Tu codes avec l’IA ?
Outils, agents et nouveautés dev IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Une IA locale et autonome avec Gemma 4
Google a récemment dévoilé Gemma 4, un modèle d'intelligence artificielle open-source qui fonctionne entièrement sur l'appareil. Ce modèle est capable de traiter du texte, des images et de l'audio sans nécessiter de transfert de données vers des serveurs externes. Grâce à des compétences d'agent intégrées, Gemma 4 peut utiliser des outils comme Wikipedia, des cartes interactives ou encore des générateurs de QR codes, tout en restant autonome.
Les variantes pour smartphones, E2B et E4B, sont conçues pour fonctionner sur des appareils disposant respectivement de 6 et 8 Go de RAM. Selon Google, ces modèles offrent une vitesse de traitement jusqu'à quatre fois supérieure à celle de la génération précédente. Ces innovations préfigurent le futur Gemini Nano 4 destiné aux appareils Android.
Gemma 4 est construit sur la même recherche que le modèle propriétaire de Google, Gemini 3. Depuis le lancement de la première génération, la famille Gemma a accumulé plus de 400 millions de téléchargements. Tous les modèles de cette famille gèrent du texte, des images et de l'audio dans plus de 140 langues.
Tous ces modèles sont distribués sous la licence Apache 2.0, qui est particulièrement favorable aux entreprises. Cette licence permet aux développeurs de créer et de partager des compétences personnalisées via GitHub. De plus, l'application gratuite Google AI Edge Gallery est disponible pour les utilisateurs d'Android et d'iOS.
Des modèles adaptés à tous les besoins
La dernière version de Gemma 4 se décline en quatre variantes, chacune adaptée à des besoins spécifiques. Les modèles E2B et E4B sont optimisés pour les smartphones, avec le "E" signifiant "paramètres effectifs", c'est-à-dire le nombre de paramètres réellement actifs lors de l'inférence. Le modèle E2B occupe environ 1,3 Go de mémoire sur l'appareil, tandis que le modèle E4B nécessite environ 2,5 Go.
Pour les besoins plus exigeants, les variantes 26B et 31B sont destinées aux serveurs et au matériel haute performance. Le modèle 26B utilise une architecture à mélange d'experts avec 128 experts, ce qui signifie que seulement 3,8 milliards de paramètres sont actifs à tout moment. Le modèle dense 31B offre une fenêtre de contexte impressionnante allant jusqu'à 256 000 tokens.
Google a collaboré avec Arm et Qualcomm pour optimiser ces modèles pour les puces mobiles actuelles. Selon Google, Gemma 4 sur Android fonctionne jusqu'à quatre fois plus vite que la génération précédente, tout en réduisant la consommation de batterie de 60 %. Les benchmarks d'Arm indiquent même des gains de vitesse moyens de 5,5 fois pour les appareils équipés de puces Arm récentes avec l'ensemble d'instructions SME2.
Des compétences d'agent pour une utilisation optimisée
L'application Gemma 4 nécessite Android 12 ou iOS 17 pour fonctionner. Les modèles E2B et E4B diffèrent par leurs exigences en matière de RAM : E2B utilise environ 1,3 Go et fonctionne sur des appareils avec 6 Go de RAM, tandis que E4B nécessite environ 2,5 Go de mémoire modèle et au moins 8 Go de RAM.
Les compétences d'agent peuvent être activées et gérées individuellement, permettant à Gemma 4 de générer un QR code directement sur l'appareil grâce à une compétence JavaScript. Outre les fonctions de chat de base, de reconnaissance d'images et de transcription audio, l'application propose des "compétences d'agent" telles que la recherche Wikipedia, les cartes interactives, les résumés automatiques et les flashcards.
Gemma 4 est également capable de décrire des photos, de transformer des entrées vocales en diagrammes et visualisations, et de collaborer avec d'autres modèles locaux pour des tâches comme la synthèse vocale ou la génération d'images. Google a démontré ces capacités avec une compétence de démonstration qui décrit et joue des appels d'animaux.
La reconnaissance d'images a été significativement améliorée, notamment pour les tâches d'OCR, qui extraient du texte d'images, de diagrammes ou d'écritures manuscrites. Le modèle gère également mieux les informations temporelles, ce qui est crucial pour les calendriers, les rappels et les alarmes.
Gemma 4 est capable de détecter l'intention derrière l'entrée de l'utilisateur et d'activer automatiquement la compétence appropriée, comme un suivi d'humeur avec un graphique d'historique.
Bien que ces fonctionnalités ne soient pas révolutionnaires par rapport aux services cloud existants, le fait qu'une application de démonstration puisse exécuter un modèle purement local sur un téléphone et utiliser ces outils de manière autonome est remarquable. Les développeurs peuvent créer et partager des compétences personnalisées via GitHub, et bien que les outils intégrés nécessitent une connexion Internet, le modèle lui-même fonctionne localement et les discussions ne sont jamais sauvegardées.
Vers l'avenir avec Gemini Nano
Google indique que Gemma 4 E2B et E4B servent de base pour le futur Gemini Nano 4, la prochaine génération de modèles sur appareil pour le système Android. Le code développé pour Gemma 4 aujourd'hui sera compatible avec Gemini Nano 4 dès sa sortie sur de nouveaux appareils phares plus tard cette année. Gemini Nano est déjà opérationnel sur plus de 140 millions d'appareils Android, alimentant des fonctionnalités telles que les Réponses intelligentes et les résumés audio.
En décembre, Google a présenté FunctionGemma, un petit modèle local avec seulement 270 millions de paramètres, capable de diriger des commandes vers d'autres applications du téléphone. Il traduit le langage naturel en appels de fonction structurés : activer la lampe de poche, créer des contacts, envoyer des e-mails, ajouter des entrées de calendrier, afficher des emplacements sur une carte ou ouvrir les paramètres Wi-Fi.
L'importance stratégique de l'IA sur appareil a été mise en lumière plus tôt cette année avec un accord d'un milliard de dollars entre Apple et Google. Depuis janvier, il est connu que la prochaine génération de Foundation Models d'Apple sera construite sur la technologie Gemini de Google, soutenant une mise à jour complète de Siri prévue pour 2025.
