Gemma 4 de Google : un défi américain face à la Chine

Cette semaine, Google DeepMind a introduit Gemma 4, un modèle de poids ouvert qui représente une avancée significative pour les États-Unis dans le domaine des intelligences artificielles, un secteur récemment dominé par la Chine. Depuis plusieurs mois, les modèles chinois, notamment ceux basés sur des architectures Mixture-of-Experts, ont capté l'attention grâce à leur taille et leur complexité croissantes. Gemma 4, bien qu'elle ne renverse pas cette domination, ramène sur le marché une famille robuste de modèles sous licence Apache 2.0, permettant une exécution sur du matériel local ou dans des environnements d'entreprise plus stricts.

Cependant, la part du marché qui insiste sur l'auto-hébergement est en déclin. Anthropic a récemment annoncé que son chiffre d'affaires annuel a atteint 30 milliards de dollars, contre environ 9 milliards de dollars à la fin de 2025 et environ 1 milliard de dollars en décembre 2024. Cela représente une multiplication par 30 en seulement 16 mois. De plus en plus de clients se montrent à l'aise avec l'utilisation des API LLM ou des agents et chatbots de niveau entreprise, comparé à il y a six mois. Les politiques de sécurité et de confidentialité des principaux laboratoires d'IA sont devenues plus claires, ce qui a contribué à abaisser la barrière pour les organisations averses au risque.

Google a lancé quatre variantes de Gemma 4 : les modèles E2B et E4B pour les applications légères, le modèle phare dense de 31B, et un MoE A4B de 26B destiné à un raisonnement à haut débit. Gemma a désormais dépassé 400 millions de téléchargements et plus de 100 000 variantes communautaires. Cette génération est construite sur la recherche de Gemini 3 et, pour la première fois, est proposée sous la licence Apache 2.0.

Sur les benchmarks de Google, les deux modèles plus grands affichent des performances sérieuses. Le modèle de 31B obtient un score de 1 452 sur Arena AI text, 84,3 % sur GPQA Diamond, 89,2 % sur AIME 2026, 80,0 % sur LiveCodeBench v6, 76,9 % sur MMMU Pro, et 86,4 % sur Tau2-bench retail, contre seulement 6,6 % pour Gemma 3 27B sur le même test. Le modèle A4B de 26B suit de près avec un score de 1 441 sur Arena AI text, 82,3 % sur GPQA Diamond, 88,3 % sur AIME 2026, et 77,1 % sur LiveCodeBench. Google rapporte également des scores de 19,5 % et 8,7 % sur Humanity’s Last Exam sans outils pour les modèles de 31B et 26B, respectivement, montant à 26,5 % et 17,2 % avec recherche. Ces résultats positionnent ces modèles ouverts comme véritablement compétitifs.

L'architecture de Gemma 4 est conservatrice, ce qui contribue à son attrait. Elle utilise une fenêtre glissante hybride combinée à une attention globale, ainsi que Proportional RoPE pour un long contexte, avec une fenêtre locale de 512 tokens sur les modèles légers et de 1 024 tokens sur les modèles plus grands. Le modèle de 31B possède 30,7 milliards de paramètres effectifs, tandis que le A4B de 26B en a 25,2 milliards au total, mais seulement 3,8 milliards actifs par token (8 sur 128 experts plus un partagé). L'amélioration des capacités semble être davantage due à l'apprentissage par renforcement, aux recettes d'entraînement et aux données qu'à une réinvention architecturale.

Du côté de l'ingénierie, Gemma 4 prend en charge le mode de pensée configurable, le prompting de rôle système natif, l'appel de fonction natif avec des tokens dédiés, et l'entrée texte-image à travers la famille, ainsi que la vidéo et l'audio sur les modèles plus petits. La documentation de prompting est exceptionnellement concrète, avec un cycle de vie des outils clairement défini, des conseils directs sur la suppression des traces de pensée de l'historique multi-tours, et une recommandation de résumer le raisonnement dans le contexte pour les agents à long terme plutôt que de rejouer des tokens bruts. Google avertit également explicitement les développeurs de valider les noms et arguments des fonctions avant l'exécution.

