J'ai Testé Google Gemma 4 — L'IA Open Source Devient Sérieuse

J'ai Testé Google Gemma 4 — L'IA Open Source Devient Sérieuse

J'étais en plein prompt sur un projet Claude Code — en train de refactorer une pipeline d'agents qui hallucinait des appels d'outils — quand Google a lancé quelque chose que je n'attendais pas. Pas une autre mise à jour incrémentale de Gemini. Pas un article de recherche que personne en dehors de DeepMind ne lirait. Quatre modèles à poids ouverts, construits sur la même recherche derrière Gemini 3, publiés sous Apache 2.0 le 2 avril 2026.

L'affirmation qui m'a interpellé ? Un modèle de 26 milliards de paramètres qui n'active que 3,8 milliards de paramètres pendant l'inférence et tourne supposément à environ 300 tokens par seconde sur un Mac Studio M2 Ultra. Un modèle aussi petit, aussi rapide, classé sixième parmi tous les modèles ouverts sur le leaderboard Arena AI.

J'ai déjà été déçu par les efforts d'IA open source de Google auparavant. Gemma 1 était décevant. Gemma 2 était correct mais oubliable. Gemma 3 a montré de véritables améliorations mais ne pouvait toujours pas rivaliser avec ce que Qwen et Meta livraient. Alors quand Google a affirmé que Gemma 4 représente « la plus grande amélioration en une seule génération vue dans l'espace des modèles ouverts », mon scepticisme était pleinement activé.

Mais ensuite j'ai commencé à tester. Et dans la première heure, j'ai réalisé que cette sortie est différente d'une manière qui compte — pas seulement pour les leaderboards de benchmarks, mais pour quiconque fait tourner de l'IA localement ou construit des workflows agentiques qui doivent être rapides, économiques et véritablement fiables.

Voici tout ce que j'ai trouvé au cours de plusieurs jours de tests pratiques avec les quatre modèles. Les bonnes parties sont sincèrement impressionnantes. Les lacunes méritent d'être connues avant de s'engager.

Ce Que Google a Réellement Livré — Et Pourquoi l'Architecture Compte

Gemma 4 n'est pas un modèle. Ce sont quatre modèles couvrant un spectre qui va de l'exécution sur votre téléphone à la compétition avec des modèles frontier hébergés dans le cloud. Comprendre la gamme est important car choisir la mauvaise taille pour votre cas d'usage gaspille soit de l'argent, soit de la capacité.

L'histoire architecturale ici est l'approche Mixture of Experts (MoE) dans le modèle 26B. J'ai déjà écrit sur le MoE en couvrant GLM5 — l'idée de base est que le modèle contient de nombreux réseaux « experts » spécialisés mais n'active qu'un petit sous-ensemble pour toute entrée donnée. Pensez-y comme avoir un bâtiment plein de spécialistes au lieu d'un généraliste surchargé de travail.

Ce qui rend l'implémentation du Gemma 4 26B intéressante, c'est le ratio. Activer 3,8 milliards de paramètres sur un total de 26 milliards signifie qu'environ 85% du modèle dort à tout moment donné. C'est agressif. En comparaison, GLM5 active environ 44 milliards sur 745 milliards — un modèle beaucoup plus grand, mais une approche philosophique similaire de l'efficacité.

Le résultat pratique ? Un modèle qui tient sur du matériel grand public tout en performant bien au-dessus de sa catégorie de poids en paramètres. La fenêtre de contexte de 256K tokens sur les modèles plus grands signifie que vous pouvez alimenter des codebases entières, de longs documents ou des projets multi-fichiers sans découpage. Et les quatre modèles supportent nativement plus de 140 langues — ce qui, si vous construisez quelque chose pour un public mondial, élimine toute une catégorie de maux de tête.

Chaque modèle de la gamme supporte le raisonnement multi-étapes, les sorties JSON structurées, l'utilisation d'outils et la programmation. Ce ne sont pas des fonctionnalités ajoutées après l'entraînement. Google a entraîné ces capacités nativement, ce qui — d'après mes tests — fait une vraie différence dans la fiabilité avec laquelle les modèles gèrent les workflows agentiques.

Mais voici la partie que je veux approfondir : comment tout cela performe réellement quand on lui lance du vrai travail.

Les Benchmarks — Des Chiffres Impressionnants Avec Un Astérisque Important

Avant de partager mes résultats pratiques, les chiffres officiels méritent examen. Non pas parce que je prends les benchmarks au pied de la lettre — ce n'est pas le cas, et vous ne devriez pas non plus — mais parce que quelques-uns de ces scores racontent une histoire spécifique sur l'endroit où Google a concentré son effort d'entraînement.

