Gemma 4 : le modèle IA open source de Google qui tient dans votre poche

Lancez Gemma 4 E2B sur un Pixel d’ancienne génération. Coupez le wifi. Demandez-lui de résumer un PDF de 80 pages, de générer le code d’une fonction Python, puis de décrire la photo que vous venez de prendre. Trois tâches, aucun serveur, aucun token facturé, pas un octet qui sort de l’appareil. Voilà la promesse concrète de la quatrième génération de modèles open source de Google.

Depuis le premier Gemma en février 2024, la famille a été téléchargée plus de 400 millions de fois et a engendré 100 000 variantes communautaires. Mais Gemma 4 ne s’inscrit pas dans cette continuité : c’est une rupture. Nouvelle architecture hybride, premier modèle Mixture-of-Experts de la famille, multimodalité native incluant l’audio sur les petits modèles, et surtout passage à la licence Apache 2.0 — la même que Linux ou Kubernetes. Pour les développeurs, les startups et les entreprises, ce dernier point change autant la donne que les benchmarks.

Ce qu’est Gemma 4 et d’où il vient

Gemma est la famille de modèles open source développée par Google DeepMind depuis 2024. À la différence de Gemini 3, accessible uniquement via l’API et les produits Google, les modèles Gemma sont distribués avec leurs poids. Vous pouvez les télécharger, les exécuter localement, les fine-tuner sur vos données, les redistribuer, les intégrer dans un produit commercial.

La quatrième génération, sortie le 2 avril 2026, hérite directement de la recherche menée pour Gemini 3. Architecture, recettes d’entraînement, datasets, méthodes d’alignement : c’est la première fois que Google transfère aussi rapidement les avancées de son modèle propriétaire vers la branche open source. Quatre modèles sont publiés simultanément, dans deux architectures différentes, pour couvrir tout le spectre du déploiement : du smartphone au serveur GPU.

Le positionnement assumé par Google : Gemma 4 est, byte par byte, le modèle IA open source le plus capable du marché. L’affirmation est ambitieuse face à la concurrence chinoise (Qwen 3.5, GLM-5, DeepSeek) et américaine (Llama 4 de Meta), mais elle est largement étayée par les benchmarks, particulièrement sur le rapport intelligence/paramètres.

Les quatre modèles de la famille

Gemma 4 se décline en quatre tailles, organisées en deux architectures. Le préfixe « E » désigne les modèles edge-optimisés, conçus pour tourner sur appareil. La notation « A4B » dans 26B-A4B signifie que le modèle compte 26 milliards de paramètres au total, mais n’en active que 4 milliards par token grâce à son architecture Mixture-of-Experts.

E2B et E4B : l’intelligence sur appareil

Les deux modèles edge sont la vraie surprise de cette génération. E2B, avec ses 2,3 milliards de paramètres effectifs, fonctionne avec moins de 1,5 Go de mémoire grâce aux quantifications 2-bit et 4-bit supportées par LiteRT-LM. Il tourne sur un Pixel récent, sur un Raspberry Pi ou un Jetson Orin Nano. E4B est trois fois moins rapide qu’E2B mais offre un raisonnement nettement supérieur pour les tâches complexes. Les deux modèles supportent le texte, la vision et l’audio — c’est inédit pour un modèle de cette taille.

Google annonce des gains concrets par rapport à la génération précédente : jusqu’à 4 fois plus rapides, 60 % de batterie en moins. Ces deux modèles serviront de base au prochain Gemini Nano qui équipera les appareils Android.

26B-A4B : l’efficacité MoE

Le modèle 26B-A4B utilise une architecture Mixture-of-Experts avec 128 petits experts, dont 8 sont activés par token, plus un expert toujours actif pour les fonctions partagées. Cette approche diffère de Llama 4 Scout, qui utilise 16 gros experts. Le résultat : 97 % de la qualité du modèle 31B dense pour environ 8 fois moins de calcul par étape d’inférence. C’est le nouveau leader d’efficacité pour les déploiements de production.

31B : le flagship dense

Le 31B est le modèle le plus capable de la famille. Architecture dense classique, il vise les workstations équipées d’un GPU haut de gamme (RTX 4090, 5090) ou les serveurs en datacenter. C’est lui qui obtient les meilleurs scores sur les benchmarks de raisonnement, de mathématiques et de programmation compétitive.

L’architecture sous le capot

Gemma 4 introduit plusieurs innovations architecturales héritées de Gemini 3, conçues pour maximiser l’intelligence par paramètre.

