Google publie EmbeddingGemma 2

LLéna

Google a publié EmbeddingGemma 2, un modèle de 740 millions de paramètres qui relie et permet de rechercher des contenus en texte, en code, en image, en audio et en vidéo, selon Turing Post. Il s’agit d’un modèle d’embeddings multimodal : il associe des contenus de formats différents dans un espace de représentation qui permet de les retrouver par leur sens. Le modèle peut indexer directement les médias, au lieu de dépendre uniquement des transcriptions et des légendes qui les accompagnent. Une recherche peut ainsi faire ressortir une information visuelle ou sonore qui ne figure pas dans la description écrite d’une image ou d’un enregistrement. Google propose EmbeddingGemma 2 sous licence Apache 2.0, et indique qu’il peut fonctionner sur un appareil local, plutôt que de nécessiter systématiquement un traitement distant. Sur un Pixel 11 Pro, la version entièrement quantifiée utilise environ 567 mégaoctets de mémoire vive active. Les développeurs peuvent aussi choisir des composants de tailles différentes : 270 millions de paramètres pour le texte et le code, 170 millions supplémentaires pour la vision, puis 300 millions pour l’audio. Le modèle rassemble donc plusieurs modalités de recherche dans un même système, avec des configurations que les développeurs peuvent adapter aux contenus à traiter.