Le modèle 31B dense obtient 85,2 sur MMLU Pro, qui mesure les connaissances étendues et le raisonnement à travers des dizaines de domaines académiques. Pour un modèle de 31 milliards de paramètres, c'est exceptionnel. Il atteint 89,2% sur AIME 2026 — le benchmark de compétition mathématique qui sépare les modèles dotés d'un véritable raisonnement mathématique de ceux qui font du pattern-matching à travers l'arithmétique. GPQA Diamond, le benchmark de sciences de niveau diplômé, arrive à 84,3%. Et LiveCodeBench v6, qui teste les compétences de programmation pratiques sur des problèmes récents sur lesquels le modèle n'a pas pu être entraîné, montre 80%.

Le modèle 31B se classe actuellement troisième parmi tous les modèles ouverts sur le leaderboard texte d'Arena AI avec un score de 1452. Le 26B MoE se place sixième à 1441 — rappelez-vous, c'est en n'utilisant que 3,8 milliards de paramètres actifs pour quasi-égaler son frère beaucoup plus grand.

Maintenant, l'astérisque. Selon l'indice d'intelligence que je suis à travers les modèles, le Gemma 4 31B obtient 31, tandis que le modèle Qwen 3.5 27B obtient 42. C'est un écart significatif sur une métrique conçue pour mesurer la capacité de raisonnement général. Les chiffres de benchmark ci-dessus présentent Gemma 4 comme compétitif dans des domaines spécifiques, mais en intelligence holistique — le genre de capacité « peut-il résoudre quelque chose pour lequel il n'a pas été spécifiquement entraîné » — Qwen conserve encore un avantage à des nombres de paramètres similaires.

Cela compte pour les workflows de programmation agentique où le modèle doit porter des jugements, pas juste exécuter des patterns. Je vous montrerai exactement où cela s'est manifesté dans mes tests.

Un domaine où Gemma 4 surpasse véritablement est l'efficacité des tokens. À travers mes tests, les modèles Gemma 4 ont utilisé environ 2,5 fois moins de tokens de sortie pour des tâches similaires par rapport à Qwen 3.5 et Llama 4. Moins de tokens signifie coût réduit, génération plus rapide et moins de fenêtre de contexte consommée par la propre sortie du modèle. Pour les workflows agentiques où vous enchaînez plusieurs appels, cette efficacité se cumule rapidement.

Faire Tourner Gemma 4 Localement — Où Se Trouve la Vraie Histoire

C'est ici que mon opinion sur Gemma 4 a basculé de « intéressant » à « ça change la donne ».

J'ai récupéré le modèle 26B MoE via Ollama dès le premier jour — Gemma 4 avait un support dès le premier jour sur Ollama, Hugging Face, LM Studio et Kaggle. La configuration était triviale : ollama pull gemma4:26b, définir OLLAMA_NUM_GPU=99 pour maximiser le déchargement des couches sur GPU, et commencer à prompter.

Sur ma configuration Mac, le modèle 26B avec quantification Q4_K_M était suffisamment réactif pour du vrai travail de développement. Pas « attendre quinze secondes par réponse » réactif. Véritablement utilisable. Le genre de vitesse où vous pouvez avoir une conversation avec le modèle et ne pas perdre votre fil de pensée entre les réponses.

Google annonce environ 300 tokens par seconde sur un Mac Studio M2 Ultra pour le modèle 26B. Mes propres tests n'ont pas atteint ce chiffre exact — les paramètres de quantification, la complexité du prompt et la longueur du contexte affectent tous le débit — mais le modèle était systématiquement plus rapide que tout autre modèle de capacité comparable que j'ai fait tourner localement. Cette architecture à 3,8 milliards de paramètres actifs fait ce qu'elle promet.

Le modèle 31B dense est plus lourd. Il nécessite du matériel plus sérieux — un GPU de bureau avec suffisamment de VRAM, ou une machine Apple Silicon bien équipée. Mais pour quiconque a déjà ce matériel sous son bureau, il fait tourner un modèle ouvert top trois sans payer d'appels API. Sans envoyer son code sur le serveur de quiconque. Sans s'inquiéter des rate limits à 2h du matin quand on est dans la zone et qu'on enchaîne les prompts.

