Gemma 4 : Google lance une famille open source Apache 2.0 conçue pour les workflows agentiques et le long contexte

Le 2 avril 2026, Google a mis en disponibilité générale Gemma 4, une nouvelle génération de modèles open weights publiés sous licence Apache 2.0. L’événement dépasse le cadre d’une simple mise à jour technique : c’est la première fois que Google choisit une licence OSI-approuvée pour l’ensemble de sa famille Gemma, ouvrant explicitement la voie à une utilisation commerciale sans restriction. Pour les organisations qui construisent des architectures d’IA en interne — agents conversationnels, systèmes RAG, automatisation de flux métier — Gemma 4 apporte une combinaison inédite de performance, de flexibilité de déploiement et de clarté juridique.

La famille se compose de quatre variantes (2 milliards de paramètres effectifs, 4 milliards effectifs, 26 milliards en architecture Mixture-of-Experts et 31 milliards dense) qui couvrent un spectre allant des appareils mobiles aux serveurs GPU de datacenter. Chaque variante est multimodale nativement et prend en charge plus de 140 langues. Ce billet examine les implications concrètes pour les entreprises qui envisagent d’intégrer ces modèles dans leurs systèmes de production.

Une licence Apache 2.0 qui change le calcul stratégique

Avant Gemma 4, les modèles Gemma étaient publiés sous une licence propriétaire de Google qui imposait des restrictions d’usage et ne constituait pas une licence open source au sens de l’Open Source Initiative. Le passage à Apache 2.0 modifie substantiellement l’équation pour les équipes juridiques et techniques des entreprises.

Apache 2.0 signifie concrètement :

• Usage commercial libre, y compris dans des produits SaaS ou des services facturés à des clients tiers
• Droit de modifier les poids, de fine-tuner et de redistribuer des versions dérivées sans reversement à Google
• Aucune clause de partage à l’identique (contrairement aux licences LGPL ou CC-BY-SA parfois utilisées dans l’écosystème open source IA)
• Compatibilité avec la majorité des politiques d’achat logiciel des grandes organisations

Pour les DSI et les directions juridiques, ce point est souvent le premier verrou à lever avant toute évaluation technique. Avec Apache 2.0, ce verrou disparaît. (Source : Google Open Source Blog)

Quatre modèles pour quatre contextes de déploiement

L’architecture de la famille Gemma 4 est construite autour d’un principe : proposer un modèle adapté à chaque contrainte d’infrastructure, sans sacrifier les capacités fondamentales.

Le modèle 26B en architecture Mixture-of-Experts mérite une attention particulière : il mobilise seulement 3,8 à 4 milliards de paramètres par token traité tout en maintenant 26 milliards en mémoire. Ce mécanisme réduit le coût d’inférence sans dégrader la qualité du raisonnement, ce qui le positionne comme un candidat sérieux pour des déploiements à fort volume sur GPU de taille intermédiaire. En quantification Q4_0, le 26B MoE descend à 15,6 Go de VRAM, et le 31B dense à 17,4 Go — des empreintes compatibles avec les GPU NVIDIA A100 ou L40S disponibles chez les principaux fournisseurs cloud. (Source : Google AI for Developers)

Multimodalité native et long contexte : les deux leviers RAG

Gemma 4 traite nativement le texte, les images à résolution variable, la vidéo et — sur les variantes E2B et E4B — l’audio. Cette multimodalité n’est pas un module optionnel ajouté en post-training : elle est intégrée à l’architecture de base, ce qui évite les problèmes d’alignement entre modalités que l’on observe sur des pipelines qui concaténent un encodeur visuel externe à un LLM de texte.

Pour les systèmes de RAG (Retrieval-Augmented Generation), deux caractéristiques sont déterminantes :

• Fenêtre de contexte de 256 000 tokens sur les variantes 26B et 31B : cela correspond à environ 200 000 mots, soit la capacité d’ingérer un rapport annuel complet, un contrat-cadre multi-annexes ou une base documentaire métier substantielle en une seule passe, sans chunking agressif.
• Support de l’OCR et de la compréhension de graphiques : les documents PDF scannés, les tableaux financiers, les schémas techniques peuvent être traités directement sans étape de conversion préalable.

