RéponsesPublié19 sources
EmbeddingGemma 2, le modèle multimodal de Google pensé pour tourner sur appareil
Google DeepMind a lancé EmbeddingGemma 2 le 6 octobre 2026. Ce modèle à poids ouverts, fondé sur Gemma 4, dépasse le texte seul pour rendre différents types de contenus comparables dans un espace commun.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Google DeepMind a lancé EmbeddingGemma 2 le 6 octobre 2026. Ce modèle à poids ouverts, fondé sur Gemma 4, dépasse le texte seul pour rendre différents types de contenus comparables dans un espace commun.
- Il traite le texte, le code, les images, la vidéo et l’audio. Son architecture modulaire permet de charger les encodeurs utiles, avec des configurations allant de 270 à 740 millions de paramètres.
- La fenêtre de contexte annoncée atteint 8 000 jetons, contre 2 000 pour la première version.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Google DeepMind’s EmbeddingGemma 2, and how do its release date, open weight license, Gemma 4 architecture, parameter count, support. Article summary: Google DeepMind released EmbeddingGemma 2 on October 6, 2026 as an open weight, multimodal successor to its text only EmbeddingGemma.. Topic tags: general web, llm, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful a
EmbeddingGemma 2 est un modèle d’embeddings de Google DeepMind : il transforme des contenus en représentations numériques afin de pouvoir les comparer ou les retrouver par leur sens. Lancé le 6 octobre 2026, il succède au premier EmbeddingGemma, qui ne traitait que du texte. Cette nouvelle version, fondée sur l’architecture Gemma 4, étend la recherche à plusieurs médias et peut fonctionner directement sur un appareil, sans dépendre nécessairement d’un service cloud. 1
2
Ce qui change par rapport au premier EmbeddingGemma
La première version, parue en septembre 2025, comptait 308 millions de paramètres et reposait sur Gemma 3. EmbeddingGemma 2 atteint 740 millions de paramètres dans sa configuration multimodale complète et est publié avec ses poids sous licence Apache 2.0. 1
3
4
Surtout, le modèle ne se limite plus au texte : il peut traiter le texte et le code, les images, la vidéo et l’audio, y compris des combinaisons de ces formats. 1
5
Un espace commun pour retrouver des contenus différents
Les encodeurs modulaires d’EmbeddingGemma 2 projettent ces contenus dans un même espace vectoriel de 768 dimensions. Concrètement, une application peut comparer une requête écrite à des images, des séquences vidéo ou des fichiers audio, sans devoir assembler plusieurs modèles d’embeddings indépendants. Les développeurs peuvent charger les encodeurs dont ils ont besoin : les configurations annoncées vont de 270 millions de paramètres pour le texte et le code à 740 millions pour l’ensemble des modalités. 1
5
La fenêtre de contexte annoncée est de 8 000 jetons, soit environ quatre fois les 2 000 jetons de la première version. Le nombre de dimensions des vecteurs peut également être réduit : le premier modèle permettait des sorties de 128 à 768 dimensions, et les informations disponibles pour EmbeddingGemma 2 indiquent une réduction possible jusqu’à 128 dimensions. Des vecteurs plus courts peuvent notamment limiter l’espace occupé par les données indexées. 4
6
9
Des performances et une consommation à nuancer
Google présente EmbeddingGemma 2 comme particulièrement performant pour sa taille. Toutefois, les éléments cités ici ne permettent pas d’établir une comparaison chiffrée suffisamment solide entre les résultats de la nouvelle version et ceux de son prédécesseur. 2
6
7
Pour une version quantifiée testée sur un Google Pixel 11 Pro, la mémoire vive active annoncée est d’environ 191 Mo avec la configuration texte seule et 567 Mo avec le modèle multimodal complet. Ces chiffres dépendent de la configuration et du contexte de mesure : ils ne garantissent pas les mêmes besoins sur tous les appareils. 2
3
À quoi peut-il servir — et quelles sont ses limites ?
La mise en commun des modalités ouvre la voie à la recherche sémantique locale dans des notes, des photos, des enregistrements audio ou des vidéos. Elle peut aussi servir à la recherche d’informations pour des applications de génération augmentée par récupération, ou RAG. 2
8
Mais un espace vectoriel partagé ne garantit pas que les résultats retrouvés soient exacts, sûrs ou adaptés. Les applications qui s’appuient sur le modèle doivent toujours prévoir leurs propres protections, notamment pour les contenus sensibles et les correspondances erronées.
Disponibilité
Les poids du modèle sont présentés dans les ressources destinées aux développeurs de Google et sur sa page Hugging Face. Les sources consultées ne permettent pas de confirmer une date pour d’autres modes de distribution ou intégrations à venir. 1
5
8
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « EmbeddingGemma 2, le modèle multimodal de Google pensé pour tourner sur appareil » ?
Google DeepMind a lancé EmbeddingGemma 2 le 6 octobre 2026. Ce modèle à poids ouverts, fondé sur Gemma 4, dépasse le texte seul pour rendre différents types de contenus comparables dans un espace commun.
Quels sont les points clés à valider en premier ?
Google DeepMind a lancé EmbeddingGemma 2 le 6 octobre 2026. Ce modèle à poids ouverts, fondé sur Gemma 4, dépasse le texte seul pour rendre différents types de contenus comparables dans un espace commun. Il traite le texte, le code, les images, la vidéo et l’audio. Son architecture modulaire permet de charger les encodeurs utiles, avec des configurations allant de 270 à 740 millions de paramètres.
Que dois-je faire ensuite en pratique ?
La fenêtre de contexte annoncée atteint 8 000 jetons, contre 2 000 pour la première version.
Sources
blog.googleIntroducing Gemini 2.0: our new AI model for the agentic era
developers.googleblog.comdevelopers.googleblog.com · en · embeddinggemma-2-theEmbeddingGemma 2: The Developer Guide- Google Developers Blog