Pour les modèles edge — les E2B et E4B — Google pousse fortement l'inférence sur appareil. L'Android AICore Developer Preview donne aux développeurs un chemin pour faire tourner ces modèles directement sur les téléphones. Je n'ai pas testé le chemin de déploiement mobile moi-même, mais l'implication est significative : du raisonnement IA multimodal — texte, images, audio — tournant entièrement sur un appareil dans votre poche. Pas d'aller-retour vers le cloud. Pas de données quittant l'appareil. Pour les applications sensibles à la vie privée, ce n'est pas un nice-to-have. C'est une exigence.

La licence Apache 2.0 supprime une autre barrière que j'ai rencontrée avec d'autres modèles ouverts. Llama 4 utilise la licence communautaire de Meta avec un seuil de 700 millions d'utilisateurs actifs mensuels — bien pour la plupart des développeurs, mais une contrainte réelle pour les entreprises qui scalent rapidement. Qwen 3.5 utilise aussi Apache 2.0, donc il y a parité. Mais comparé aux termes plus restrictifs de Gemma 3, c'est un changement significatif dans la stratégie open source de Google. Liberté commerciale totale. Pas d'application de politique d'utilisation acceptable. Pas de plafonds d'utilisateurs actifs mensuels.

Si vous préférez avoir quelqu'un qui configure une pipeline d'inférence IA locale de zéro — configurer la quantification, l'optimisation matérielle et les chaînes d'outils agentiques — j'accepte exactement ce type de projets. Vous pouvez voir ce que j'ai fait sur fiverr.com/s/EgxYmWD.

Le Test de Génération d'UI — Mon Défi Standard

Chaque fois qu'un modèle revendique de fortes capacités de programmation, je lance la même batterie de tests que j'utilise dans chaque évaluation. Le premier est toujours la génération frontend — construire une UI complexe à partir d'un seul prompt. Il teste le sens du design, la structure du code, la gestion d'état et l'attention aux détails simultanément.

J'ai demandé au modèle Gemma 4 31B de construire une interface de bureau style macOS dans le navigateur. Des apps fonctionnelles. Des fenêtres déplaçables. Un dock fonctionnel. Le même prompt que j'ai envoyé à Qwen 3.6 Plus, Claude Opus et GLM5.

Ce qui est revenu était sincèrement bon. Une barre d'outils qui avait l'air d'appartenir à un vrai Mac. Une calculatrice qui fonctionnait. Un émulateur de terminal. Des panneaux de paramètres. La mise en page était propre — pas le genre de sortie « ça marche mais ça ressemble à un prototype » que j'ai obtenue de modèles plus petits. La qualité se situait aux alentours de 7,5 à 8 sur 10 selon mon évaluation subjective.

Là où ça a échoué : la navigation des dossiers dans le clone du Finder était incomplète. Certaines interactions d'apps qui auraient dû déclencher des changements d'état ne l'ont pas fait. Ce sont le genre de problèmes de finition qui séparent un solide premier brouillon d'un code prêt pour la production — et ils sont cohérents avec ce que je vois des modèles dans cette gamme de paramètres. Claude Opus et Qwen 3.6 Plus gèrent ces cas limites mieux, mais ils sont aussi soit plus grands, plus chers, ou les deux.

Le modèle 26B MoE a géré une tâche d'UI similaire avec des défauts mineurs — certaines animations ne se sont pas déclenchées correctement, et quelques transitions CSS étaient décalées. Mais le rapport vitesse-qualité était remarquable. Atteindre 80% du chemin vers une UI polie en une fraction du temps et du coût ? Pour le prototypage, pour les outils internes, pour les preuves de concept — c'est le point idéal.

J'ai aussi testé un prompt plus contraint : générer une mise en page d'UI spécifique avec des exigences strictes de design tokens, un espacement défini et un système de couleurs particulier. Cela teste le suivi d'instructions plus que la créativité brute. Les deux modèles 31B et 26B ont bien géré — du code de niveau production qui respectait les contraintes. Qualité comparable à ce que j'ai obtenu de Qwen 3.6 et Opus 4.5 sur des tâches similaires.

Le Test de Simulation Physique — Où Les Lacunes Se Montrent

Mon deuxième test standard pousse les modèles dans un territoire où le raisonnement brut compte plus que la reconnaissance de patterns : les simulations physiques. J'ai demandé à Gemma 4 31B de construire un simulateur de donuts F1 — une voiture tournant en cercles serrés avec une physique de pneus réaliste, des effets de fumée et un rendu 3D.

