EmbeddingGemma 2 : Google met la recherche multimodale sur les appareils

Un modèle d’« embeddings » transforme un document, une photo, un son ou une vidéo en une représentation numérique. Des contenus proches se retrouvent alors proches dans cet espace mathématique. Cela permet de rechercher une image avec une phrase, de retrouver un passage dans un dossier technique, ou de rapprocher une note vocale d’un produit ou d’un incident.[1]

Selon Google, EmbeddingGemma 2 place le texte, le code, les images, la vidéo et l’audio dans un même espace de 768 dimensions. La version complète compte 740 millions de paramètres, tandis que les développeurs peuvent ne charger que les encodeurs dont ils ont besoin pour réduire la mémoire consommée.[1][3]

La plupart des moteurs de recherche internes savent surtout traiter du texte. Or, une PME manipule aussi des photos de stock, des factures scannées, des vidéos de chantier, des messages vocaux, des catalogues et des documents techniques. Une recherche multimodale permet, par exemple, d’écrire « appareil présentant une fissure près du connecteur » et de retrouver des photos ou vidéos similaires.

Google indique que le socle texte/code dispose d’un contexte de 8 192 jetons. Le modèle prend également en charge des représentations plus courtes, jusqu’à 128 dimensions, afin de réduire la taille des index. Dans l’exemple donné par Google, un million de vecteurs en 768 dimensions occupent environ 1,5 Go en bfloat16, contre environ 250 Mo en 128 dimensions.[1]

• **Catalogue intelligent** : retrouver un produit à partir d’une photo ou d’une description approximative.
• **Archives média** : rechercher dans des images, interviews, vidéos et enregistrements audio sans tout étiqueter manuellement.
• **Support technique** : rapprocher une photo de panne, une note vocale et une fiche de réparation.
• **Recherche documentaire privée** : interroger procédures, contrats, manuels et code source dans une infrastructure locale.
• **RAG multimodal** : fournir à un assistant IA les documents, images et médias réellement pertinents avant qu’il ne formule une réponse.

Google positionne EmbeddingGemma 2 pour des usages pouvant fonctionner sur l’appareil. Cette approche peut limiter l’envoi systématique de documents sensibles vers un service distant. Elle intéresse particulièrement les organisations qui disposent d’une connexion irrégulière ou qui veulent garder leurs archives dans un serveur privé.[2][3]

Mais « local » ne signifie pas automatiquement « sécurisé ». Il faut encore contrôler les droits d’accès, chiffrer les données, journaliser les recherches, sauvegarder l’index et vérifier que les contenus personnels sont utilisés avec une base légitime.

EmbeddingGemma 2 n’est pas un chatbot autonome. Il sert principalement à **classer, comparer et retrouver** de l’information. Pour produire une réponse complète, il faut généralement l’associer à un modèle génératif, à une application métier ou à un moteur de recherche vectoriel.[1][3]

Les performances annoncées viennent principalement de Google. Une entreprise doit donc tester le modèle sur ses propres fichiers, langues, accents, appareils et contraintes de calcul avant de conclure qu’il est meilleur qu’une autre solution.

Cette sortie renforce une direction importante pour EcoTech : proposer des systèmes d’IA locale et privée qui ne commencent pas par un chatbot généraliste, mais par un besoin utile. La recherche documentaire, le classement d’archives, l’assistance technique et le catalogue multimodal sont des cas plus simples à mesurer et à rentabiliser.

Avant tout déploiement, EcoTech recommande un prototype limité : un seul fonds documentaire, des critères de réussite définis, un test de précision, une mesure de la mémoire et du temps de réponse, puis une décision de généralisation.

EmbeddingGemma 2 montre que l’IA locale ne sert plus uniquement à générer du texte. Un modèle compact peut devenir la couche de recherche d’un catalogue, d’un serveur documentaire ou d’une application métier. Pour une PME, la bonne question n’est donc pas « quel chatbot installer ? », mais « quelles informations devons-nous retrouver plus vite, sans exposer nos données ? »

[1] https://developers.googleblog.com/embeddinggemma-2-the-developer-guide — EmbeddingGemma 2: The Developer Guide [2] https://deepmind.google/blog/embeddinggemma-2-an-open-lightweight-multimodal-embedding-model — EmbeddingGemma 2 — Google DeepMind [3] https://ai.google.dev/gemma/docs/embeddinggemma — EmbeddingGemma documentation