Gemma 3 : Google promet un modèle multimodal puissant sur un seul GPU

Le 12 mars 2025, Google élargit sa stratégie de modèles accessibles avec Gemma 3, une nouvelle génération conçue par Google DeepMind. Sa promesse est forte : proposer des capacités avancées de compréhension du texte et de l’image sans imposer l’infrastructure habituellement associée aux très grands modèles de langage. Le message le plus visible, « fonctionner sur un seul GPU », mérite toutefois d’être expliqué. Il ne veut pas dire qu’un ordinateur ordinaire pourra entraîner une IA de pointe, ni que tous les usages auront le même coût.

Gemma 3 s’adresse d’abord aux développeurs, aux chercheurs et aux entreprises qui souhaitent intégrer un modèle dans leurs propres outils. Génération de texte, synthèse de documents, recherche dans une base de connaissances, assistant interne ou analyse d’images : l’intérêt est de pouvoir choisir une taille de modèle adaptée aux ressources disponibles, y compris hors des grands services d’IA généralistes.

Gemma 3 n’est pas un seul modèle de 7 milliards de paramètres

La présentation de Gemma 3 ne concerne pas un modèle unique. Google publie une famille de quatre modèles, allant de 1 milliard à 27 milliards de paramètres. Les paramètres sont les valeurs numériques apprises pendant l’entraînement d’un réseau de neurones. Ils donnent une idée de sa taille, mais ne suffisent pas, à eux seuls, à mesurer sa qualité : les données d’entraînement, l’architecture, les méthodes d’optimisation et le réglage final comptent aussi.

Cette gamme répond à des besoins distincts. Un modèle de petite taille est plus facile à exécuter localement et répond généralement plus vite. Un modèle plus grand mobilise davantage de mémoire et de calcul, mais peut se montrer plus solide pour raisonner sur des consignes complexes, suivre un long document ou interpréter une image.

Un jeton correspond à une unité de texte manipulée par le modèle, parfois un mot entier, parfois une portion de mot ou un signe de ponctuation. Un contexte de 128 000 jetons permet en théorie de fournir des documents très longs dans une même requête. Cela peut être utile pour interroger un rapport, comparer plusieurs contrats ou demander une synthèse de nombreux échanges. Cette capacité ne garantit cependant pas une compréhension parfaite de chaque détail : un modèle peut toujours omettre une information, mal interpréter une nuance ou produire une réponse erronée avec assurance.

Gemma est distinct de Gemini, l’assistant et la famille de modèles phares de Google. La gamme Gemma repose sur des travaux et technologies issus de Gemini, mais elle est proposée dans une logique différente : permettre à des tiers de récupérer les poids du modèle, de l’exécuter et de l’adapter à leurs projets. Après les premières versions de Gemma en 2024 puis Gemma 2, cette troisième génération vise à augmenter nettement les capacités tout en conservant un format plus accessible que les modèles géants du marché.

Que signifie réellement « fonctionner sur un seul GPU » ?

Un GPU est un processeur spécialisé dans les calculs massivement parallèles. Il est devenu central pour l’intelligence artificielle, car il peut effectuer très vite les nombreuses opérations mathématiques nécessaires aux réseaux de neurones. Les grands modèles sont fréquemment répartis sur plusieurs GPU, voire sur de vastes grappes de serveurs, afin de disposer de suffisamment de mémoire et de puissance de calcul.

Google affirme que Gemma 3 27B peut être exécuté sur un seul GPU. Dans ce contexte, il s’agit de l’inférence, c’est-à-dire le moment où le modèle répond à une demande. Il ne s’agit pas de l’entraînement initial, une opération autrement plus coûteuse qui a nécessité une infrastructure considérable.

Cette promesse repose notamment sur le choix de tailles de modèles contenues et sur la quantification. La quantification consiste à représenter certains calculs et paramètres avec moins de précision numérique afin de réduire la mémoire requise. Cela peut rendre un modèle plus simple à déployer sur une machine unique, avec un compromis possible sur la qualité ou la rapidité selon la configuration retenue.

Dans la pratique, l’expression « un seul GPU » ne décrit pas une expérience identique pour tous les utilisateurs. La mémoire vidéo disponible, le type de GPU, la version du modèle, la longueur des documents transmis et le nombre de demandes simultanées changent fortement le résultat. Exécuter ponctuellement un assistant pour une personne n’a rien à voir avec le déploiement d’un service destiné à des centaines de salariés ou de clients.

Vision, langues et contexte long : les capacités mises en avant

Les modèles Gemma 3 4B, 12B et 27B sont multimodaux : ils peuvent recevoir du texte et des images en entrée, puis générer du texte. Un utilisateur peut, par exemple, demander ce que montre une photographie, extraire des éléments visibles dans un document numérisé ou poser des questions à partir d’un graphique. Le modèle 1B, lui, reste limité au texte.

Cette multimodalité ne transforme pas automatiquement Gemma 3 en outil de reconnaissance infaillible. L’analyse d’une image dépend de sa qualité, de la netteté des caractères, de l’angle de prise de vue et du contexte. Dans des domaines où l’erreur a des conséquences importantes, comme la santé, la banque, le droit ou la sécurité, une vérification humaine demeure nécessaire.

Google indique que Gemma 3 a été pré-entraîné sur plus de 140 langues. La disponibilité de nombreuses langues est un progrès utile pour les équipes internationales et les applications destinées à des publics variés. Mais prendre en charge une langue ne signifie pas nécessairement afficher le même niveau de précision dans chaque situation. Les langues les plus représentées dans les données d’entraînement et les tâches les plus fréquentes bénéficient souvent d’une qualité supérieure.