Attention hybride

Tous les modèles utilisent un mécanisme d’attention hybride qui alterne attention locale par fenêtre glissante et attention globale complète. La dernière couche est toujours globale. Cette conception délivre la vitesse et la faible empreinte mémoire d’un modèle léger, sans sacrifier la conscience profonde requise pour les tâches longues. C’est ce qui permet de gérer 256K tokens de contexte sur les modèles 26B et 31B.

Optimisation pour le contexte long

Pour optimiser la mémoire sur les contextes longs, les couches globales utilisent des Keys et Values unifiées et appliquent un Proportional RoPE (p-RoPE). En clair, le KV-cache — qui est le principal consommateur de RAM lors de l’inférence — reste compact même quand vous chargez l’équivalent d’un livre entier dans la fenêtre de contexte.

Mode « thinking » configurable

Tous les modèles intègrent un mode de raisonnement step-by-step activable. Quand il est enclenché, le modèle génère une chaîne de pensée interne avant de produire sa réponse finale. C’est ce qui permet à Gemma 4 31B d’atteindre des scores élevés sur les benchmarks mathématiques exigeants. Pour les tâches simples, le mode peut être désactivé pour gagner en latence.

Support natif du rôle système

Gemma 4 introduit un support natif du rôle system dans ses messages. Cela paraît anodin, mais c’était une lacune des générations précédentes qui obligeait à intégrer les instructions système dans le premier message utilisateur. Désormais, on peut structurer une conversation avec un véritable system prompt, comme avec GPT ou Claude. Pour les agents IA qui ont besoin d’instructions persistantes et de comportements contrôlés, ce changement est important.

Texte, vision, audio : la multimodalité native

Tous les modèles Gemma 4 traitent le texte et l’image en entrée, et génèrent du texte en sortie. Les modèles edge (E2B, E4B) ajoutent le support audio en entrée. Cette capacité est intégrée dès le pré-entraînement, pas ajoutée après coup.

Concrètement, vous pouvez lui passer une photo et lui demander d’en décrire le contenu, d’extraire du texte manuscrit, d’interpréter un graphique financier, ou de raisonner sur une scène complexe. Sur le benchmark MMMU Pro qui évalue le raisonnement multimodal, Gemma 4 31B obtient 76,9 %. Les capacités d’extraction visuelle sont particulièrement solides — Google les met en avant pour les cas d’usage de reconnaissance d’écriture manuscrite et d’analyse de graphiques.

Côté audio, les modèles E2B et E4B comprennent les commandes vocales et peuvent transcrire de courts segments. La fonctionnalité est conçue pour des cas d’usage embarqués : assistant vocal local, transcription offline, contrôle d’application sans serveur cloud.

Le support multilingue couvre plus de 140 langues, dont le français avec une qualité de production. Pour les solopreneurs francophones et les équipes internationales, ce point est rassurant : pas besoin de bidouiller un fine-tuning pour obtenir des sorties propres en français.

Les benchmarks en détail

Les chiffres officiels de Google, confirmés par les évaluations indépendantes des deux premières semaines, placent Gemma 4 31B parmi les meilleurs LLM open source du marché. Voici les scores sur les principaux benchmarks de référence.

Mathématiques : la performance la plus impressionnante

Le score de 89,2 % sur AIME 2026 est l’élément le plus marquant. AIME (American Invitational Mathematics Examination) est une compétition pour les meilleurs lycéens américains ; la version 2026 est notoirement difficile et reste largement non résolue par la plupart des modèles open source. Atteindre 89,2 % place Gemma 4 31B au niveau des modèles propriétaires de pointe sur ce type d’exercice.

Programmation compétitive : le saut le plus dramatique

Le Codeforces ELO mesure la capacité à résoudre des problèmes de programmation algorithmique sous contrainte de temps. Gemma 3 plafonnait à 110 — niveau débutant. Gemma 4 31B atteint 2150, ce qui correspond au rang de programmeur compétitif expert. C’est l’un des plus gros sauts générationnels jamais observés dans l’IA open source. Sur LiveCodeBench v6, plus représentatif du code de production, le score de 80 % le place devant des modèles deux à trois fois plus gros.

Raisonnement et connaissances : au coude-à-coude avec Qwen

Sur MMLU Pro et GPQA Diamond, Qwen 3.5 27B garde une légère avance (1 à 2 points). Pour la connaissance générale et le raisonnement scientifique, les deux modèles sont aujourd’hui interchangeables en production. Le choix se fera sur d’autres critères : licence, écosystème, vitesse d’inférence.

