Gemma
Pourquoi c’est important
En profondeur
Gemma est arrivé en 2024 comme l'entrée de Google dans la course aux modèles en poids ouverts que Llama de Meta avait lancée un an plus tôt. Construit par Google DeepMind à partir des mêmes recherches et technologies que celles ayant servi à créer les modèles Gemini, il a traversé trois générations : le Gemma original (2 et 7 milliards de paramètres), Gemma 2 (9 et 27 milliards) et Gemma 3 (1, 4, 12 et 27 milliards), qui a ajouté la compréhension d'images, une fenêtre de contexte de 128 000 tokens et la prise en charge de plus de 140 langues. Tous les modèles Gemma sont des transformeurs à décodeur seul entraînés sur les TPU de Google, et tous sont publiés en poids téléchargeables sous une licence maison qui autorise l'usage commercial. L'argument est simple : prendre la qualité du pipeline d'entraînement d'un laboratoire de pointe et la réduire à quelque chose que vous pouvez réellement exécuter vous-même.
Choisir une taille
Le nombre dans le nom indique le compte de paramètres, et chaque palier vise une machine différente. Le modèle de 1 milliard s'exécute confortablement sur un téléphone et même dans un navigateur, celui de 4 milliards convient bien aux portables et aux petits boîtiers en périphérie, celui de 12 milliards est une base populaire pour l'ajustement fin sur un seul GPU grand public, et le porte-étendard de 27 milliards demande un GPU de station de travail ou un petit serveur, mais offre une qualité qui se rapproche de modèles propriétaires plusieurs fois plus gros. Comme toutes les tailles d'une même génération partagent l'architecture, le tokenizer et la recette d'entraînement, monter ou descendre l'échelle plus tard devient un changement de configuration, pas une reconstruction. La vraie décision, c'est la qualité par requête contre le budget matériel — et, pour l'usage sur appareil, la pile et la mémoire.
Assez petit pour s'exécuter partout
La majorité de l'usage de Gemma se passe à l'extérieur des centres de données. Quantifié sur 4 bits, le modèle de 4 milliards se réduit à quelques gigaoctets, ce qui veut dire qu'il s'exécute sur un portable moderne ou un téléphone haut de gamme à des vitesses confortables, et l'outillage communautaire fait le gros du travail : llama.cpp et Ollama distribuent des versions GGUF prêtes à l'emploi pour chaque taille de Gemma. C'est la thèse du petit modèle de langage rendue concrète — un modèle que vous contrôlez, qui fonctionne hors ligne, qui garde les données de l'utilisateur sur l'appareil et qui ne coûte rien par requête. Pour les applications sensibles à la confidentialité, les outils hors ligne et les assistants embarqués, cette combinaison compte souvent plus que les derniers points de qualité sur un banc d'essai. Google renforce le tout avec son propre soutien d'exécution mobile et navigateur, d'un raffinement inhabituel comparé aux autres familles en poids ouverts.
L'ajustement fin, c'est l'essentiel
Comme les poids sont téléchargeables, Gemma est devenue l'une des familles de modèles les plus ajustées de l'écosystème. Les méthodes économes en paramètres comme LoRA permettent d'adapter un Gemma de 4 ou 12 milliards à une tâche de niche — la voix d'un robot de soutien, un résumeur juridique, un classificateur spécialisé — sur un seul GPU en quelques heures, et Hugging Face héberge des milliers d'ajustements communautaires comme point de départ. Google publie aussi ses propres dérivés : CodeGemma pour le code, PaliGemma pour les tâches vision-langage et ShieldGemma pour la classification de sûreté. Une partie de la force des modèles de base vient aussi de la distillation, où les sorties d'un plus gros modèle enseignant aident à entraîner le plus petit — une des raisons pour lesquelles Gemma performe systématiquement au-dessus de ce que son nombre de paramètres laisserait croire.
Poids ouverts n'est pas code source ouvert
Une idée fausse répandue veut que Gemma soit à code source ouvert. C'est plutôt des poids ouverts, ce qui est autre chose : Google publie les fichiers sous les Gemma Terms of Use, une licence maison qui autorise l'usage commercial, la modification et la redistribution, mais qui y attache une politique d'usages interdits et se réserve le droit de restreindre les utilisations qui la violent. Dans la pratique quotidienne, ça bloque rarement quelqu'un — plein de jeunes pousses lancent des produits commerciaux sur Gemma sans demander la permission — mais ce n'est pas la liberté de la licence Apache 2.0, celle que Qwen utilise pour la plupart de ses modèles, et la distinction compte si votre équipe juridique tient à la pureté des licences. La même nuance s'applique à la licence Llama de Meta : « poids ouverts » décrit ce que vous pouvez télécharger, pas les conditions qui s'y rattachent. Quand quelqu'un dit « modèle ouvert », ça vaut la peine de demander lequel des deux sens il a en tête.
La place de Gemma
Gemma se bat dans une catégorie encombrée avec les plus petits Llama, Qwen et le Phi de Microsoft, et le résumé honnête, c'est que ces familles se dépassent l'une l'autre à chaque publication. Les forces distinctives de Gemma sont son pedigree d'entraînement — peu de petits modèles sortent du pipeline complet d'un laboratoire de pointe — et le soutien de première partie pour le déploiement sur appareil. Ses limites sont le revers de sa taille : rien dans la famille ne rivalise avec les modèles frontière sur les problèmes de raisonnement les plus difficiles, et comme tout petit modèle, il retient moins de connaissances du monde et hallucine plus facilement que ses plus gros parents. Les équipes se tournent typiquement vers Gemma quand elles veulent un modèle de base capable et peu coûteux à exécuter qu'elles peuvent posséder de bout en bout, et vers un modèle d'API hébergée quand la tâche exige tout ce qu'un système de pointe peut donner.