique et cas d’usage
Gemma 4 a été entraîné nativement sur plus de 140 langues, avec une ambition d’applications globales sans dégrader la latence ni l’empreinte. Les usages visés incluent la génération de code hors ligne, l’assistance à la décision avec planification multi-étapes, l’orchestration d’API par agents autonomes et la vision documentaire lourde (OCR, tableaux, graphiques) à résolution variable. Les E2B/E4B ajoutent des scénarios audio orientés dictée et compréhension vocale.
L’approche mêle consolidation du haut de gamme open source (31B dense et 26B MoE bien placés en benchmarks) et verrouillage de l’edge via des modèles réellement exploitables sur matériel grand public. Si les promesses de latence et de perf/W se confirment en production, Gemma 4 peut bousculer les plans des intégrateurs qui cherchent des agents outillés robustes sans explosion des coûts GPU, tout en accélérant le basculement des applications sensibles vers l’exécution locale.
Source : ITHome
