Les ambitions de Google en matière d'IA ouverte sont devenues beaucoup plus sérieuses aujourd'hui. L'entreprise a lancé Gemma 4, une famille de quatre modèles à poids ouverts, basés sur la même recherche que Gemini 3 et sous licence Apache 2.0 – un changement significatif par rapport aux conditions plus restrictives des versions précédentes de Gemma.

Les développeurs ont téléchargé les générations précédentes de Gemma plus de 400 millions de fois, donnant naissance à plus de 100 000 variantes communautaires. Cette version est la plus ambitieuse à ce jour.

Au cours de l'année écoulée, le classement de l'IA open-source a été en grande partie une affaire chinoise. DeepSeek, Minimax, GLM et Qwen ont dominé les premières places, laissant les alternatives américaines se battre pour leur pertinence. Comme Decrypt l'a rapporté l'année dernière, les modèles ouverts chinois sont passés d'à peine 1,2 % de l'utilisation mondiale des modèles ouverts fin 2024 à environ 30 % fin 2025, le Qwen d'Alibaba dépassant même le Llama de Meta comme modèle auto-hébergé le plus utilisé dans le monde.

Le Llama de Meta était autrefois le choix par défaut pour les développeurs souhaitant un modèle capable et exécutable localement. Cette réputation s'est érodée – la licence contrôlée par Meta pour Llama a soulevé des questions sur son véritable statut open-source, et ses performances ont diminué face à la concurrence chinoise. La famille OLMo de l'Allen Institute a tenté de combler le vide mais n'a pas réussi à gagner une traction significative. OpenAI a lancé ses modèles gpt-oss en août 2025, ce qui a donné un souffle nouveau à l'écosystème, mais ils n'ont jamais été conçus pour être des concurrents de pointe.

Et hier, une startup américaine de 30 personnes nommée Arcee AI a lancé Trinity, un modèle ouvert de 400 milliards de paramètres qui a démontré de manière convaincante que la scène américaine n'était pas complètement morte. Gemma 4 suit cette dynamique, cette fois avec tout le poids de Google DeepMind derrière lui, le transformant sans doute en le meilleur modèle américain de la scène de l'IA open-source.

Le modèle est « construit à partir de la même recherche et technologie de pointe que Gemini 3 », a déclaré Google dans son annonce. Gemma 4 est disponible en quatre tailles : les modèles Efficace 2B et 4B pour les téléphones et les appareils de périphérie, un modèle 26B Mixture of Experts axé sur la vitesse, et un modèle 31B Dense optimisé pour la qualité brute.

Le modèle 31B Dense se classe actuellement troisième parmi tous les modèles ouverts du classement textuel d'Arena AI. Le 26B MoE occupe la sixième place. Google affirme que les deux surpassent des modèles 20 fois plus grands – une affirmation qui se vérifie, du moins par rapport aux chiffres d'Arena AI, où les modèles chinois occupent toujours les deux premières places.

Nous avons testé Gemma 4. Il est performant, avec quelques réserves. Le modèle applique un raisonnement même à des tâches qui ne le nécessitent pas, ce qui peut rendre les réponses trop complexes pour des invites simples. L'écriture créative est correcte – fonctionnelle, mais pas inspirée – et s'améliore probablement avec des directives plus spécifiques et de l'ingénierie d'invite.

Là où il a le mieux performé, c'est le code. Invité à générer un jeu, le résultat n'était ni particulièrement flashy ni élaboré, mais il a fonctionné sans erreur du premier coup. Pas mal pour un modèle de 41 milliards de paramètres. Cette fiabilité « zero-shot » est sans doute plus précieuse qu'un résultat plus esthétique nécessitant un débogage.

Vous pouvez essayer le jeu (basique mais fonctionnel) ici.

Les quatre variantes couvrent l'ensemble du spectre matériel. Les modèles E2B et E4B sont conçus pour les téléphones Android, Raspberry Pi et les appareils de périphérie, fonctionnant entièrement hors ligne avec une latence quasi nulle, une entrée audio native et une fenêtre de contexte de 128K. Les modèles 26B et 31B ciblent les stations de travail et les déploiements cloud, étendant le contexte à 256K et ajoutant l'appel de fonctions natives et une sortie JSON structurée pour la création d'agents autonomes. Les quatre modèles traitent nativement les images et la vidéo. Les poids pleine précision des modèles plus grands tiennent sur un seul GPU NVIDIA H100 de 80 Go ; les versions quantifiées fonctionnent sur du matériel grand public.

La licence Apache 2.0 est l'autre élément marquant. Les versions précédentes de Gemma par Google utilisaient une licence personnalisée qui créait une ambiguïté juridique pour les produits commerciaux. Apache 2.0 élimine entièrement cette friction – les développeurs peuvent modifier, redistribuer et commercialiser sans craindre que Google ne modifie les conditions ultérieurement. Clément Delangue, co-fondateur de Hugging Face, l'a saluée, affirmant que « l'IA locale a son moment », et qu'elle est l'avenir de l'industrie de l'IA. Demis Hassabis, PDG de Google DeepMind, est allé plus loin, qualifiant Gemma 4 de « meilleurs modèles ouverts au monde pour leurs tailles respectives ».

C'est une affirmation audacieuse. Les systèmes propriétaires d'Anthropic, d'OpenAI et même le Gemini de Google restent en tête sur les benchmarks les plus difficiles. Mais pour les modèles à poids ouverts que vous pouvez exécuter localement, modifier librement et déployer sur votre propre infrastructure ? La concurrence vient de s'amincir considérablement. Vous pouvez essayer Gemma 4 dès maintenant dans Google AI Studio (31B et 26B) ou Google AI Edge Gallery (E2B et E4B). Les poids du modèle sont également disponibles sur Hugging Face, Kaggle et Ollama.