Google poursuit son offensive dans l’intelligence artificielle avec Gemma 3, une nouvelle génération de modèles conçus pour s’adapter à une large gamme d’appareils, des smartphones aux PC compacts. Un pas de plus vers une IA plus agile et omniprésente.
Gemma 3 : l’héritage de Gemini en version allégée
Cette nouvelle série s’inscrit dans la continuité des efforts déployés par Google avec Gemini, sa gamme de modèles IA introduite en décembre 2023 pour succéder à LaMDA et PaLM 2. Derrière cette évolution, une ambition claire : rivaliser avec les ténors du secteur comme GPT-4 d’OpenAI, tout en optimisant les performances pour une intégration plus fluide sur différents supports.
Inscrivez-vous à la newsletter
En vous inscrivant vous acceptez notre politique de protection des données personnelles.
Les ingénieurs de Google DeepMind, notamment Clement Farabet et Tris Warkentin, ont misé sur une architecture dérivée des précédents modèles tout en réduisant leur empreinte computationnelle. Résultat : une IA plus légère, mais toujours aussi performante, pensée pour une adoption massive.
Des modèles IA adaptables à tous les supports
L’une des forces de Gemma 3 réside dans sa flexibilité technique. Google propose quatre variantes, calibrées pour répondre à des besoins variés :
- 1 milliard (1B) de paramètres : optimisé pour les appareils mobiles et les applications légères.
- 4B et 12B : équilibrés pour les PC et serveurs aux ressources limitées.
- 27B : une puissance accrue pour des calculs plus sophistiqués.
Cet éventail permet une personnalisation fine, évitant ainsi le recours à des infrastructures trop énergivores, un enjeu clé alors que la question de l’empreinte écologique de l’IA est de plus en plus scrutée.
Vers une démocratisation de l’IA haute performance
Au-delà de l’exploit technique, Google ambitionne de rendre l’IA plus accessible. Grâce à une conception optimisée, Gemma 3 pourrait permettre à des entreprises de toutes tailles d’exploiter l’IA avancée sans nécessiter de ressources informatiques colossales.
Les usages sont multiples : amélioration des applications mobiles, automatisation des tâches complexes ou encore innovations dans la santé grâce à l’analyse de données massives. Une démocratisation qui pourrait accélérer l’adoption de l’IA, même dans des régions où les infrastructures numériques sont limitées.