Ces deux points combinés réduisent significativement la complexité d’ingénierie d’un pipeline RAG : moins de pré-traitement, moins de décisions sur la stratégie de découpage, moins de perte d’information à la frontière des chunks. Pour les équipes qui maintiennent des systèmes de Q&R sur documentation interne, c’est un gain d’architecture non négligeable. (Source : Google Blog)

Capacités agentiques et déploiement souverain

Gemma 4 est explicitement conçu pour les workflows agentiques : function calling natif, structured output (sorties contraintes pour l’orchestration), modes de raisonnement configurables et support des system prompts pour la définition de rôles agents. Ces fonctionnalités sont disponibles sans fine-tuning supplémentaire, ce qui abaisse le seuil d’entrée pour les équipes qui souhaitent construire des agents métier internes.

Sur les modèles edge (E2B, E4B), les benchmarks publiés par Google indiquent une inférence à 7,6 tokens par seconde en décodage sur un Raspberry Pi 5 CPU, et jusqu’à 31 tokens par seconde sur un NPU Qualcomm. Ces chiffres permettent d’envisager des agents opérant entièrement hors cloud — sur des terminaux industriels, des postes de travail isolés ou des environnements à contraintes de confidentialité strictes.

Pour les déploiements cloud sur Google Cloud, Gemma 4 est disponible sur Vertex AI, Cloud Run (avec mise à l’échelle à zéro) et GKE. L’offre inclut une compatibilité avec les environnements Sovereign Cloud de Google — dont S3NS en France — et les déploiements Google Distributed Cloud air-gapped pour les organisations soumises à des exigences de résidence des données. Ces options couvrent les contraintes réglementaires du secteur financier, de la santé ou des administrations publiques. (Source : Google Cloud Blog)

Ce que cela change pour les entreprises

Plusieurs implications concrètes méritent d’être distinguées selon le profil de l’organisation :

• Réduction de la dépendance fournisseur : avec des poids téléchargeables et une licence Apache 2.0, une organisation peut héberger Gemma 4 sur sa propre infrastructure et ne pas dépendre d’un quota, d’une API tierce ou d’une politique de prix variable. C’est un argument fort dans les négociations sur la maîtrise des coûts à long terme.
• Continuité du service et confidentialité : un modèle déployé en interne ne transmet aucune donnée à un tiers. Pour les secteurs traitant des données sensibles (cabinets d’avocats, cabinets comptables, hôpitaux, services RH), c’est souvent une condition non négociable que les modèles en API ne peuvent pas satisfaire sans DPA spécifique.
• Adaptation sectorielle via fine-tuning : Apache 2.0 autorise le fine-tuning et la redistribution de versions dérivées. Une organisation peut entraîner Gemma 4 sur son corpus métier, construire un modèle spécialisé et l’intégrer dans ses outils sans aucune restriction de licence.
• Couverture multilingue : le support de 140 langues ouvre la voie à des déploiements globaux sans pipeline de traduction intermédiaire, ce qui simplifie les architectures pour les groupes internationaux ou les éditeurs de logiciels qui adressent plusieurs marchés géographiques.
• Performance par paramètre : selon les benchmarks Arena AI, le modèle 31B se classe troisième des modèles open source mondiaux et surpasse des modèles vingt fois plus grands sur certaines tâches de raisonnement. Pour les équipes qui comparent sur la base du coût d’inférence rapporté à la qualité, c’est un ratio favorable.

Mise à jour Méthode Virtuose

Dans la Méthode Virtuose, nous distinguons les outils IA selon trois axes : la qualité du raisonnement, le contrôle de l’environnement d’exécution, et le coût total de possession. Gemma 4 se positionne favorablement sur les trois axes simultanément, ce qui est rare. Il ne remplace pas les modèles propriétaires les plus avancés pour les tâches de raisonnement complexe à haute valeur ajoutée, mais il constitue une base solide pour les couches d’automatisation — agents de classification, pipelines de traitement documentaire, assistants spécialisés — où le rapport performance/coût/contrôle est déterminant. La combinaison licence Apache 2.0 + multimodalité native + long contexte en fait un candidat de référence pour les architectures RAG que nous recommandons à nos clients dans le cadre des projets d’automatisation interne.

Le lancement de Gemma 4 marque moins une rupture qu’une consolidation : Google confirme que la performance frontier n’est plus réservée aux API propriétaires, et que les organisations qui investissent dans une infrastructure IA souveraine disposent désormais de briques de qualité comparable aux meilleures offres cloud — à condition d’accepter la charge opérationnelle que représente l’hébergement en propre. C’est précisément ce point de bascule qui définit la décision d’architecture pour les dix-huit mois à venir.