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

Installez Gemma 4 E2B sur un téléphone récent et coupez le Wi-Fi. Demandez-lui de résumer un long PDF, d’écrire une fonction Python, puis de décrire la photo que vous venez de prendre. Les trois tâches s’exécutent sans serveur, sans token facturé et sans qu’aucune donnée ne quitte l’appareil. C’est la promesse concrète de la quatrième génération de modèles ouverts de Google.

Depuis le premier Gemma, en février 2024, la famille a dépassé le milliard de téléchargements, un cap annoncé par Google le 20 août 2026. La communauté en a tiré plus de 100 000 variantes. Gemma 4 marque pourtant une rupture avec ses prédécesseurs. Il apporte une nouvelle architecture, le premier modèle Mixture-of-Experts de la famille et l’entrée audio sur les petits modèles. Surtout, il passe à la licence Apache 2.0. Pour les développeurs et les entreprises, ce dernier point compte d’ailleurs autant que les scores.

Ce qu’est Gemma 4 et d’où il vient

Gemma est la famille de modèles ouverts développée par Google DeepMind. À la différence de Gemini, accessible uniquement par l’API et les produits Google, les modèles Gemma sont distribués avec leurs poids. Vous pouvez les télécharger, les exécuter localement, les adapter à vos données, les redistribuer ou les intégrer dans un produit commercial.

Gemma 4 hérite pour sa part directement de la recherche menée pour Gemini 3 : architecture, méthodes d’entraînement et techniques d’alignement. Google le présente comme la famille ouverte la plus capable à taille égale. L’affirmation se discute face aux modèles chinois comme Qwen, DeepSeek ou GLM, mais les scores la soutiennent sur le rapport entre intelligence et nombre de paramètres. Pour comprendre ce que sont ces modèles, notre guide sur les grands modèles de langage pose les bases.

Les cinq modèles de la famille

Gemma 4 sort d’abord en quatre tailles. Google ajoute ensuite un cinquième modèle, le 12B Unified, le 3 juin 2026. Le préfixe « E » désigne les modèles optimisés pour les appareils, comme les smartphones. La notation « A4B » signifie que le modèle 26B n’active qu’environ 4 milliards de paramètres à chaque token, grâce à son architecture Mixture-of-Experts.

Attention, les valeurs de mémoire publiées par Google concernent uniquement les poids du modèle. Il faut prévoir de la marge en plus pour le contexte de la conversation.

E2B et E4B : l’intelligence sur l’appareil

Les deux petits modèles sont la vraie surprise de cette génération. Avec la pile LiteRT-LM de Google, E2B fonctionne avec un peu plus d’un gigaoctet de mémoire sur mobile. Il tourne donc sur un smartphone récent, un Raspberry Pi ou une carte Jetson. Ces deux modèles comprennent le texte, l’image, la vidéo et l’audio, une première pour des modèles de cette taille. Google indique aussi qu’ils servent de base à la nouvelle génération de Gemini Nano, l’IA intégrée aux téléphones Android. Les réponses deviennent ainsi jusqu’à quatre fois plus rapides, avec jusqu’à 60 % de batterie économisée.

12B Unified : le milieu de gamme multimodal

Arrivé en juin, le 12B Unified se passe d’encodeurs séparés pour l’image et le son. Ces contenus sont en effet directement convertis dans le même espace que le texte, ce qui simplifie le modèle. Selon Google, il fonctionne avec 16 Go de mémoire vidéo ou de mémoire unifiée, ce qui le rend accessible sur un bon PC ou un Mac récent.

26B A4B : l’efficacité Mixture-of-Experts

Le 26B A4B répartit ses connaissances entre 128 petits experts. Pour chaque token, il n’en active que 8, plus un expert partagé toujours actif. Il approche par conséquent la qualité du 31B avec un calcul proche de celui d’un modèle de 4 milliards de paramètres. C’est l’option la plus économique pour un usage en production à fort volume.

