Recherche locale documents, images et audio : un modèle ouvert Google
En bref
Google a publié EmbeddingGemma 2, fondé sur Gemma 4, en poids ouverts sous licence Apache 2.0. Selon Google, il tourne sur portable ou téléphone pour la recherche, le RAG, la classification et le regroupement. Il place texte, code, images, vidéo et audio dans un espace à 768 dimensions, de 270 millions de paramètres (texte et code) à 740 millions en multimodal.
Source : InfoQ - « EmbeddingGemma 2 Expands beyond Text to Support Code, Images, Video, and Audio »
Ce que ça change pour une PME
Une PME type n'a pas à déployer ce modèle maintenant. Si vous avez déjà une recherche interne ou un RAG, Google présente EmbeddingGemma 2 comme un moyen d'indexer documents, captures d'écran, enregistrements, code et vidéo sur un ordinateur portable ou un téléphone, et de les comparer dans un seul espace. Le modèle est conçu pour tourner sur votre matériel ; selon Google, raccourcir les vecteurs réduit la mémoire mais fait baisser la qualité, davantage pour l'image, la vidéo et la parole. Pour la majorité des entreprises de 10 à 250 personnes, rien ne change tant qu'un produit déjà en place ne l'adopte pas.
Ce que vous pouvez faire
- Demandez à votre équipe informatique ou à votre prestataire si la recherche interne calcule les embeddings chez vous ou via une API cloud.
- Si vous testez déjà un RAG local, faites examiner EmbeddingGemma 2 sur Hugging Face et les chiffres de Google sur la qualité après réduction des vecteurs.
- N'attendez pas la même qualité en image, vidéo ou audio qu'en texte si vous réduisez la taille des vecteurs : Google indique une baisse plus marquée pour ces médias.
Parlons de vos gains de temps.
En 20 minutes, on identifie où l'IA peut vous faire gagner du temps ou de l'argent. Offert, sans engagement.