Le modèle a montré une créativité sincère ici. Il a tenté des interactions physiques complexes, un rendu en perspective 3D et des effets de particules pour la fumée des pneus. L'ambition technique était impressionnante pour un modèle de 31 milliards de paramètres. Il comprenait à quoi ressemble physiquement une manœuvre de donut et a pris des décisions d'ingénierie raisonnables sur la façon de la simuler.

Mais l'exécution est restée en deçà de ce que Qwen 3.6 a livré sur le même prompt. La physique semblait légèrement fausse — les calculs d'adhérence des pneus produisaient un comportement irréaliste à certaines vitesses. Le rendu 3D avait des problèmes de tri en profondeur. Les particules de fumée manquaient de l'aléatoire organique qui fait paraître les simulations réelles.

C'est là que l'écart de l'indice d'intelligence entre Gemma 4 (score 31) et Qwen 3.5 (score 42) se manifeste en pratique. Les tâches qui exigent que le modèle raisonne à travers des interactions physiques nouvelles — des situations où il ne peut pas s'appuyer sur des patterns mémorisés des données d'entraînement — révèlent le plafond. Gemma 4 vous amène solidement à 70-75% du chemin. Qwen vous amène à 85-90%. Pour de nombreuses applications, cette différence n'a pas d'importance. Pour les simulations complexes et les jeux, elle en a.

Les Tests de Bataille en Arène — Performance Agentique en Conditions Réelles

J'ai passé un solide après-midi à faire passer le modèle 31B à travers le mode bataille de LM Arena — des comparaisons en tête-à-tête contre des adversaires anonymes sur une gamme de tâches. C'est là que vous voyez comment un modèle performe quand il ne peut pas s'appuyer sur un entraînement optimisé pour les benchmarks.

Gestion d'état interactive : Je lui ai demandé de construire un tableau de bord multi-onglets avec un état partagé entre les composants. Gemma 4 a géré cela proprement — state lifting correct, gestion du contexte, mises à jour réactives. Le code était bien structuré et maintenable.

Visionneuse produit à 360 degrés : Un affichage produit avec zoom, annotations hotspot et rotation fluide. Le modèle a généré cela à partir d'un seul prompt avec des interactions souris/tactile fonctionnelles. Le positionnement des hotspots était précis, et le comportement du zoom paraissait naturel.

Génération SVG animée : J'ai demandé un papillon animé — le même test que je lance sur chaque modèle. Résultats mitigés. La géométrie des ailes était créative, mais le timing de l'animation semblait mécanique. Qwen 3.6 a produit un mouvement plus organique sur le même prompt. La version de GLM5 était encore meilleure. L'animation SVG semble être une faiblesse persistante dans la lignée Gemma.

Clone de site web : J'ai demandé une page de listings style Airbnb avec du contenu à l'apparence réaliste, des icônes SVG, une mise en forme correcte et une mise en page responsive. C'était étonnamment solide. Le modèle a généré des icônes SVG personnalisées qui semblaient intentionnellement conçues, pas aléatoires. La typographie et l'espacement montraient une véritable conscience du design. La mise en page était responsive. J'estimerais que c'était 85% de ce qu'un développeur frontend de niveau intermédiaire produirait en quelques heures de travail concentré.

Logique de jeu : Un jeu de cartes avec lancer de cartes basé sur la physique, application des règles et scoring. Le modèle a géré la logique du jeu correctement — gestion correcte des tours, calcul des points, validation des règles. La physique des lancers de cartes était simplifiée mais fonctionnelle. Là où il a eu du mal, c'est dans le polissage visuel des animations de cartes.

À travers tous ces tests de bataille, un pattern a émergé de manière consistante : Gemma 4 31B est une excellente machine à premier brouillon. Les décisions structurelles sont solides. L'architecture du code est propre. La sortie initiale vous amène à 75-85% du chemin vers un produit fini. Mais le dernier kilomètre — le polissage des animations, la gestion des cas limites, les interactions subtiles qui font paraître quelque chose professionnel — nécessite souvent un raffinement manuel ou une deuxième passe avec un modèle plus capable.

Capacités Agentiques — La Fonctionnalité Que Google Veut Que Vous Remarquiez

Google fait un pari délibéré avec Gemma 4 : ils veulent que ces modèles soient la fondation des workflows d'IA agentiques. Pas seulement des chatbots. Pas seulement des générateurs de code. Des agents autonomes qui enchaînent des outils, exécutent des plans multi-étapes et synthétisent des résultats à travers différentes modalités.

L'implémentation pratique se manifeste de plusieurs façons.

