Retrouver une séquence vidéo grâce à votre voix, sans connexion, voilà la promesse d’EmbeddingGemma 2. Ses 740 millions de paramètres rapprochent textes, code, images, sons et vidéos, directement sur smartphone.
Lancé l’année dernière, son prédécesseur dépasse 20 millions de téléchargements, selon les chiffres de Google. Des développeurs l’exploitent pour retrouver des documents et alimenter leurs assistants avec des informations privées. Désormais, une requête écrite explore des heures d’enregistrements audio, sans obligatoirement expédier vos fichiers ailleurs.
Un petit modèle, beaucoup d’ambitions
Basé sur Gemma 4, sous licence Apache 2.0, il traduit les contenus en coordonnées numériques. Il partage les technologies de Gemini Embedding et conserve ses capacités multilingues, d’après son concepteur.
Sur MTEB Code, son score grimpe de 68,76 à 78,68, avec 9,92 points de progression. Google revendique « des scores de pointe » sur MAEB, sous le milliard de paramètres, côté audio. L’entreprise annonce même dépasser certains modèles spécialisés deux fois plus volumineux, selon les tâches évaluées.
La version textuelle mobilise 270 millions de paramètres, auxquels s’ajoutent 170 millions pour la vision. L’audio réclame 300 millions supplémentaires, mais chaque développeur choisit les modules adaptés à son application.
La méthode Matryoshka, appelée MRL, réduit les vecteurs de 768 dimensions vers 512, 256, 128. Ainsi, bases locales et mémoire occupent jusqu’à six fois moins d’espace, selon les réglages choisis.
Quantifiés, les poids textuels mobilisent environ 191 Mo de mémoire vive sur Pixel 11 Pro. Le modèle complet réclame environ 567 Mo pour ses poids, selon les mesures du constructeur.
La fenêtre atteint 8K tokens, quatre fois celle d’EmbeddingGemma 1, pour analyser davantage de contenus. Elle accepte 5,5 minutes d’audio, 29 images ou 58 trames vidéo, seules ou en combinaison. Les agents de programmation gagnent un outil pour indexer leurs dépôts et retrouver du code.
La recherche coupe le cordon
Google vise une recherche « entièrement hors ligne », avec extraction d’informations et orientation automatique des requêtes. Le traitement local limite les transferts sensibles et raccourcit les délais, sans imposer un serveur.
Avec Gemma 4, les applications nourrissent leurs réponses grâce aux documents retrouvés, selon l’approche RAG. Les deux modèles partagent découpage textuel et encodeur audio, ce qui réduit leur consommation mémoire.
Les poids se téléchargent sur Hugging Face et Kaggle, avec plusieurs voies d’intégration déjà annoncées. Gemini Enterprise Agent Platform Model Garden doit suivre prochainement, sans calendrier précis dans cette annonce. La communauté LiteRT sur Hugging Face propose également des variantes optimisées pour les appareils mobiles.
Google AI Edge MediaPipe gère l’intégration, la récupération et la décision, tandis que LiteRT accompagne les personnalisations. Côté navigateur, transformers.js ou WebGPU ouvrent d’autres possibilités, avec un déploiement conçu pour plusieurs plateformes.
Transformers, sentence-transformers, MLX, vLLM, llama.cpp, SGLang, Ollama et LMStudio complètent la boîte à outils compatible. Par ailleurs, Qdrant stocke les vecteurs, tandis qu’Unsloth guide l’ajustement du modèle aux besoins particuliers.
La documentation, les guides d’inférence et d’adaptation, la fiche technique, le blog Google AI Edge détaillent enfin les procédures. Reste à tester ces promesses, car les classements ne retrouvent jamais seuls vos fichiers égarés.
- Partager l'article :
