L'IA locale selon Google débarque sur Mac : tout savoir sur Gallery, Gemma 4 12B et Eloquent

Le 3 juin 2026, Google a discrètement lancé un trio de produits d'IA fonctionnant en local sur Mac : l'application AI Edge Gallery, le modèle Gemma 4 12B et l'outil de dictée AI Edge Eloquent . Plus qu'une simple sortie logicielle, il s'agit d'une offensive stratégique visant à proposer une expérience d'IA locale « clé en main », aussi polie que contrôlée, en opposition frontale avec les librairies ouvertes comme Ollama et LM Studio .

Google AI Edge Gallery : le terrain de jeu local et balisé de Google

AI Edge Gallery est une application open-source et interactive qui permet aux utilisateurs de Mac de faire tourner les modèles Gemma de Google directement sur leur machine, en exploitant la puissance des puces Apple Silicon . Conçue comme une vitrine de l'IA embarquée, l'application propose des exemples prêts à l'emploi, des indicateurs de performance transparents et des liens directs vers la documentation, se positionnant comme une rampe de lancement pour les développeurs . Sa fonction la plus marquante ? La capacité de générer et d’exécuter des scripts à la volée — par exemple pour des tâches d'analyse de données — directement au sein de l’application .

L'application est désormais disponible sur macOS, iOS et Android, mais c'est la version Mac qui révèle une stratégie de curation très affirmée . Contrairement aux bibliothèques ouvertes comme Ollama ou LM Studio, qui permettent de télécharger presque n'importe quel modèle compatible, AI Edge Gallery pour macOS n'expose qu'une liste très restreinte de cinq modèles Gemma triés sur le volet par Google . Comme le rapporte le site 9to5Mac, les modèles disponibles sont : Gemma-4-12B-it, Gemma-4-E2B-it, Gemma-4-E4B-it, une variante Gemma-4 26B, et FunctionGemma-270M . Cette sélection minutieuse est le cœur de la philosophie de Google : un environnement contrôlé, à la qualité garantie .

Le moteur sous le capot : les performances de LiteRT-LM

Sous le capot, tout l'écosystème est propulsé par le moteur d'inférence LiteRT-LM de Google. Il supporte les backends CPU, GPU et NPU sur Linux, macOS et Windows . Le modèle de référence pour les benchmarks de performance reste le Gemma-4-E2B (2,58 Go), et la documentation officielle dévoile ses capacités sur un MacBook Pro M4 :

• CPU : 901 tokens/seconde, 42 Mo de mémoire, 1,1 seconde de latence pour le premier token, 736 Mo de mémoire vive maximale .
• GPU (Metal) : 7 835 tokens/seconde, 160 Mo de mémoire, 0,1 seconde de latence pour le premier token, 1 623 Mo de mémoire vive maximale .

Le bond de vitesse phénoménal avec l'accélération GPU démontre à quel point la pile logicielle de Google est optimisée pour l'API Metal d'Apple Silicon, offrant une expérience quasi instantanée et d'une fluidité exemplaire.

Gemma 4 12B : la puissance multimodale sans encodeur

Publié sous licence Apache 2.0, Gemma 4 12B est la véritable vedette de ce lancement . C’est son architecture qui fait sa différence. Il s’agit d’un transformeur dense, uniquement décodeur (decoder-only), utilisant la même structure avancée que le modèle Gemma 4 31B Dense, bien plus imposant .

L'innovation majeure réside dans sa conception multimodale sans encodeur. La plupart des modèles multimodaux utilisent des encodeurs séparés et volumineux pour la vision (comme un ViT) et l'audio (comme les couches « conformer »), chargés de traduire les données pour le modèle de langage . Gemma 4 12B les élimine totalement . À la place, il utilise :

• Pour la vision : un léger module d'intégration visuelle de 35 millions de paramètres qui remplace le transformeur de vision à 27 couches. Des « patchs » de pixels bruts de 48x48 sont projetés dans l'espace vectoriel du grand modèle de langage par une simple multiplication matricielle, les informations spatiales étant ajoutées via une table de coordonnées factorisées .
• Pour l'audio : les signaux audio bruts sont directement projetés dans le même espace que les tokens de texte, sans aucun encodeur audio séparé .

