Google a annoncé Gemma 4 le 2 avril 2026. Deux éléments structurent cette version : quatre variantes couvrant des environnements matériels très différents, et un passage à la licence Apache 2.0 qui lève les restrictions commerciales des générations précédentes. Si vous hésitiez à adopter Gemma pour un projet commercial, ce second point mérite toute votre attention.
Quatre variantes, quatre contextes matériels distincts
La gamme Gemma 4 est conçue pour éviter le compromis habituel entre capacité et déployabilité. Chaque variante cible un niveau de contrainte matérielle précis :
| Variante | Paramètres | Cible matérielle | Cas d’usage typique |
|---|---|---|---|
| E2B | 2 milliards | Smartphone | Inférence embarquée, applications mobiles, environnements avec RAM très serrée |
| E4B | 4,5 milliards | PC grand public | Prototypage local, usage quotidien sur machine standard |
| MoE 26B | 26 milliards (Mixture-of-Experts) | Serveur avec mémoire contrainte | Déploiement serveur optimisé à l’inférence |
| Dense 31B | 31 milliards (dense) | Serveur haute capacité | Tâches exigeantes, inférence haute performance |
La distinction entre le MoE 26B et le dense 31B mérite un mot. L’architecture Mixture-of-Experts du modèle 26B n’active qu’une partie de ses paramètres à chaque passe d’inférence, contrairement à un modèle dense qui sollicite l’ensemble du réseau. Résultat : à capacité de mémoire équivalente, le MoE 26B peut tourner là où le 31B dense ne passerait pas. Si votre serveur est limité en mémoire GPU mais que vous avez besoin d’un modèle de cette taille, le 26B est le choix logique. Pour un serveur bien équipé où la latence brute prime, le 31B dense reste la référence de la famille.
Un point à ne pas négliger pour les projets mobiles : seul l’E2B est conçu pour fonctionner sur smartphone. Les autres variantes ne sont pas viables sur mobile standard, quelle que soit la façon dont elles seraient quantisées.
Ce que la licence Apache 2.0 autorise désormais
Les générations précédentes de Gemma étaient distribuées sous une licence propriétaire Google qui imposait des restrictions à l’usage commercial et à la redistribution. Gemma 4 adopte la licence Apache 2.0, dont les termes sont publics et bien établis dans l’écosystème open source.
Concrètement, Apache 2.0 autorise l’utilisation commerciale sans redevance, la modification du modèle, sa redistribution sous forme d’œuvre dérivée, et son intégration dans des produits ou services. La seule obligation est de conserver les mentions de copyright et de licence dans les fichiers distribués.
Pour un développeur qui avait écarté Gemma 1, 2 ou 3 en raison des contraintes commerciales, cette évolution change l’équation. Gemma 4 peut maintenant être intégré dans un produit facturé, redistribué dans un service managé, ou utilisé comme base d’une offre SaaS, sans négociation avec Google. C’est la rupture réelle de cette génération, bien plus que les chiffres de paramètres.
Ce changement s’inscrit dans un mouvement plus large : d’autres acteurs, comme Mistral AI dont l’État français a sécurisé l’usage dans ses ministères, avaient déjà fait d’Apache 2.0 leur standard de distribution. Google aligne désormais Gemma sur ce référentiel.
Un socle de recherche partagé avec Gemini 3
Google positionne Gemma 4 comme sa famille de modèles ouverts la plus capable à ce jour, en précisant que la famille partage les mêmes travaux de recherche que Gemini 3. C’est une indication utile pour calibrer les attentes : si les techniques d’entraînement, l’architecture de base et les données utilisées sont celles qui ont produit Gemini 3, Gemma 4 hérite d’un socle récent.
Cette affirmation vient de Google et n’est pas encore validée par des benchmarks tiers indépendants. Elle donne un repère de positionnement, mais ne garantit pas les performances sur un cas d’usage précis. Avant d’intégrer une variante de Gemma 4 dans un pipeline critique, une évaluation sur votre propre jeu de données reste la méthode fiable — les scores publiés par l’éditeur ne se transfèrent pas mécaniquement à tous les domaines.
Un écosystème de 100 000 variantes à exploiter avant de fine-tuner
La famille Gemma a cumulé plus de 400 millions de téléchargements et généré plus de 100 000 variantes communautaires depuis la première génération (chiffres Google, non audités). C’est un vivier qui mérite d’être consulté avant de lancer un fine-tuning from scratch : pour de nombreux domaines – traduction, synthèse, code, extraction d’information – des variantes spécialisées existent déjà et peuvent épargner plusieurs semaines de travail.
Cela dit, si votre projet repose sur une variante fine-tunée de Gemma 1, 2 ou 3, une migration vers Gemma 4 n’est pas automatiquement justifiée. Le modèle fine-tuné en production a été optimisé pour votre domaine spécifique ; basculer vers la base Gemma 4 signifie recommencer ce travail d’adaptation. La question à se poser est simple : est-ce que les capacités supplémentaires de Gemma 4 compensent le coût de ce réentraînement ? Si le modèle actuel répond aux besoins, la stabilité a de la valeur.
Pour les projets autour de la montée en compétences sur les modèles de langage, l’arrivée d’une base Apache 2.0 rend aussi la famille Gemma plus utilisable dans des contextes pédagogiques sans friction juridique.
Deux variables orientent le choix : votre contrainte matérielle et votre usage commercial. Sur la première, le tableau ci-dessus est suffisant pour identifier la variante viable. Sur la seconde, Apache 2.0 lève le verrou : si c’était la raison pour laquelle vous ne regardiez pas Gemma, elle ne tient plus. Si votre projet tourne déjà sur une variante fine-tunée des générations précédentes, prenez le temps de peser le coût de migration avant de bouger.