Premièrement, l'utilisation d'outils est entraînée nativement — pas fine-tunée par-dessus un modèle de base. Quand j'ai mis en place une boucle d'agent simple avec le modèle 31B — chercher sur le web, extraire des données, formater en JSON, passer à l'étape suivante — le modèle a géré les transitions proprement. Il savait quand appeler un outil, comment formater l'entrée et comment interpréter la sortie sans ingénierie de prompts extensive. C'est le genre de comportement qui sépare les modèles sur lesquels on peut réellement construire des agents de ceux qui nécessitent dix pages de prompts système pour utiliser une calculatrice.

Deuxièmement, la sortie JSON structurée est fiable. J'ai lancé cinquante requêtes consécutives demandant des schémas JSON spécifiques — objets imbriqués, tableaux, champs optionnels, contraintes de type — et le modèle 31B a atteint le format correct dans 47 des 50 tentatives. Les trois échecs étaient des problèmes de formatage mineurs, pas des erreurs structurelles. Pour les pipelines d'agents en production où une réponse JSON mal formée fait planter l'étape suivante, cette fiabilité compte plus que n'importe quel chiffre de benchmark.

Troisièmement, la capacité de raisonnement multi-étapes gère bien les tâches composées. J'ai donné au modèle 26B un prompt qui exigeait : analyser une capture d'écran d'un tableau de bord, identifier trois problèmes d'UX, proposer des corrections spécifiques pour chacun et générer le code corrigé. Il a exécuté les quatre étapes de manière cohérente en une seule réponse. Les critiques d'UX étaient spécifiques et actionnables. Les corrections de code adressaient les problèmes réellement identifiés. La chaîne de raisonnement n'a pas dérivé ni perdu le contexte entre les étapes.

Google a aussi introduit ce qu'ils appellent des « agent skills » au sein de l'écosystème de l'app Gemini — essentiellement des comportements agentiques packagés que les modèles Gemma plus petits peuvent exécuter sur l'appareil. Les modèles plus petits E2B et E4B peuvent exécuter ces agent skills entièrement sur un téléphone sans calcul cloud. Enchaîner plusieurs outils. Effectuer des tâches multi-étapes. Combiner les sorties. Tout localement.

Cette vision de l'IA agentique sur appareil est là où les choses deviennent véritablement intéressantes. Imaginez un téléphone qui peut analyser vos photos, extraire du texte de documents, recouper des informations et prendre des actions — le tout sans envoyer un seul octet à un serveur. Nous n'en sommes pas encore totalement là avec les capacités du modèle E2B, mais la fondation architecturale est en place. Et le modèle 26B tournant sur un Mac Studio prouve que le concept fonctionne à des niveaux de capacité supérieurs.

Comment Gemma 4 Se Positionne Face à Qwen 3.5 et Llama 4

Je ne peux pas écrire cette évaluation sans aborder le paysage concurrentiel directement. L'espace de l'IA open source en avril 2026 a trois grands prétendants, et choisir entre eux dépend entièrement de ce que vous construisez.

Choisissez Gemma 4 quand : Vous avez besoin de vitesse d'inférence locale, de déploiement sur appareil ou d'efficacité maximale des tokens. Le rapport vitesse-qualité du modèle 26B MoE est inégalé. Si votre pipeline agentique enchaîne de nombreux appels et que vous payez au token, l'avantage d'efficacité de 2,5x se traduit en argent réel économisé.

Choisissez Qwen 3.5 quand : L'intelligence brute par paramètre est votre priorité. Qwen l'emporte en raisonnement général, tâches multilingues et indice d'intelligence global. Si vous avez besoin d'un modèle qui gère des problèmes nouveaux et imprévisibles — le genre de tâches qui ne correspondent pas proprement aux données d'entraînement — Qwen a actuellement l'avantage.

Choisissez Llama 4 Scout quand : La longueur de contexte n'est pas négociable. Cette fenêtre de contexte de 10 millions de tokens est dans un univers différent des 256K de Gemma 4. Si vous traitez des codebases entières, des documents de la longueur d'un livre ou des ensembles de données massifs en une seule passe, Llama 4 est la seule option.

La différence de licence compte aussi. Gemma 4 et Qwen 3.5 utilisent tous deux Apache 2.0 — liberté commerciale totale sans contraintes. La licence communautaire de Llama 4 introduit un seuil de 700 millions d'utilisateurs actifs mensuels qui n'affectera pas 99% des développeurs mais devient une contrainte réelle si vous construisez quelque chose qui scale de manière virale.