Cette architecture permet au modèle de traiter nativement texte, images, audio et vidéo au sein d'un flux unique et unifié . Google affirme que cette conception offre des « performances proches de notre modèle 26B MoE avec moins de la moitié de la mémoire », le faisant fonctionner sur des ordinateurs portables grand public dotés de seulement 16 Go de mémoire unifiée .

Les benchmarks confirment cette ambition, montrant un modèle de 12B qui frappe bien au-dessus de sa catégorie. Sur le test de raisonnement de niveau universitaire GPQA Diamond, il atteint un score impressionnant de 78,8, proche de la variante 26B. Sur les benchmarks académiques de type QCM comme MMLU Pro, il atteint 77,2 %, et sur le redoutable test de mathématiques AIME 2026, il culmine à 77,5 % . Sur LiveCodeBench, qui mesure la génération de code, son score de 72,5 % démontre des capacités pratiques robustes dans les flux de travail agentiques et le raisonnement en plusieurs étapes .

AI Edge Eloquent : une dictée gratuite, hors ligne et peaufinée

Le trio est complété par Google AI Edge Eloquent, une application de dictée qui se positionne comme une alternative directe et gratuite aux services de transcription payants . L'application est basée sur les modèles Gemma et est conçue pour fonctionner hors ligne par défaut .

Mais Eloquent ne se contente pas de transcrire. C'est un véritable polisseur vocal automatique. Il « élimine radicalement » les tics de langage comme « euh », corrige la grammaire à la volée et restructure un discours brut et décousu en un texte professionnel et cohérent . Il s'agit donc plus d'un outil de communication que d'une simple prise de notes. La différence fondamentale réside dans son prix : ni abonnement, ni plafond d'utilisation . La version macOS requiert macOS 13.0 ou ultérieur et une puce Apple M1 ou plus récente, même si la fiche App Store précise que certaines fonctionnalités avancées optionnelles peuvent nécessiter un traitement dans le cloud .

Une stratégie en « jardin clos » face aux librairies ouvertes

Ce lancement officialise deux philosophies diamétralement opposées pour l'IA locale. La stratégie de Google est celle du « jardin clos » : un ensemble de modèles triés et approuvés par Google, étroitement intégrés à des applications propriétaires (AI Edge Gallery pour l'exploration, Eloquent pour la dictée) et à un moteur d'inférence unifié (LiteRT-LM), livré avec une interface en ligne de commande et une API Python . L'objectif est d'offrir une expérience grand public transparente, qui « fonctionne tout de suite ».

Cela contraste radicalement avec Ollama et LM Studio, qui privilégient une flexibilité et un choix maximums, fonctionnant comme des librairies ouvertes depuis lesquelles l'utilisateur peut télécharger n'importe quel modèle compatible . Il est d'ailleurs notable que ces deux plateformes supportent déjà le modèle ouvert Gemma 4 12B, preuve que le modèle de Google n'est pas exclusif à son propre écosystème logiciel .

L'avantage de Google réside dans l'optimisation de première main : ses propres modèles sont finement réglés pour son propre moteur d'inférence sur Apple Silicon, garantissant de meilleures performances et une utilisation mémoire réduite. Pour l'utilisateur, le compromis est clair : il gagne une expérience intégrée plus aboutie, mais perd la liberté d'exécuter des modèles autres que ceux de la famille Gemma. Google cherche ainsi à séduire les utilisateurs qui privilégient la fiabilité et la simplicité d'usage à la liberté d'expérimentation, créant une bifurcation nette dans le paysage de l'IA locale sur Mac.