La famille introduit aussi des fonctions attendues dans les applications professionnelles : la capacité à produire des sorties structurées, par exemple un format lisible directement par un programme, et la possibilité d’effectuer des appels de fonctions. Cette dernière aptitude permet à une application de relier le modèle à des outils externes, comme un moteur de recherche interne, une base de données ou un logiciel de gestion. Le modèle ne remplace pas ces systèmes : il peut aider à interpréter la demande d’un utilisateur et à formuler une réponse à partir des informations récupérées.

Cette distinction est importante. Un assistant peut donner l’impression de « savoir » une information, alors qu’un usage fiable en entreprise nécessite le plus souvent de l’ancrer dans des données contrôlées, de tracer les opérations effectuées et de limiter les actions qu’il est autorisé à déclencher.

Des poids accessibles, mais pas un modèle open source au sens strict

Gemma 3 est présenté comme un modèle à poids ouverts. Concrètement, Google rend accessibles les paramètres entraînés, afin que les développeurs puissent les télécharger, les exécuter et les ajuster dans le cadre de la licence Gemma. C’est un changement significatif par rapport aux modèles uniquement accessibles via une interface en ligne ou une API facturée à l’usage.

Il faut néanmoins employer les mots avec précision. Le terme « open source » désigne historiquement des logiciels dont le code source est diffusé sous une licence répondant à des critères précis. Un modèle à poids ouverts met à disposition les paramètres du réseau, mais ne donne pas nécessairement accès à l’ensemble des données d’entraînement, aux recettes de fabrication ni à une licence sans conditions. Gemma 3 est donc plus justement décrit comme une famille de modèles à poids ouverts sous licence Google.

Pour les équipes techniques, l’avantage est de conserver une marge de contrôle. Elles peuvent faire tourner le modèle dans leur propre environnement, choisir les données qu’elles lui transmettent et procéder à un ajustement pour un vocabulaire métier particulier. Cela peut réduire la dépendance à un seul fournisseur de service et faciliter certains projets où les données ne doivent pas quitter une infrastructure déterminée.

Google prévoit une compatibilité avec les écosystèmes couramment utilisés pour le machine learning, notamment Keras, JAX, PyTorch et Hugging Face. Les modèles peuvent aussi être utilisés dans les services cloud de Google, dont Vertex AI et Google Kubernetes Engine. Cette double approche, exécution dans son environnement ou déploiement dans le cloud, laisse aux organisations le choix entre simplicité opérationnelle et maîtrise renforcée de l’infrastructure.

Des performances à lire avec méthode

Google avance que Gemma 3 27B dépasse, dans des évaluations préliminaires de préférences humaines, des modèles beaucoup plus grands cités dans sa présentation, dont Llama 405B et DeepSeek-V3. C’est l’argument central de son positionnement : obtenir une qualité compétitive avec bien moins de paramètres et donc une infrastructure de déploiement plus légère.

Ces résultats doivent être interprétés avec prudence. Les comparaisons de modèles reposent sur des tests donnés, des jeux de requêtes, des conditions de génération et parfois sur des préférences humaines. Elles sont très utiles pour suivre les progrès, mais elles ne résument pas toutes les situations réelles. Un modèle peut exceller dans un échange conversationnel et être moins fiable sur une langue précise, un document métier, du code informatique ou une tâche de raisonnement très encadrée.

Le choix d’un modèle ne devrait donc pas se limiter à un classement. Une entreprise qui envisage Gemma 3 gagnera à le tester sur ses propres documents, dans les langues utilisées par ses équipes et avec les règles de sécurité prévues. Elle devra aussi mesurer la latence, le coût matériel, la qualité des réponses, le taux d’erreurs et la résistance aux consignes malveillantes ou ambiguës.

Google accompagne cette sortie de ShieldGemma 2, un classifieur de sécurité d’images fondé sur Gemma 3 4B. Son rôle est d’aider à détecter certains contenus problématiques. L’existence de cet outil illustre un point essentiel : les modèles multimodaux élargissent les usages possibles, mais aussi les risques liés aux contenus analysés ou générés. Un filtre automatisé peut contribuer à la modération, sans se substituer à une politique claire ni à une supervision adaptée au contexte.

Ce qu’il faut surveiller après le lancement

Avec Gemma 3, Google cherche à rapprocher des capacités multimodales avancées des développeurs qui ne disposent pas d’un centre de données. La possibilité d’exécuter un modèle sur une seule carte graphique peut favoriser des assistants plus locaux, des prototypes plus rapides et des applications spécialisées, notamment lorsque le transfert de données vers un service externe pose question.

Le véritable test se jouera toutefois au moment du déploiement. Les organisations devront arbitrer entre la taille du modèle et la qualité attendue, vérifier la compatibilité de leur matériel, définir les données accessibles au système et mettre en place des contrôles. Une fenêtre de contexte de 128 000 jetons et l’analyse d’images sont des possibilités techniques, non des garanties de fiabilité.

Enfin, Gemma 3 confirme une évolution plus large du marché : la compétition ne porte plus seulement sur la course au modèle le plus grand. Elle concerne aussi l’efficacité, la faculté d’exécuter l’IA dans des environnements maîtrisés, la prise en charge de plusieurs langues et la capacité à transformer un modèle généraliste en outil utile pour un métier précis. C’est sur ces critères concrets que la promesse de Google devra être jugée.