Mon avis honnête : Gemma 4 ne détrône pas Qwen 3.5 en tant que meilleur modèle ouvert global. Mais il n'en a pas besoin. Sa force est l'histoire de l'efficacité — faire 80-90% de ce que fait Qwen tout en utilisant 2,5 fois moins de tokens et en tournant plus vite sur du matériel grand public. Pour des cas d'usage spécifiques, ce compromis est le bon.

Accéder à Gemma 4 — Chaque Option Disponible Maintenant

Mettre la main sur ces modèles est plus facile que pour toute version précédente de Gemma. Google a clairement priorisé l'accessibilité cette fois.

Google AI Studio — Gratuit. Pas de carte de crédit requise. Vous pouvez tester les quatre modèles directement dans le navigateur avec des entrées multimodales. C'est le moyen le plus rapide d'essayer. Google fournit 25$ de crédits API gratuits pour les développeurs qui veulent aller au-delà du playground.

Ollama — Support dès le premier jour. Lancez ollama pull gemma4:26b ou ollama pull gemma4:31b et vous tournez localement en moins d'une minute (après le téléchargement). Pour les modèles edge : ollama pull gemma4:e2b et ollama pull gemma4:e4b.

Hugging Face — Poids complets du modèle disponibles au téléchargement. Toutes les variantes de quantification. Les fine-tunes de la communauté apparaissent déjà.

LM Studio — Déploiement local point-and-click pour quiconque ne veut pas toucher un terminal.

Kaggle — Notebooks et fiches modèles avec des implémentations exemples.

API via l'API Gemini de Google — Pour les déploiements en production. Le prix se situe à environ 0,14$ par million de tokens d'entrée et 0,40$ par million de tokens de sortie en routant via Gemma 4 sur Vertex AI. C'est absurdement bon marché comparé aux modèles fermés frontier.

OpenRouter — Accès API tiers avec des endpoints standardisés. Pratique si vous utilisez déjà OpenRouter pour d'autres modèles et voulez une facturation unifiée.

Kilo CLI — À mentionner spécifiquement pour les workflows agentiques. Le harness Kilo est optimisé pour l'utilisation d'outils et les boucles d'agents, et plusieurs développeurs de la communauté l'ont signalé comme la meilleure expérience pour les capacités agentiques de Gemma 4 spécifiquement.

Pour le déploiement local, le point idéal de quantification semble être Q4_K_M pour le modèle 26B — il préserve la majeure partie de la qualité tout en tenant confortablement sur des machines avec 16 Go+ de mémoire unifiée. Le modèle 31B dense a besoin de plus de marge — 24 Go minimum pour une inférence confortable, et vous voudrez 32 Go+ si vous envoyez des prompts de long contexte.

Ce Dont Personne Ne Parle — Le Virage de l'IA sur Appareil

La plupart de la couverture de Gemma 4 se concentre sur les scores de benchmark du modèle 31B. C'est juste — ces chiffres sont bons, et les benchmarks génèrent des gros titres. Mais je pense que la partie la plus conséquente de cette sortie est ce qui se passe en bas de la gamme de modèles.

Les modèles E2B et E4B représentent quelque chose que j'observe depuis des mois : le moment où l'IA véritablement utile cesse de nécessiter une connexion internet.

L'Android AICore Developer Preview de Google permet aux développeurs d'apps de faire tourner les modèles edge de Gemma 4 directement sur les appareils supportés. Pas à travers une API cloud faisant semblant d'être sur appareil. Réellement sur le silicium à l'intérieur du téléphone. Les modèles supportent le raisonnement multimodal — ils peuvent analyser des images, traiter de l'audio et combiner des insights entre modalités. Sur un téléphone.

Les implications en matière de vie privée sont immédiates et évidentes. Des apps médicales qui analysent des images sans les télécharger. Du traitement de documents qui ne quitte jamais l'appareil. Des assistants personnels qui comprennent votre contexte sans expédier vos données vers un centre de données. Pour les marchés avec des exigences strictes de résidence des données — santé, finance, gouvernement — ce n'est pas une fonctionnalité de confort. C'est une exigence de conformité résolue au niveau du modèle.

Les implications en termes de performance sont tout aussi intéressantes. Pas de latence réseau. Pas de rate limits API. Pas de pannes de service. Le modèle est là quand vous en avez besoin, tournant sur du matériel que vous possédez déjà. Pour les workflows agentiques qui doivent enchaîner plusieurs appels d'inférence rapides, éliminer l'aller-retour réseau pour chaque appel transforme ce qui est architecturalement possible.

