Gemma 4 : Google ouvre ses modèles IA à tous

Google vient de sortir Gemma 4, une nouvelle série de modèles d’intelligence artificielle que n’importe quel développeur peut télécharger et intégrer dans ses propres applications. Mais ce qui change vraiment avec cette version, c’est la licence.

Pour comprendre pourquoi c’est important, un peu de contexte. Un modèle d’IA, c’est un peu comme une recette très complexe : pour l’utiliser, vous avez besoin des « poids », c’est-à-dire les données qui définissent comment le modèle réfléchit. Jusqu’ici, Google autorisait le téléchargement de ces poids Gemma, mais avec des restrictions sur l’usage commercial. Gemma 4 passe à la licence Apache 2.0 : liberté totale, pas de plafond d’utilisateurs, pas de conditions cachées. Vous pouvez construire un produit dessus et le vendre.

La gamme propose quatre tailles selon votre matériel et vos besoins. Les deux plus petits modèles (E2B et E4B) sont conçus pour tourner directement sur un téléphone ou un ordinateur portable, sans connexion à un serveur distant. Les deux plus grands, un 26B et un 31B, visent les développeurs avec des GPU plus costauds. Tous comprennent du texte et des images. Les petits modèles gèrent même la voix nativement.

Les performances sont là où ça devient intéressant. Le modèle 31B se classe actuellement 3e mondial parmi tous les modèles ouverts selon le classement Arena AI, qui mesure la qualité des réponses en conditions réelles. Son petit frère 26B se place 6e, en n’utilisant que l’équivalent d’un modèle de 4 milliards de paramètres lors de chaque réponse. De quoi faire beaucoup avec peu de ressources.

Tout ça est disponible dès maintenant sur Hugging Face, compatible avec les outils habituels des développeurs : llama.cpp pour faire tourner ça en local, LM Studio si vous préférez une interface graphique, ou directement dans votre code via les bibliothèques standard.

La seule nuance à apporter : « open-weight » n’est pas strictement équivalent à « open-source ». Les poids sont libres d’utilisation, mais Google ne publie pas ses données d’entraînement ni sa recette complète. C’est mieux que ce qu’ils proposaient avant, mais moins ouvert qu’un vrai projet communautaire.

Quelle taille choisir selon votre situation ?

C’est la question que tout le monde se pose en voyant arriver une nouvelle famille de modèles. Quatre tailles, c’est bien, encore faut-il savoir laquelle correspond à quoi concrètement.

Les modèles E2B et E4B sont pensés pour l’embarqué et le mobile. Google a travaillé avec Qualcomm, MediaTek et ARM pour les optimiser sur les puces qu’on retrouve dans les smartphones Android haut de gamme. Si vous développez une application mobile qui doit traiter du texte ou analyser des images sans passer par le cloud, c’est là que vous regardez. La fenêtre de contexte atteint 128 000 tokens, ce qui représente plusieurs dizaines de pages de texte traitées en une seule fois.

Le 26B Mixture of Experts est le modèle le plus intéressant sur le papier. L’architecture MoE signifie que le modèle n’active qu’une partie de ses paramètres à chaque inférence. Résultat : 26 milliards de paramètres au total, mais seulement 3,8 milliards sollicités à chaque réponse. De quoi obtenir une vitesse de génération élevée sans mobiliser toute la puissance d’un H100. Quantifié, il peut tourner sur un GPU grand public comme une RTX 4090.

Le 31B Dense vise la qualité brute. Pas de MoE, tous les paramètres sont actifs à chaque fois. C’est lui qui obtient les meilleurs scores sur les benchmarks de raisonnement et de mathématiques, et c’est lui qu’on choisit quand on veut du fine-tuning sérieux sur un domaine précis. Fenêtre de contexte à 256 000 tokens, soit l’équivalent d’un roman entier en une seule requête.

Ce que Gemma 4 sait faire que les versions précédentes ne faisaient pas

Au-delà de la licence, il y a des sauts de capacité réels par rapport à Gemma 3. Le support multimodal est maintenant natif sur toute la gamme : texte, images, vidéo jusqu’à 60 secondes sur les grands modèles. Les petits modèles ajoutent la reconnaissance vocale directement intégrée, sans module externe.

Les capacités agentiques sont aussi nettement améliorées. Gemma 4 supporte nativement le function calling, c’est-à-dire la possibilité pour le modèle d’appeler des outils externes de manière structurée. Il peut produire du JSON structuré, gérer des instructions système, et enchaîner plusieurs étapes de raisonnement avant de répondre. Le genre de fonctionnalités qui font la différence quand on veut construire un agent autonome plutôt qu’un simple chatbot. C’est d’ailleurs exactement ce type de capacités que j’utilise au quotidien avec Claude pour gérer mon blog et mon infrastructure via des connecteurs MCP.

Le raisonnement configurable est une nouveauté notable. Vous pouvez activer ou désactiver le mode « thinking » selon vos besoins : le modèle réfléchit étape par étape avant de répondre, ce qui améliore la qualité sur les problèmes complexes mais ralentit la génération. Utile à avoir le choix.

Face à Llama 4 et Mistral : où se place Gemma 4 ?

Le marché des modèles ouverts est devenu très encombré. Llama 4 de Meta, Qwen 3.5 d’Alibaba, Mistral, DeepSeek V3 : chaque acteur pousse ses poids avec des arguments différents.

Gemma 4 se distingue sur deux points précis. La licence Apache 2.0 est plus permissive que celle de Llama 4, qui impose encore quelques restrictions sur les usages à très grande échelle. Et le rapport performance/taille est objectivement bon : le 26B MoE qui se place 6e mondial en n’activant que 3,8B paramètres, c’est un résultat difficile à ignorer.

Là où Llama 4 garde l’avantage, c’est sur la fenêtre de contexte extrême : Scout propose 10 millions de tokens contre 256 000 pour le grand Gemma 4. Pour la majorité des cas d’usage, 256 000 tokens suffisent largement, mais pour certains usages très spécifiques sur de longs documents, la différence existe.

Qwen 3.5 a un flagship à 397 milliards de paramètres que Gemma 4 ne cherche pas à concurrencer. Gemma joue clairement dans la catégorie petite et moyenne taille, et c’est là qu’il excelle.

Comment le tester sans se prendre la tête

Si vous voulez juste voir ce que ça donne sans installer quoi que ce soit, Google propose un accès direct via Google AI Studio. Vous créez un compte gratuit, vous sélectionnez un modèle Gemma 4, et vous pouvez dialoguer en quelques minutes.

Pour une intégration locale, LM Studio est probablement l’option la plus accessible. L’interface est graphique, vous cherchez « Gemma 4 » dans le catalogue intégré, vous téléchargez la version quantifiée correspondant à votre GPU, et c’est parti. Pas de ligne de commande, pas de configuration complexe.

Si vous cherchez quelque chose d’encore plus simple sur mobile, Locally AI permet de faire tourner un LLM directement sur votre smartphone, sans cloud et sans compte. Les modèles E2B et E4B de Gemma 4 sont exactement le type de modèles qui ont vocation à tourner dans ce genre d’apps.

Pour les développeurs qui veulent aller plus loin, les poids sont disponibles sur Hugging Face avec un support day-one dans Transformers, vLLM, llama.cpp et MLX pour Apple Silicon. La documentation de démarrage est correcte et la communauté autour de ces outils est active.

Quoi qu’il en soit, c’est une sortie solide qui repositionne Google sérieusement dans la course aux modèles ouverts. Le changement de licence à lui seul méritait un article.