31B : le modèle phare

Le 31B est le modèle le plus capable de la famille. Son architecture dense classique vise les stations de travail équipées d’une carte graphique haut de gamme et les serveurs. Il obtient les meilleurs scores de la famille en raisonnement, en mathématiques et en programmation.

L’architecture sous le capot

Gemma 4 reprend plusieurs innovations de Gemini 3 pour tirer le maximum de chaque paramètre.

Une attention hybride pour les longs contextes

Les modèles alternent des couches d’attention locale, qui ne regardent qu’une fenêtre glissante de texte, et des couches d’attention globale. Cette conception garde la vitesse d’un modèle léger tout en suivant un long document du début à la fin. Par ailleurs, les couches globales utilisent une technique de position adaptée aux longs textes, appelée p-RoPE. La mémoire nécessaire reste ainsi raisonnable, même avec l’équivalent d’un livre entier dans la fenêtre de contexte.

Un mode de réflexion activable

Tous les modèles intègrent un mode de raisonnement pas à pas. Quand il est activé, le modèle réfléchit avant de produire sa réponse, ce qui améliore nettement ses résultats en mathématiques. En revanche, pour les tâches simples, il vaut mieux le désactiver pour répondre plus vite.

Un vrai rôle « système »

Gemma 4 accepte désormais des instructions système, comme GPT ou Claude. Les générations précédentes obligeaient au contraire à glisser ces consignes dans le premier message de l’utilisateur. Pour les agents IA, qui ont besoin d’un comportement stable et de consignes persistantes, ce changement compte. Le modèle sait aussi appeler des fonctions externes et produire des réponses structurées en JSON.

Une génération plus rapide avec MTP

En mai 2026, Google a publié des modèles auxiliaires de prédiction multi-tokens pour Gemma 4. Ils proposent plusieurs tokens d’avance, que le modèle principal valide, ce qui accélère la génération jusqu’à environ trois fois sans changer la qualité des réponses.

Texte, image, vidéo, audio : la multimodalité native

Tous les modèles Gemma 4 comprennent le texte, les images et les vidéos jusqu’à 60 secondes, et produisent du texte. Les modèles E2B, E4B et 12B ajoutent la compréhension de l’audio. Ces capacités font d’ailleurs partie du modèle dès l’entraînement.

Concrètement, vous pouvez lui montrer une photo et lui demander d’en décrire le contenu, de lire une écriture manuscrite ou d’interpréter un graphique. Sur le test MMMU Pro, qui mesure le raisonnement sur des images, le 31B obtient 76,9 %. Côté audio, les petits modèles comprennent les commandes vocales et transcrivent de courts extraits, ce qui permet de créer un assistant vocal hors ligne. Gemma 4 gère enfin plus de 140 langues, dont le français, sans réglage particulier.

Les benchmarks en détail

Le tableau ci-dessous reprend les scores officiels publiés par Google sur la fiche des modèles. La dernière colonne montre l’écart avec Gemma 3, la génération précédente.

Mathématiques et programmation : le grand saut

Le score de 89,2 % sur AIME 2026, une compétition de mathématiques pour les meilleurs lycéens américains, place le 31B au niveau de modèles bien plus gros. Mais le progrès le plus spectaculaire concerne la programmation compétitive. Gemma 3 plafonnait à un classement Elo de 110 sur Codeforces, soit un niveau de débutant. Le 31B, lui, atteint 2150, soit un niveau de programmeur expert.

Préférence humaine : un recul face aux nouveaux venus

Au lancement, le 31B se classait troisième modèle ouvert sur le classement Arena, fondé sur les votes d’utilisateurs qui comparent deux réponses à l’aveugle. Le 26B A4B occupait la sixième place. Depuis, cependant, de nouveaux modèles chinois comme Kimi, GLM ou DeepSeek l’ont dépassé. Début octobre 2026, le 31B garde un score proche de 1450, mais se situe autour de la quinzième place parmi les modèles ouverts.