Les petits modèles ciblent les téléphones, Raspberry Pi, et Jetson Nano, tandis que les modèles de 26B et 31B s'adaptent aux GPU et stations de travail grand public. Les deux modèles plus grands peuvent fonctionner sur un seul H100. Un avertissement important : malgré seulement 3,8 milliards de paramètres actifs, le MoE de 26B nécessite toujours de charger le modèle complet en mémoire. Le MoE ne vous offre toujours pas un déploiement gratuit. Le support de l'écosystème est complet : disponibilité dès le premier jour sur Hugging Face, Ollama, Kaggle, LM Studio, vLLM, llama.cpp, MLX, NVIDIA NIM, Vertex AI, et Google AI Edge. Sur Android, Gemma 4 sert de base pour Gemini Nano 4, offrant jusqu'à 4 fois plus de performances et 60 % de consommation de batterie en moins.

L'analyse indépendante d'Artificial Analysis est nuancée. Sur son Intelligence Index, le modèle de 31B obtient un score de 39, à la traîne derrière Qwen 3.5 27B à 42 de seulement 3 points tout en utilisant environ 2,5 fois moins de tokens de sortie pour compléter la suite de benchmarks (39M contre 98M). La principale faiblesse du 31B par rapport à Qwen est la performance agentique, pas le raisonnement général. Sur les évaluations non agentiques, il est au même niveau : SciCode 43 contre 40, TerminalBench Hard 36 contre 33, GPQA Diamond 86 contre 86, IFBench 76 contre 76, Humanity’s Last Exam 23 contre 22. Le A4B de 26B présente une histoire moins flatteuse, à la traîne derrière Qwen 3.5 35B A3B de manière plus claire sur le travail agentique (Agentic Index 32 contre 44). En résumé : le 31B est l'étoile, le A4B de 26B est utile mais pas magique, et les petits modèles sont plus performants que leur poids.

Gemma 4 est important car elle change la dynamique du marché des poids ouverts, non pas parce qu'elle prend la couronne. L'année dernière de domination des laboratoires chinois a produit des modèles brillants, mais beaucoup sont des systèmes MoE à un trillion de paramètres qui sont difficiles à auto-héberger, coûteux à exécuter proprement, et, pour certaines entreprises occidentales, inconfortables d'un point de vue conformité. Gemma 4 offre à ces organisations une alternative crédible : d'origine américaine, sous Apache 2.0, pratique à déployer sur un seul GPU. Pour les secteurs réglementés, les environnements isolés, les dispositifs en périphérie, et les équipes qui ont besoin de contrôle sur la conservation des données et la personnalisation, c'est une option réelle, pas un jouet.

En même temps, le chiffre d'affaires annuel de 30 milliards de dollars d'Anthropic est une preuve solide que le marché plus large se dirige vers des API hébergées et des produits de niveau entreprise plutôt que vers l'auto-hébergement. Je pense que cela réduit le rôle des poids ouverts, mais cela le précise également. Les modèles ouverts n'ont plus besoin de servir tout le monde. Ils doivent posséder les cas d'utilisation où la localité, l'inspectabilité, et la flexibilité de réglage importent plus que la frontière des capacités.

Il convient également de noter que l'espace de l'ingénierie IA a continué à s'éloigner du fine-tuning. La plupart des équipes de production s'appuient entièrement sur le prompting, la récupération, et l'ingénierie de contexte, et les modèles fermés de pointe ne sont généralement pas disponibles pour le fine-tuning au niveau du poids de toute façon. La barre pour le fine-tuning d'un petit modèle ouvert afin de surpasser les capacités prêtes à l'emploi d'un modèle de pointe avec de bons outils et un bon contexte est extrêmement élevée. Mais Gemma 4 est importante ici précisément parce qu'elle maintient un chemin de personnalisation crédible pour les équipes qui en ont réellement besoin, à un niveau de capacité beaucoup plus élevé que les précédentes options de poids ouverts américaines.

Mon avis plus large : l'avenir probable n'est pas ouvert contre fermé. C'est hybride. APIs ou agents de pointe là où ils sont clairement les meilleurs, poids ouverts là où la localité, la confidentialité, le coût prévisible, ou la personnalisation l'emportent. Les équipes qui construisent pour les deux côtés de ce compromis vont bien s'en sortir.