Gemini
Pourquoi c’est important
En profondeur
Gemini est moins un modèle unique qu'une gamme de produits : une famille de modèles de fondation de Google DeepMind, publiée en générations (1.0, 1.5, 2.0, 2.5) et en niveaux de taille (Nano, Flash, Pro, Ultra) qui échangent capacité contre coût et rapidité. Chaque génération est entraînée sur le matériel TPU de Google, ce qui permet à Google de contrôler toute sa pile de calcul de bout en bout plutôt que de dépendre entièrement de fournisseurs de puces extérieurs. Les mêmes modèles se cachent derrière l'application grand public Gemini, l'API Gemini dans AI Studio et Vertex AI, et les fonctions d'IA disséminées dans Search, Android et Workspace. Google décline aussi Gemma, une famille plus petite en poids ouverts issue de la recherche Gemini, pour les développeurs qui ont besoin de poids qu'ils peuvent exécuter eux-mêmes.
De Bard à Gemini
Le chemin de Google vers Gemini passe par Bard, le chatbot lancé à la hâte en 2023 pour répondre à ChatGPT d'OpenAI, d'abord bâti sur LaMDA puis sur le modèle PaLM 2. Les débuts hésitants de Bard ont poussé Google à fusionner ses deux laboratoires de recherche rivaux — Google Brain et DeepMind — en un seul Google DeepMind en 2023, et Gemini fut le premier modèle phare de l'équipe combinée. La version 1.0 est arrivée fin 2023 en trois tailles (Ultra, Pro et Nano); Bard est discrètement passé à Gemini Pro, et en quelques mois Google a retiré le nom Bard pour de bon. La cadence depuis lors a été rapide : 1.5 a apporté une architecture de mélange d'experts et une fenêtre de contexte d'un million de tokens, 2.0 a misé sur les fonctions agentiques et l'utilisation native d'outils, et 2.5 a fait du raisonnement en plusieurs étapes un élément standard de la gamme plutôt qu'un mode séparé.
Un niveau pour chaque tâche
Les niveaux de Gemini recouvrent le triangle classique coût-latence-capacité. Nano est le petit modèle de langage de la famille : il tourne sur l'appareil dans les téléphones Pixel et dans Chrome, traitant des tâches comme les réponses suggérées et le résumé sans aller-retour réseau, ce qui garde les données en local et les réponses instantanées. Flash se situe à l'extrémité cloud du compromis — un modèle distillé, optimisé pour le débit, conçu pour les charges à fort volume où le prix par million de tokens compte plus que les derniers points de benchmark à grappiller. Pro est le cheval de bataille phare pour le raisonnement difficile, le code et l'analyse multimodale, tandis qu'Ultra, le niveau supérieur de la génération 1.0, était le pari de Google pour les tâches les plus exigeantes de son époque. Choisir un niveau est une décision d'ingénierie, pas un test de loyauté : beaucoup d'équipes prototypent sur Pro, puis routent le trafic facile vers Flash une fois qu'elles voient leur distribution réelle de requêtes.
Une multimodalité native
La plupart des systèmes multimodaux sont assemblés : prenez un modèle de texte, attachez un encodeur de vision, branchez une interface de reconnaissance vocale, et collez les morceaux ensemble à l'inférence. Gemini a été conçu à l'inverse — entraîné conjointement dès le départ sur du texte, des images, de l'audio et de la vidéo entrelacés, de sorte que ces modalités partagent un seul espace de représentation au lieu de se passer des notes à travers un pipeline. Le bénéfice pratique apparaît dans les tâches qui font échouer les systèmes en pipeline : regarder une heure de vidéo et répondre à des questions sur un moment précis, raisonner sur la photo d'un tableau blanc, ou suivre une conversation parlée sans étape de transcription séparée. Les générations récentes génèrent aussi, et pas seulement perçoivent — sortie et édition d'images natives dans le chat, et vidéo via Veo, le modèle vidéo de Google, exposé dans l'application Gemini. La multimodalité est ici une méthodologie d'entraînement plutôt qu'une liste de fonctions, et c'est la rupture architecturale la plus nette avec les anciens modèles texte-d'abord de Google comme PaLM.
La fenêtre de contexte d'un million de tokens
Gemini 1.5 Pro a fait du long contexte sa fonction vedette, en livrant une fenêtre de contexte d'un million de tokens à une époque où la plupart des modèles plafonnaient à une petite fraction de cela, et les versions ultérieures ont poussé jusqu'à deux millions. Concrètement, un million de tokens représente environ 1 500 pages de texte, une grande base de code, ou des heures d'audio et de vidéo dans un seul prompt — assez pour se passer du découpage et de la récupération pour beaucoup de charges de travail. Cela change votre façon de construire : au lieu de monter un pipeline RAG, vous pouvez parfois déposer un corpus de documents entier dans le prompt et poser vos questions directement. Les réserves comptent, cependant. La qualité de l'attention se dégrade sur les entrées très longues, donc un détail enfoui au milieu peut être manqué même s'il tient dans la fenêtre; le coût et la latence croissent avec la longueur d'entrée; et dès qu'un corpus dépasse quelques millions de tokens, la récupération revient de toute façon. Le long contexte est un vrai saut de capacité, mais il se mesure à l'ingénierie de récupération plutôt qu'il ne la remplace.
Il n'existe pas de modèle appelé Gemini
Une source de confusion fréquente : les gens disent « Gemini m'a dit… » comme si Gemini était un seul modèle. Cela n'a jamais été le cas. Le nom couvre une famille de modèles à travers générations et niveaux, une application grand public qui peut router votre prompt vers différentes tailles selon la charge et votre abonnement, un ensemble d'endpoints d'API avec des chaînes de version explicites, et des fonctions d'IA dans Workspace et Android qui font tourner encore d'autres variantes. Deux personnes qui comparent leurs notes sur « Gemini » la même semaine peuvent parler à des modèles entièrement différents, et le modèle de l'application que vous utilisez aujourd'hui n'est probablement pas celui d'il y a quelques mois. Cela compte pour la reproductibilité : les résultats de benchmarks, y compris les belles performances de la famille sur les classements publics comme Chatbot Arena, s'appliquent à une version précise comme Gemini 2.5 Pro, pas à la marque. Quand la précision compte, épinglez la version exacte du modèle via l'API — la couche de commodité de l'application est conçue pour masquer précisément cette distinction.