Apache 2.0 : le changement de licence qui change tout

Les générations précédentes de Gemma utilisaient une licence propre à Google, les « Gemma Terms of Use ». Elle autorisait l’usage commercial, mais imposait des restrictions d’usage et des conditions particulières. Gemma 4 passe sous Apache 2.0, une licence très répandue dans le logiciel libre, utilisée par Kubernetes ou TensorFlow.

• L’usage commercial est libre, à n’importe quelle échelle et dans n’importe quel secteur, dans le respect de la loi.
• Aucun seuil d’utilisateurs ne s’applique, alors que la licence de Llama 4 exige un accord séparé au-delà de 700 millions d’utilisateurs actifs mensuels.
• Vous pouvez modifier et redistribuer le modèle, par exemple après l’avoir adapté à vos données.
• La licence demande seulement de conserver la mention de licence quand vous redistribuez les poids.

Pour les startups et les éditeurs de logiciels, ce changement lève donc un frein juridique important. Il place Gemma au même niveau que les modèles Qwen de taille moyenne, eux aussi sous Apache 2.0.

Où et comment exécuter Gemma 4

Dès son lancement, Gemma 4 est disponible sur la plupart des outils de l’écosystème ouvert, comme Hugging Face, Kaggle, Ollama, LM Studio, llama.cpp, vLLM, MLX pour les Mac ou NVIDIA NIM.

En local avec Ollama

Ollama reste la méthode la plus simple pour un ordinateur personnel. Les modèles s’installent avec une commande, selon la taille adaptée à votre machine. Notre guide Ollama pour faire tourner un LLM en local détaille l’installation, et LM Studio offre une alternative avec une interface graphique.

Choisir la taille selon votre machineollama run gemma4:e2b    # petit PC, environ 7 Go
ollama run gemma4:e4b    # version par défaut, environ 10 Go
ollama run gemma4:12b    # PC ou Mac avec 16 Go
ollama run gemma4:26b    # carte graphique de 24 Go
ollama run gemma4:31b    # station de travail

En production sur Google Cloud

Google Cloud permet de déployer Gemma 4 sur Cloud Run avec des cartes NVIDIA RTX PRO 6000 Blackwell, sur GKE avec vLLM ou sur des puces TPU. Le 26B A4B est aussi proposé comme modèle géré, facturé à l’usage, sans serveur à administrer. Pour les données sensibles, Google met en avant ses offres de cloud souverain, dont S3NS en France.

Gemma 4 face à la concurrence

Le paysage des modèles ouverts a beaucoup bougé depuis avril 2026. Voici où se situe Gemma 4 face à ses principaux concurrents.

Gemma 4 face à Qwen

Alibaba a sorti en août 2026 Qwen3.8-27B, un modèle dense sous Apache 2.0, de taille comparable au 31B. La famille Qwen reste plus large, du très petit modèle au géant de plusieurs milliers de milliards de paramètres. Ses plus gros modèles passent toutefois sous licence spécifique. Qwen garde la réputation d’être plus solide sur le code de production, alors que Gemma se distingue sur les petits modèles avec audio et sur le déploiement mobile. Notre guide pour installer Qwen en local permet de comparer les deux sur votre machine.

Gemma 4 face à Llama et aux modèles de Meta

Llama 4 Scout compte 109 milliards de paramètres et propose une fenêtre de 10 millions de tokens, mais il ne vise pas les appareils mobiles. Sa licence impose en plus un seuil de 700 millions d’utilisateurs mensuels. Meta a depuis changé de stratégie avec un modèle fermé, Muse Spark. L’entreprise a ensuite publié en août 2026 Muse Glimmer, un modèle ouvert de 30 milliards de paramètres sous Apache 2.0.

Gemma 4 face aux autres modèles ouverts

OpenAI propose gpt-oss en 20 et 120 milliards de paramètres sous Apache 2.0. Mistral AI publie Mistral Small 4 sous la même licence, ce qui en fait l’alternative européenne directe. Les modèles chinois géants, comme DeepSeek V4 ou GLM-5.3 de Z.ai, visent plutôt les serveurs et dominent les classements, avec des licences parfois plus restrictives. Gemma 4 reste le meilleur choix quand il faut un modèle ouvert léger, multimodal et utilisable sans contrainte juridique.

