Que peut faire l'IA sans le réseau de Google ?

Le modèle de base de Gemma 4 peut inférer, analyser des images et écrire du code, prenant en charge à la fois les PC et les smartphones.

Gemma 4 est un langage de modélisation à grande échelle (LLM) développé par Google DeepMind. Il s'agit d'une famille de modèles open source permettant un traitement local sans connexion Internet. Les utilisateurs peuvent le télécharger, le personnaliser et le déployer sur leurs ordinateurs ou appareils mobiles.

La gamme Gemma 4 se décline en quatre versions : E2B, E4B, 31B et 26B A4B. Les versions E2B et E4B nécessitent au minimum 4 à 6 Go (4 bits) ou 10 à 16 Go (16 bits) de RAM, ce qui les rend compatibles avec les appareils mobiles et les ordinateurs de configuration moyenne. La version 26B A4B requiert quant à elle au minimum 18 Go de RAM, et la version 31B, au moins 20 Go.

D'après MindStudio , l'un des avantages de l'exécution locale des modèles d'IA réside dans la sécurité et l'absence de coûts supplémentaires. Toutefois, les performances de ces modèles dépendent du matériel de l'appareil. Les utilisateurs mobiles peuvent installer l'application Google AI Edge Gallery (illustrée), tandis que les ordinateurs nécessitent des outils tels que LM Studio ou Ollama. Photo : Google .

LM Studio sur PC permet de sélectionner et de charger Gemma 4 dès le premier lancement. La version E4B pèse environ 6,3 Go et prend en charge l'inférence et l'analyse d'images. Sur mobile, Gemma 4 E4B pèse 3,6 Go lorsqu'il est téléchargé via Google AI Edge Gallery.

Une fois le téléchargement terminé, l'utilisateur est redirigé vers une interface de type chatbot. Dans la section de sélection du modèle ci-dessous, cliquez sur Gemma 4 E4B . Dans la fenêtre suivante, sélectionnez Charger le modèle et patientez environ une minute le temps que le modèle démarre.

À l'instar d'autres modèles populaires, le Gemma 4 E4B prend en charge l'interaction en vietnamien. Testé sur un Mac mini M4 (16 Go de RAM) avec la commande « Bonjour », le modèle a mis environ 8 secondes à comprendre et à répondre.

Lorsqu'on lui a demandé « Que peux-tu faire ? », Gemma 4 E4B a mis environ 13 secondes à comprendre et à traduire immédiatement la commande en anglais, puis à écrire progressivement la réponse.

Comme il s'exécute directement sur l'appareil, le temps de réponse du modèle peut varier selon le matériel. À la question « Que pouvez-vous faire ? », le modèle a mis environ 45 secondes à fournir une réponse complète sur un iPhone 15 Pro.

Une autre question de raisonnement à laquelle on a répondu rapidement et avec précision était par exemple : « Un train part à 8 h 15 et arrive à 11 h 47. Combien de temps a duré le trajet ? ». En général, les énoncés de raisonnement simples comme celui-ci ne sont pas trop compliqués pour la nouvelle génération de titulaires d’un LLM.

Testée avec une question logique du type « Combien y a-t-il de "r" dans le mot "fraises" ? », cette question avait déconcerté de nombreux étudiants en droit (LLM) auparavant, mais Gemma 4 E4B n'a mis que 3 secondes environ pour y répondre correctement.

Face à une question plus complexe, après un raisonnement minutieux, Gemma 4 a répondu correctement. Son temps de réflexion total était de 1 minute et 6 secondes, ce qui est relativement court pour un modèle hors ligne. À titre de comparaison, Gemini 3 a mis environ 15 secondes et GPT-5.5 un temps similaire.

Le principal atout de Gemma 4 E4B réside dans ses capacités multimodales, notamment la prise en charge de l'entrée d'images. Par exemple, LLM peut analyser des images et répondre à des questions concernant les points de repère, les détails saillants, ainsi que les conditions météorologiques et climatiques présentes sur l'image.

Lorsqu'on lui a demandé d'extraire tout le texte d'une image de page de magazine, Gemma 4 a mis un peu plus de 30 secondes pour fournir le résultat. Ce délai est comparable à celui d'autres moteurs de recherche en ligne couramment utilisés.

Sur l'application pour smartphone, les utilisateurs doivent sélectionner une fonctionnalité depuis l'interface principale (Chat IA, Analyse d'images, etc.), puis choisir un modèle à utiliser. Comme elle repose sur le GPU, l'appareil peut chauffer pendant le processus d'inférence de l'IA.

Les utilisateurs peuvent également importer des fichiers de documents, aux formats DOCX ou PDF, puis demander une analyse ou un résumé de texte. Selon les représentants de Google, la nouvelle génération de modèles contrôle efficacement la génération des chaînes de caractères. Ce modèle limite les processus de réflexion inutiles, réduisant ainsi la charge de calcul sur les cartes graphiques et la mémoire de l'ordinateur.

Gemma 4 est également programmable. Lors d'une expérience, le modèle a été chargé d'utiliser HTML, CSS et JavaScript pour créer un système d'exploitation fonctionnant directement dans le navigateur. Les utilisateurs devaient augmenter la longueur du contexte avant le démarrage afin de garantir que le modèle fournisse une réponse complète. Malgré cela, l'IA pouvait encore commettre des erreurs si le fichier HTML était incomplet, et certains composants de l'application pouvaient ne pas fonctionner.

En général, les commandes nécessitant plusieurs étapes ou des données complexes peuvent poser problème à Gemma 4. Certaines commandes peuvent consommer un grand nombre de jetons de traitement. Définir des limites de jetons trop élevées peut entraîner une forte consommation de RAM ou de VRAM.

Source : https://znews.vn/ai-khong-can-internet-cua-google-lam-duoc-gi-post1652142.html