Il y a deux familles de modèles IA. Ceux dont on cause, les gros multimodaux qui pondent des démos ébouriffantes pour les keynotes. Et ceux qui font le boulot dans l’ombre, sans que personne ne cite jamais leur nom. EmbeddingGemma 2 est du second type. Justement pour ça, il mérite qu’on s’y attarde deux minutes.
Le tuyau que tu ne vois jamais
Tu utilises un RAG pour interroger tes docs ? Une recherche sémantique ? Un moteur de reco ? Derrière, il y a toujours un modèle d’embedding qui transforme ton texte, tes images ou ton son en vecteurs, ces paquets de chiffres que la machine compare ensuite. C’est la plomberie. Ça ne fait pas rêver, ça ne passe pas à la télé, mais sans ça, ton beau chatbot ne retrouve rien.
Google vient de sortir EmbeddingGemma 2. 740 millions de paramètres. Cinq modalités avalées : texte, image, vidéo, audio, code. Et surtout, 191 Mo de RAM pour tourner. Sur ton appareil, pas dans un datacenter à l’autre bout du monde.
Le benchmark sorti par le vendeur
Le communiqué annonce que le modèle bat des concurrents deux fois plus gros. C’est Google qui le dit, donc tu prends ta pincette habituelle. Les benchmarks d’embedding (le MTEB et sa clique), c’est un peu plus cadré que les concours de zizi sur les LLM génératifs, mais ça reste une grille choisie par celui qui gagne. À vérifier sur tes propres données avant de crier au miracle.
Reste un usage qui claque : couplé à un petit modèle ouvert genre Gemma 4, tu montes une appli RAG qui tourne hors ligne. Tes données ne partent nulle part. Pour les boîtes qui flippent sur la confidentialité, c’est pas rien.
Le vrai sujet, c’est la licence
Là où EmbeddingGemma 2 tape dans le mille, c’est la licence. Apache 2.0, pas un truc bancal avec une clause marketing planquée dedans. Et sur les modèles d’embedding, ça change tout.
Simon Willison l’a bien résumé : un modèle d’embedding, tu ne le lances pas une fois pour une démo. Tu calcules des milliers, parfois des millions de vecteurs, tu les stockes, et tu les réutilises pendant des mois. Si ton modèle est propriétaire et hébergé chez un tiers, tu construis ta baraque sur un terrain qui ne t’appartient pas. Le jour où le fournisseur décide de débrancher ce modèle parce qu’il en a un plus beau à vendre, ton index part à la poubelle. Tous tes vecteurs ont été calculés dans un espace que l’ancien modèle définissait. Le nouveau ne parle pas la même langue. Tu recommences tout.
Avec Apache 2.0, tu gardes le modèle. Tu le fais tourner où tu veux, quand tu veux, même le jour où Google s’en fiche. C’est ça, la vraie différence entre open et open-washing. Pas une histoire de vibe, une question de survie de ton produit.
Le pattern Gemma
Faut reconnaître un truc à Google : côté Gemma, ils jouent le jeu. Modèles ouverts, poids téléchargeables, licences permissives. Pendant ce temps, leur Gemini 4 Argon reste sous clé, réservé à ceux qui paient. Double discours ? Peut-être. Mais tant que la branche ouverte balance des trucs réellement utilisables, le double discours rapporte au public.
Si tu veux un modèle d’embedding pour ta prochaine appli sans signer ta vie à un vendor, c’est par ici. 191 Mo, licence Apache, multimodal. La plomberie, c’est chiant, mais c’est là que ça fuit quand tu choisis mal.
Sources :
Comments are closed