J'ai construit principalement avec des modèles hébergés dans le cloud — Claude, GPT, Gemini via des APIs. Et je continuerai à le faire, parce que les modèles frontier gèrent toujours mieux les tâches complexes que tout ce qui tourne localement. Mais les modèles edge de Gemma 4 représentent le début d'une alternative crédible pour une catégorie significative de tâches. Utilisation simple d'outils. Extraction de données structurées. Analyse d'images. Raisonnement multi-étapes sur des problèmes contraints. Ceux-ci n'ont pas besoin d'un modèle cloud à mille milliards de paramètres. Ils ont besoin de quelque chose de rapide, privé et suffisamment bon.

L'avenir n'est pas cloud OU local. C'est une couche de routage qui envoie les tâches simples à votre instance locale de Gemma 4 et les tâches complexes à Claude ou GPT via l'API. Gemma 4 rend cette architecture viable pour la première fois avec des modèles qui sont réellement assez bons pour leur confier du vrai travail.

L'Évaluation Honnête — Où Gemma 4 Échoue

J'ai passé la majeure partie de cet article à mettre en lumière des forces sincères, alors laissez-moi être direct sur les faiblesses. Vous méritez de les connaître avant de vous engager sur Gemma 4 pour tout projet sérieux.

Plafond de génération créative. Sur les tâches nécessitant une véritable nouveauté — simulations physiques, mécaniques de jeu complexes, animations SVG créatives — Gemma 4 se retrouve systématiquement en dessous de Qwen 3.5 et 3.6. L'écart n'est pas énorme, mais il est constant. Si votre travail exige de pousser les modèles en territoire inconnu, vous atteindrez ce plafond.

L'écart de l'indice d'intelligence. Un score de 31 contre les 42 de Qwen sur l'indice d'intelligence holistique se traduit par des différences perceptibles sur les tâches de raisonnement composé. Quand une tâche exige que le modèle enchaîne cinq ou six étapes de raisonnement où chaque étape dépend de la réussite de la précédente, Gemma 4 se trompe plus souvent. Pas fréquemment — mais assez souvent pour que vous le remarquiez dans des pipelines agentiques exécutant des centaines de tâches.

Les capacités multimodales sont fortes mais pas les meilleures de leur catégorie. Les capacités de vision gèrent bien les tâches standard — analyser des captures d'écran, extraire du texte d'images, décrire du contenu visuel. Mais sur les tâches nécessitant un raisonnement visuel profond — comprendre des diagrammes complexes, interpréter des mises en page visuelles ambiguës, synthétiser des insights à travers plusieurs images — j'ai trouvé la sortie moins fiable que ce que j'obtiens de Gemini 3 Pro ou Claude Opus via leurs APIs de vision natives.

Les modèles edge sont limités. Les modèles E2B et E4B sont impressionnants pour leur taille, mais ce sont toujours de petits modèles. S'attendre à ce qu'ils gèrent des workflows agentiques complexes comme le fait le modèle 31B mènera à de la frustration. Ils conviennent mieux à des tâches spécifiques et bien contraintes — pas au raisonnement ouvert.

Documentation et maturité de l'écosystème. Nous sommes le 3 avril 2026 — Gemma 4 est public depuis un jour. L'outillage communautaire, les fine-tunes et les bonnes pratiques n'ont pas eu le temps de se développer. Si vous cherchez des recettes prêtes pour la production et des configurations éprouvées, vous devrez être patient ou construire les vôtres.

Aucun de ces points n'est rédhibitoire. Chaque modèle a des faiblesses. La question est de savoir si les faiblesses chevauchent votre cas d'usage spécifique — et pour de nombreux développeurs, ce ne sera pas le cas.

Ce Que Je Vais Réellement Faire Avec Gemma 4

Je n'écris pas ces évaluations pour classer des modèles sur un leaderboard. Je les écris pour déterminer quels outils méritent une place permanente dans mon workflow et lesquels sont intéressants-mais-pas-pour-moi.

Voici où Gemma 4 atterrit pour moi :

Le modèle 26B MoE entre dans ma configuration d'inférence locale immédiatement. Le rapport vitesse-qualité pour le prototypage, la génération rapide de code et l'extraction de données structurées est le meilleur que j'ai vu d'un modèle exécutable localement. Quand j'ai besoin d'une réponse rapide et que je ne veux pas brûler des crédits API, c'est mon choix par défaut.