Préférence humaine : Gemma 4 devant

Sur le LMArena, classement basé sur les votes humains en blind comparison, Gemma 4 31B se hisse à la troisième place, devant Qwen 3.5 27B d’environ 48 points Elo. Ce que mesure ce benchmark : la qualité ressentie. Comment le modèle écrit, formule, structure ses réponses, gère le ton conversationnel. Sur ce critère subjectif mais déterminant pour l’usage quotidien, Gemma 4 a un vrai avantage.

Apache 2.0 : le changement de licence qui change tout

Toutes les générations précédentes de Gemma utilisaient une licence Google personnalisée — les « Gemma Terms of Use » — qui autorisait l’usage commercial mais imposait des restrictions et des conditions spécifiques. Gemma 4 bascule sous Apache 2.0, la même licence que Linux, Kubernetes ou TensorFlow.

Concrètement, cela signifie :

• Aucune restriction d’usage — commerciale ou non, à n’importe quelle échelle, dans n’importe quel secteur (à l’exception bien sûr des cas illégaux).
• Pas de seuil d’utilisateurs actifs mensuels — contrairement à Llama 4 qui exige une licence séparée au-delà de 700 millions de MAU.
• Modification et redistribution libres — vous pouvez fine-tuner le modèle, modifier ses poids, le redistribuer sous une autre forme.
• Pas d’Acceptable Use Policy à respecter — c’était un point de friction avec Gemma 3.
• Pas d’obligation d’attribution dans les produits finaux — l’attribution n’est requise que dans les redistributions de poids.

Pour les startups, les éditeurs SaaS et les entreprises construisant des produits sur des LLM open source, ce changement supprime le dernier argument juridique qui poussait beaucoup d’équipes vers Qwen 3.5. La parité de licence est désormais établie entre les deux familles. Le PDG de Hugging Face, Clément Delangue, a qualifié ce changement de « jalon majeur » pour l’adoption en entreprise.

Où et comment exécuter Gemma 4

Gemma 4 a été conçu pour le déploiement universel. Le support day-one couvre l’essentiel des outils de l’écosystème open source.

Stack on-device : LiteRT-LM

Pour le déploiement embarqué, Google a publié LiteRT-LM, une stack qui ajoute des bibliothèques GenAI au-dessus de LiteRT (anciennement TensorFlow Lite). Avec elle, Gemma 4 E2B tourne sous 1,5 Go de mémoire grâce au support natif de la quantification 2-bit et 4-bit, et au stockage des embeddings par couche en memory-mapping. Un nouveau package Python et un CLI permettent désormais d’exécuter et d’orchestrer Gemma sur Linux, macOS et Raspberry Pi sans écrire une ligne de code.

Stack serveur : vLLM, SGLang, NVIDIA NIM

Pour la production à haut débit, vLLM et SGLang offrent les meilleures performances grâce à leur gestion optimisée des batchs et du KV-cache. NVIDIA NIM packagise Gemma 4 avec des optimisations TensorRT-LLM pour les GPU Blackwell. AMD est aussi supporté via la stack open source ROCm. Sur Google Cloud, Vertex AI propose un déploiement managé avec auto-scaling, et le 26B-A4B sera disponible en serverless dans Model Garden dans les prochains jours.

Apple Silicon : support day-zero

Particularité notable : dès le jour de la sortie, le développeur Prince Canuma a publié mlx-vlm v0.4.3 avec un support complet de Gemma 4 sur Apple Silicon — vision, audio et MoE inclus. Pour les utilisateurs de Mac, l’exécution est native via MLX, sans conversion préalable. Le 26B-A4B tourne confortablement sur un MacBook Pro M3 Max avec 64 Go de mémoire unifiée, le 31B sur un M3 Ultra.

Capacités agentiques et workflows multi-étapes

Gemma 4 a été conçu spécifiquement pour les workflows agentiques. Trois capacités sont intégrées nativement à l’architecture, pas ajoutées après coup :

• Function calling — le modèle sait formuler des appels de fonction structurés en JSON pour interagir avec des outils externes.
• Sortie structurée — il respecte fiablement les schémas JSON, XML ou autres formats imposés, ce qui est essentiel pour les pipelines automatisés.
• System instructions natives — le rôle system permet de définir un comportement persistant pour un agent.

