Google Gemma 3n : le nouveau modèle IA open-source optimisé pour une utilisation mobile
Google a récemment dévoilé Gemma 3n, la dernière évolution de sa famille de modèles d’intelligence artificielle Gemma 3. Ce modèle open-source se distingue par son optimisation pour un usage sur appareils mobiles, pouvant fonctionner localement avec seulement 2 Go de RAM, ce qui ouvre de nouvelles perspectives pour l’intégration de l’IA même sur smartphone, à condition que celui-ci dispose d’une puissance de traitement adaptée.
Un modèle multimodal puissant et polyvalent
Gemma 3n est un modèle d’IA multimodal capable de traiter des entrées variées : images, audio, vidéo et texte. Toutefois, sa sortie reste limitée au format texte. En plus de cette polyvalence, il supporte 140 langues pour le texte et 35 langues lorsque les entrées sont multimodales, ce qui en fait un outil multilingue remarquable.
Une architecture innovante pour une performance optimisée
Le modèle repose sur une architecture dite « mobile-first », inspirée du transformeur Matryoshka (ou MatFormer), qui s’apparente aux poupées russes imbriquées. Cette conception innovante permet d’entraîner simultanément deux versions du modèle : E2B avec 2 milliards de paramètres effectifs et E4B avec 4 milliards, bien que la taille totale soit respectivement de 5 et 8 milliards de paramètres.
Cette efficacité est rendue possible grâce à la technique des Per-Layer Embeddings (PLE), qui limite dans la mémoire rapide VRAM uniquement les paramètres essentiels, tandis que les autres sont gérés par le processeur (CPU). Ainsi, les utilisateurs peuvent choisir entre un modèle plus léger pour des réponses rapides ou un modèle plus robuste pour des opérations complexes, sans sacrifier la qualité.
Personnalisation et accessibilité pour les développeurs
Google facilite aussi la personnalisation des modèles via l’outil MatFormer Lab, permettant aux développeurs d’expérimenter différentes configurations pour créer des modèles adaptés à leurs besoins spécifiques.
Gemma 3n est accessible librement sur des plateformes comme Hugging Face et Kaggle, et peut être testé directement depuis Google AI Studio. De plus, son déploiement est simplifié avec la possibilité d’utiliser Cloud Run, facilitant ainsi son intégration dans des infrastructures cloud.
Cette initiative traduit la volonté de Google d’offrir des modèles d’IA performants, flexibles et adaptés aux contraintes des appareils modernes, tout en renforçant l’écosystème open-source.
👉 Source ici