Le modèle 31B dense devient mon option secondaire pour les tâches nécessitant plus de profondeur de raisonnement mais où je veux toujours rester en local. Des revues de code complexes. Des suggestions de refactoring multi-fichiers. De l'analyse de contexte long de dépôts entiers. Tout ce qui nécessite de la qualité mais aussi de la confidentialité.

Le modèle E4B entre dans ma liste de tests pour un projet mobile que je planifie — un outil d'analyse de documents sur appareil. S'il peut extraire et raisonner sur le contenu de documents de manière fiable sans connectivité cloud, cela résout une véritable exigence produit avec laquelle je me débats.

Pour mes workflows de programmation agentique principaux — les pipelines d'agents complexes et multi-étapes qui doivent porter des jugements et gérer des situations inattendues — je reste avec Claude Opus et Qwen 3.6 Plus. Ces modèles gèrent toujours mieux les choses difficiles. Mais Gemma 4 vient de réduire la fréquence à laquelle j'ai besoin de les solliciter.

L'histoire de l'efficacité est réelle. L'histoire du déploiement local est réelle. Les capacités agentiques sont sincèrement bonnes, pas des affirmations marketing étirées au-delà de la réalité. L'effort d'IA open source de Google a enfin produit quelque chose qui change ma façon de travailler, pas seulement ma façon de penser aux benchmarks.

Il y a un an, je vous aurais dit d'ignorer Gemma et de vous concentrer sur Llama ou Qwen pour le travail d'IA open source. Aujourd'hui, je vous dirais de tester le modèle 26B sur votre propre matériel avant de prendre cette décision. Vous pourriez être surpris de ce que 3,8 milliards de paramètres actifs peuvent faire quand ce sont les bons 3,8 milliards.

Foire Aux Questions

Gemma 4 peut-il tourner sur un Mac Mini ou MacBook Pro ?

Le modèle 26B MoE tourne bien sur les machines Apple Silicon avec 16 Go+ de mémoire unifiée en utilisant la quantification Q4_K_M via Ollama ou LM Studio. Le modèle 31B dense a besoin de 24 Go minimum. Les modèles edge (E2B, E4B) tournent sur pratiquement tout matériel moderne.

Gemma 4 est-il vraiment gratuit pour un usage commercial ?

Oui. Les quatre modèles sont livrés sous Apache 2.0 — la licence open source la plus permissive disponible. Pas de limites d'utilisateurs actifs mensuels, pas de restrictions d'utilisation acceptable, liberté totale pour les déploiements commerciaux et souverains. Pour la comparaison complète des licences, voir la section d'analyse concurrentielle ci-dessus.

Comment Gemma 4 se compare-t-il à Qwen 3.5 pour la programmation ?

Gemma 4 31B obtient 80% sur LiveCodeBench v6 et génère du code propre et bien structuré. Qwen 3.5 obtient des scores plus élevés sur les métriques d'intelligence générale et gère mieux la résolution créative de problèmes. L'avantage de Gemma 4 est l'efficacité des tokens — il utilise environ 2,5 fois moins de tokens pour des tâches similaires, ce qui le rend significativement moins cher pour les workflows de programmation à haut volume.

Quel est le meilleur moyen d'accéder à Gemma 4 maintenant ?

Google AI Studio offre des tests gratuits basés sur navigateur avec 25$ de crédits API. Pour l'utilisation locale, Ollama fournit un support dès le premier jour — lancez simplement ollama pull gemma4:26b. L'accès API de production via Vertex AI coûte environ 0,14$ par million de tokens d'entrée. Voir le guide d'accès complet ci-dessus pour chaque option disponible.

Devrais-je passer de Llama 4 à Gemma 4 ?

Cela dépend de vos besoins en fenêtre de contexte. Llama 4 Scout offre 10 millions de tokens de contexte — environ 40 fois plus que les 256K de Gemma 4. Si vous traitez des documents massifs ou des codebases entières en une seule passe, Llama 4 reste le meilleur choix. Pour tout le reste — vitesse, efficacité, liberté de licence, déploiement sur appareil — Gemma 4 est l'option la plus forte.

Travaillons Ensemble

Vous cherchez à construire des systèmes d'IA, automatiser des workflows ou faire évoluer votre infrastructure tech ? J'adorerais vous aider.

• Fiverr (builds personnalisés et intégrations) : fiverr.com/s/EgxYmWD
• Portfolio : mejba.me
• Ramlit Limited (solutions entreprise) : ramlit.com
• ColorPark (design et branding) : colorpark.io
• xCyberSecurity (services de sécurité) : xcybersecurity.io