Côté outillage, Google met en avant Agent Skills sur Google AI Edge Gallery, qui permet de construire des workflows multi-étapes autonomes entièrement on-device. Un exemple concret : un skill qui interroge Wikipédia pour répondre à des questions encyclopédiques au-delà des données d’entraînement. Sur Google Cloud, l’Agent Development Kit (ADK) sert de framework modulaire pour construire des agents en production avec Gemma 4.

Pour Android, le modèle alimente Agent Mode dans Android Studio et le futur Gemini Nano 4 qui équipera les appareils dans le courant de l’année. Pour les développeurs qui s’intéressent au sujet, notre guide sur les agents IA et leur fonctionnement en explique les briques fondamentales.

Gemma 4 face à la concurrence : quel modèle pour quel usage

L’écosystème open source de 2026 propose trois grandes familles concurrentes : Gemma 4 (Google), Qwen 3.5 (Alibaba) et Llama 4 (Meta). Chacune fait des choix techniques et licenciels différents.

Gemma 4 vs Qwen 3.5

Les deux familles partagent la licence Apache 2.0 et se livrent une bataille serrée. Qwen 3.5 garde un léger avantage sur les benchmarks de connaissances (MMLU Pro, GPQA) et sur le coding multi-langage en production (Rust, Go, Kotlin). Gemma 4 domine en mathématiques, en programmation compétitive et en préférence humaine. Qwen 3.5 propose une gamme plus large (8 modèles de 0,8 Md à 397 Md), Gemma 4 propose une meilleure couverture edge avec audio.

Choisir Gemma 4 si : vous visez le déploiement on-device, vous avez besoin d’audio, votre charge est mathématique ou algorithmique, vous voulez la meilleure expérience utilisateur ressentie. Choisir Qwen 3.5 si : vous avez besoin d’un modèle <1B ou >100B, votre charge est code de production multi-langage, vous voulez le mode « hybrid thinking » de Qwen.

Gemma 4 vs Llama 4

Le contraste est plus net. Llama 4 ne propose que des modèles à partir de 109 Md (Scout) et 400 Md (Maverick), inéligibles au déploiement edge. Sa licence Llama 4 Community impose un seuil de 700 millions de MAU et interdit l’entraînement de modèles concurrents. Sur les benchmarks de raisonnement, Llama 4 Scout (109 Md) est devancé de 10 points par Gemma 4 31B sur GPQA Diamond. Pour la grande majorité des usages, Gemma 4 est le meilleur choix.

Choisir Llama 4 si : vous avez besoin du contexte de 10M+ tokens de Scout, ou de la puissance brute de Maverick (400 Md MoE), ou si l’écosystème Meta vous est imposé.

Gemma 4 vs les modèles propriétaires

Comparé à Gemini 3, Claude Sonnet 4.6 ou GPT-5.4, Gemma 4 31B reste un cran en dessous sur les tâches les plus exigeantes — raisonnement abstrait extrême, code agentique sur de gros codebases, rédaction créative longue. Mais l’écart est désormais suffisamment réduit pour que Gemma 4 couvre 80 % des cas d’usage à un coût marginal nul une fois l’infrastructure en place. Pour les workloads à fort volume (centaines de milliers d’appels par mois), l’économie face aux APIs propriétaires devient rapidement décisive.

Cas d’usage concrets en 2026

Au-delà des benchmarks, voici comment Gemma 4 se positionne sur les usages réels.

Applications mobiles et embarquées

E2B et E4B ouvrent la voie à des fonctionnalités d’IA qui fonctionnent offline, sans envoi de données vers un serveur, sans coût de token. Cas typiques : assistant intégré à une app mobile, transcription audio sur appareil, OCR sur photos, résumé de notifications. Pour les secteurs où la confidentialité est critique (santé, juridique, défense), c’est aujourd’hui la seule option viable de modèle de qualité moderne.

Production en entreprise

Le 26B-A4B est l’option la plus efficiente pour les charges de production. Self-hosting sur GPU loué (un H100 ou A100 80 Go suffit), déploiement Vertex AI managé, ou serverless via Cloud Run. Cas typiques : chatbot client multilingue, automatisation de processus avec function calling, traitement de documents en lot, RAG sur base de connaissances interne. Notre guide sur le RAG et le Retrieval Augmented Generation détaille comment combiner un LLM open source avec une base vectorielle.

