Gemma 3 : Google met un modèle ouvert multimodal dans les mains des développeurs

Google veut rendre ses modèles d’intelligence artificielle plus proches des usages concrets des développeurs. Avec Gemma 3, annoncé le 12 mars 2025, le groupe propose une nouvelle génération de modèles dont les poids peuvent être téléchargés et exécutés dans des environnements très différents, du poste de travail au cloud, et dans certains cas sur des appareils plus compacts. L’ambition est claire : donner accès à des capacités de compréhension du texte et de l’image sans obliger chaque projet à appeler en permanence un très grand modèle distant.

Cette annonce s’inscrit dans la stratégie des modèles « ouverts » de Google. La gamme Gemma ne remplace pas Gemini, qui reste la famille de modèles phare du groupe pour ses produits et services. Elle en reprend toutefois des avancées de recherche, ici celles associées à Gemini 2.0, dans des formats plus légers et davantage adaptés à l’expérimentation, à la personnalisation et au déploiement par des tiers.

Gemma 3, qu’est-ce que Google annonce exactement ?

Gemma 3 est une famille de grands modèles de langage, ou LLM, conçus pour générer et comprendre du langage naturel. Selon la version retenue, ces modèles savent aussi analyser des images. Une application peut ainsi leur soumettre une consigne écrite, une photographie, un document numérisé ou une combinaison de ces éléments afin d’obtenir une réponse, une extraction d’information ou un contenu structuré.

Google décline Gemma 3 en quatre tailles : 1B, 4B, 12B et 27B, où la lettre B signifie « milliards de paramètres ». Les paramètres sont les valeurs internes ajustées au cours de l’entraînement du modèle. Ce chiffre ne résume pas à lui seul la qualité d’une IA, mais il renseigne sur un compromis essentiel : un modèle plus volumineux demande généralement davantage de mémoire et de calcul, tout en pouvant offrir de meilleures capacités de raisonnement ou de génération sur des tâches complexes.

Le modèle 1B est consacré au texte. Les modèles 4B, 12B et 27B ajoutent la compréhension d’images. Cette gradation permet de choisir une taille en fonction du matériel disponible, de la rapidité attendue et de la nature du service à construire. Une petite application qui résume des notes n’a pas forcément les mêmes besoins qu’un outil qui doit lire des documents illustrés ou assister des utilisateurs dans plusieurs langues.

La fenêtre de contexte correspond à la quantité d’information qu’un modèle peut prendre en compte dans une même demande. Un jeton n’est pas exactement un mot : il peut correspondre à un mot court, à une partie de mot ou à un signe de ponctuation. Une capacité de 128 000 jetons permet néanmoins de travailler sur de longs textes, un historique de conversation étoffé ou plusieurs documents à la fois, dans les limites de la mémoire et de l’infrastructure utilisées.

Pourquoi plusieurs tailles de modèles changent la donne

L’intérêt de Gemma 3 ne réside pas uniquement dans son modèle le plus grand. La possibilité de sélectionner une version plus petite est déterminante pour les équipes qui veulent maîtriser leur coût d’exécution ou éviter d’envoyer des données à un service externe à chaque requête.

Le modèle 1B peut convenir à des fonctions textuelles ciblées : classement de messages, aide à la rédaction, reformulation ou extraction d’éléments simples. Les versions 4B, 12B et 27B ouvrent la voie à des usages multimodaux, par exemple l’analyse d’une image accompagnée d’une question. Dans tous les cas, le résultat dépendra de la tâche, de la qualité des instructions, de l’intégration logicielle et des ressources matérielles disponibles.

Google met aussi en avant des versions quantifiées. La quantification consiste à réduire la précision utilisée pour stocker les valeurs du modèle afin d’abaisser ses besoins en mémoire et en calcul. C’est une technique importante lorsqu’un modèle doit être exécuté sur une machine moins puissante. Elle peut toutefois impliquer des arbitrages sur la rapidité, la compatibilité et, selon les usages, la qualité des réponses.

Google présente son modèle Gemma 3 27B comme pouvant être exécuté sur un seul accélérateur. Cet argument répond à une préoccupation très concrète : la course aux modèles géants a considérablement accru les besoins en puces spécialisées. Un modèle performant qui n’exige pas une grappe de nombreux accélérateurs est plus simple à tester, à héberger et à intégrer dans certains produits.

Texte, images et longues consignes : les capacités proposées

Les versions multimodales de Gemma 3 sont capables de traiter ensemble du texte et des visuels. Dans une application, cette faculté peut servir à poser une question sur une image, à décrire son contenu ou à exploiter une information visuelle avec des données textuelles. Google indique également que Gemma 3 peut être utilisé pour analyser de courtes vidéos, qui sont alors abordées au travers de leur composante visuelle.

Cette capacité ne transforme pas automatiquement le modèle en système infaillible de vision par ordinateur. Comme les autres IA génératives, Gemma 3 peut mal interpréter une image, confondre des détails ou produire une réponse convaincante mais erronée. Dans un service où une erreur aurait des conséquences importantes, une vérification humaine, des règles métier et des outils spécialisés restent nécessaires.

La famille est aussi présentée comme multilingue, avec une compréhension de plus de 140 langues. Pour un développeur, cela peut permettre d’envisager une même base technique pour des interfaces destinées à des publics internationaux. Mais une couverture linguistique ne garantit pas une qualité identique dans toutes les langues, tous les registres et tous les domaines. Les tests sur les contenus réellement utilisés par le service restent indispensables, notamment pour le français et les variantes régionales.