Gemma 4 face aux modèles propriétaires

Face à Gemini, à Claude ou à GPT, Gemma 4 31B reste un cran en dessous sur les tâches les plus exigeantes. C’est notamment le cas pour le code sur de gros projets ou le raisonnement très abstrait. L’écart suffit toutefois rarement à justifier une API payante pour les usages courants. Ainsi, pour des centaines de milliers de requêtes par mois, un modèle hébergé chez soi devient vite plus économique.

Cas d’usage concrets

Applications mobiles et embarquées

E2B et E4B permettent des fonctions d’IA qui marchent hors ligne, sans envoyer de données à un serveur. Les cas typiques couvrent l’assistant intégré à une application, la transcription audio sur l’appareil, la lecture de documents photographiés ou le résumé de notifications. Pour la santé ou le juridique, où la confidentialité compte, cette approche change la donne. En Inde, l’application de santé Aarogya Setu a ainsi intégré Gemma 4 pour aider les citoyens à gérer leurs données médicales. Elle compte plus de 100 millions de téléchargements.

Production en entreprise

Le 26B A4B convient aux charges de production, comme un chatbot multilingue, l’automatisation avec appels de fonctions ou le traitement de documents en lot. Combiné à une base documentaire interne, il alimente également un système de RAG qui répond à partir de vos propres données.

Recherche et souveraineté

Le 31B sert de référence pour la recherche et l’expérimentation, grâce à sa compatibilité avec les outils de Hugging Face. De plus, certaines organisations sont soumises au RGPD ou à des règles sectorielles strictes. Un modèle déployé sur leurs propres serveurs ou dans un cloud souverain leur évite alors d’envoyer des données à une API américaine.

Les limites à connaître

Gemma 4 ne génère que du texte. Il comprend les images, la vidéo et l’audio, mais pour créer des images ou de la voix, il faut l’associer à d’autres modèles.

Le 26B A4B n’est pas le plus rapide pour une seule requête. Son architecture brille surtout quand il traite de nombreuses requêtes à la fois. Pour une utilisation individuelle, le 31B dense répond souvent plus vite, selon les tests de la communauté.

Les modèles ouverts chinois l’ont rattrapé. Depuis l’été 2026, les derniers DeepSeek, GLM ou Kimi le devancent dans les classements de préférence. Ils demandent toutefois des serveurs bien plus puissants.

Les hallucinations persistent. Comme tous les modèles de langage, Gemma 4 peut affirmer des choses fausses avec aplomb, surtout sur des faits récents ou des chiffres précis. Notre guide sur les hallucinations de l’IA explique comment s’en protéger.

Par où commencer

Notre avis sur Gemma 4

Gemma 4 a été l’un des grands événements de l’IA ouverte en 2026. Les scores impressionnent, mais l’essentiel tient à ce que le modèle rend possible. Un modèle de bon niveau tient désormais dans la mémoire d’un téléphone, et sa licence ne crée plus de friction juridique. Le cap du milliard de téléchargements pour la famille Gemma montre que les développeurs ont suivi.

Pour un indépendant ou une PME, notre conseil est simple. Gemma 4 ne remplacera pas ChatGPT, Claude ou Gemini pour vos usages quotidiens, car ces assistants restent plus puissants et plus simples. En revanche, pour garder vos données chez vous, maîtriser vos coûts ou intégrer une IA dans une application mobile, c’est l’un des meilleurs choix du moment. Pour débuter, le 12B Unified offre d’ailleurs un excellent point d’entrée sur un ordinateur récent.

Le classement des modèles ouverts bouge vite, et Gemma 4 n’est plus en tête des performances brutes. Il garde cependant une place à part grâce à la gamme la plus complète, du téléphone au serveur, sous une licence parmi les plus libres.