Recherche et expérimentation

Le 31B est le modèle de référence pour la recherche académique et le prototypage avancé. Sa qualité de raisonnement permet d’expérimenter des techniques (RLHF, DPO, fine-tuning spécialisé) sans avoir à passer par les APIs propriétaires. Le support Hugging Face complet (Transformers, TRL, PEFT) facilite l’adaptation.

Souveraineté numérique

Pour les organisations soumises à des contraintes réglementaires fortes (RGPD strict, NIS2, secteurs régulés français et européens), Gemma 4 déployé en sovereign cloud ou on-premise offre une alternative crédible aux APIs américaines. Google met en avant ce positionnement avec Sovereign Cloud sur Google Cloud — données et modèles restent dans le périmètre choisi.

Les limites à connaître

Tout n’est pas parfait. Plusieurs points méritent d’être anticipés avant un déploiement.

Pas de génération d’images ou de vidéo

Gemma 4 comprend l’image et l’audio en entrée mais ne génère que du texte. Pour la génération d’images, il faut combiner avec Imagen, FLUX ou Stable Diffusion. Pour l’audio en sortie, aucun modèle open source n’atteint encore la qualité du Qwen 3.5 Omni en streaming temps réel.

Le 26B MoE est plus lent en inférence brute

Sur RTX 4090 en Q4, Qwen 3.5 27B sort autour de 35 tokens/seconde, Gemma 4 31B Dense autour de 25, et le 26B MoE seulement 11 — l’overhead de routing entre experts pèse. Le 26B MoE garde son intérêt en batch (plusieurs requêtes simultanées) et pour le coût total à l’échelle, mais en latence pure, le 31B Dense est plus rapide.

Code production multi-langage : Qwen reste devant

Sur SWE-bench Verified, qui évalue la résolution de bugs réels sur de vrais dépôts GitHub, Qwen 3.5 27B atteint 72,4 %. Gemma 4 31B est solide mais moins spécialisé sur le code de production multi-langage. Si votre charge principale est l’écriture de code Rust, Go, Kotlin ou TypeScript en production, Qwen 3.5 reste le choix le plus sûr.

Qualité de fine-tuning à valider

L’écosystème de fine-tuning Gemma 4 est tout neuf. Les recettes éprouvées (Unsloth, Axolotl, TRL) sont en cours d’adaptation. Pour les usages spécialisés nécessitant un fine-tuning lourd, attendre quelques semaines que la communauté stabilise les workflows est prudent.

Hallucinations toujours présentes

Comme tous les LLM actuels, Gemma 4 peut produire des informations fausses avec aplomb. Sur les domaines pointus, sur les faits récents, sur les données numériques précises, une vérification reste nécessaire. Pour ancrer le modèle sur vos données réelles, le RAG reste la meilleure parade — voir notre guide sur les hallucinations de l’IA pour comprendre les mécanismes.

Par où commencer concrètement

Trois parcours selon votre profil et votre objectif.

Les modèles sont également disponibles sur Hugging Face (collection google/gemma-4), Kaggle et Ollama. Le code et les exemples officiels sont sur le dépôt gemma-cookbook de Google.

Notre avis sur Gemma 4

Gemma 4 est l’événement open source le plus important depuis Llama 3. Pas tant pour les benchmarks — Qwen 3.5 reste compétitif — que pour ce qu’il rend possible. Pour la première fois, un modèle de qualité frontière tient dans la mémoire d’un téléphone. Pour la première fois, la licence d’un modèle Google ne crée plus de friction juridique. Pour la première fois, l’écart entre ce qu’une équipe seule peut déployer localement et ce qu’une grosse entreprise déploie en cloud devient marginal sur 80 % des usages.

Pour un solopreneur ou une PME francophone, notre recommandation est claire : si vous expérimentez avec l’IA aujourd’hui, Gemma 4 mérite une place dans votre stack. Pas forcément en remplacement de Claude, ChatGPT ou Gemini pour vos usages quotidiens — les APIs propriétaires restent supérieures en qualité absolue et plus simples à intégrer. Mais pour un projet où vous voulez la souveraineté des données, le coût marginal nul, ou le déploiement on-device, c’est aujourd’hui la meilleure IA open source du marché.

Le vrai gagnant à long terme, c’est l’écosystème open source. Avec Gemma 4 et Qwen 3.5 désormais sous Apache 2.0, le débat « open source vs propriétaire » n’est plus une question de qualité — il est devenu une question de coût, de contrôle et de stratégie. L’arbitrage devient plus clair, et c’est une bonne nouvelle pour quiconque construit avec l’IA.