Gemma 3 propose par ailleurs deux mécanismes devenus centraux dans la création d’agents logiciels : l’appel de fonctions et les sorties structurées. L’appel de fonctions permet au modèle de suggérer qu’une application utilise un outil précis, par exemple une recherche dans une base de données ou un calcul. Les sorties structurées aident à obtenir une réponse dans un format exploitable par un programme, plutôt qu’un paragraphe libre.

Ces fonctions ne donnent pas au modèle un accès autonome à des outils. C’est le logiciel qui l’entoure qui décide quelle fonction appeler, quelles données transmettre et quels contrôles appliquer. Cette séparation est essentielle pour limiter les actions imprévues et protéger les informations manipulées par l’application.

Comment les développeurs peuvent-ils accéder à Gemma 3 ?

Google prévoit plusieurs voies de diffusion pour Gemma 3. Les développeurs peuvent notamment l’explorer dans Google AI Studio, récupérer les modèles par l’intermédiaire de plateformes telles que Hugging Face, Kaggle ou Ollama, ou les déployer dans Vertex AI Model Garden, l’environnement de Google Cloud destiné aux entreprises et aux équipes techniques.

Cette diversité a une conséquence pratique : le même modèle peut être évalué localement lors d’un prototype, puis intégré à une infrastructure gérée si le projet prend de l’ampleur. Le choix dépendra des compétences de l’équipe, des contraintes de confidentialité, du volume de requêtes et du budget consacré à l’infrastructure.

Pour un projet local, les données peuvent rester dans l’environnement contrôlé par le développeur, à condition que l’ensemble de la chaîne soit bien configuré. Cela peut intéresser des organisations qui travaillent sur des documents internes ou sur des données ne pouvant pas être transmises librement à une API. En contrepartie, elles doivent gérer elles-mêmes le matériel, les mises à jour, la surveillance des performances et les mesures de sécurité.

Dans le cloud, l’intégration peut être plus rapide et l’infrastructure plus facile à faire évoluer. Mais il faut alors examiner les paramètres de traitement des données, les droits d’accès et les coûts liés à l’usage des ressources de calcul. Le mot « accessible » ne veut donc pas dire « gratuit » ni « sans contraintes techniques ».

Modèle ouvert ne veut pas dire logiciel libre sans condition

L’article d’annonce de Google emploie l’expression « open models », ou modèles ouverts. Cette formule désigne ici une différence importante avec les modèles accessibles uniquement via une interface en ligne : les poids de Gemma 3 peuvent être téléchargés, étudiés et exploités par des développeurs sous les conditions fixées par Google.

Il serait cependant imprécis de présenter Gemma 3 comme un logiciel open source au sens le plus strict. La distribution est soumise aux conditions d’utilisation de Gemma. Télécharger les poids d’un modèle ne revient pas nécessairement à disposer de l’intégralité du code, des données d’entraînement et d’une licence sans restriction. Avant tout déploiement commercial, une équipe doit donc lire ces conditions, vérifier leur compatibilité avec son projet et conserver une trace de la version utilisée.

Cette nuance est importante dans le débat sur l’ouverture de l’IA. Des poids accessibles facilitent la recherche, l’expérimentation et l’adaptation à des besoins spécifiques. Ils permettent aussi de réduire la dépendance à une seule interface propriétaire. Mais ils n’effacent ni les contraintes de licence, ni les coûts informatiques, ni les responsabilités de l’organisation qui déploie le modèle.

Sécurité : ShieldGemma 2 complète la famille

Google accompagne le lancement de Gemma 3 par ShieldGemma 2, un modèle de 4 milliards de paramètres consacré à la classification de sécurité des images. Son rôle est d’aider les développeurs à déterminer si une image relève de catégories de contenus problématiques, afin d’ajouter une couche de modération autour d’une application multimodale.

Un classifieur de ce type peut être utile avant d’envoyer une image à un modèle génératif, ou avant d’afficher un contenu produit ou traité par une application. Il ne constitue pas pour autant une garantie absolue. Les systèmes de modération peuvent produire des faux positifs, en signalant à tort un contenu, comme des faux négatifs, en laissant passer un contenu qui devrait être examiné.

Les développeurs doivent également anticiper les risques propres aux modèles génératifs : réponses inventées, biais, fuites de données dans les instructions, détournement de l’outil par des utilisateurs ou production de formats incorrects. La bonne pratique consiste à tester le modèle sur des cas représentatifs, à limiter les droits accordés aux fonctions externes et à prévoir un recours humain lorsque l’enjeu le justifie.

Ce qu’il faut surveiller avec Gemma 3

Gemma 3 illustre une évolution majeure du marché de l’IA : la compétition ne porte plus seulement sur la taille maximale des modèles, mais aussi sur leur capacité à être exécutés dans des environnements variés. Pour les développeurs, le critère décisif ne sera pas seulement le nombre de paramètres. Il faudra mesurer la qualité obtenue sur une tâche précise, le temps de réponse, la mémoire nécessaire, le coût total et la facilité d’intégration.

La promesse de modèles plus accessibles peut accélérer la création d’outils spécialisés, notamment lorsque la compréhension d’images, les longues consignes ou le multilinguisme sont utiles. Elle impose aussi une exigence de méthode. Évaluer Gemma 3 sur des données réelles, encadrer ses actions et clarifier son statut de modèle ouvert plutôt que de logiciel libre sans condition seront les étapes indispensables pour transformer l’annonce de Google en application fiable.