EmbeddingGemma 2 est le modèle de Google destiné à retrouver des contenus par leur sens, y compris lorsqu’une question écrite doit faire ressortir une photographie, un enregistrement ou un document. Présenté le 6 octobre 2026, il intéresse surtout les développeurs qui explorent la recherche locale sans transférer systématiquement toute leur collection vers un service distant.
L’enjeu n’est pas d’ajouter un chatbot à un ordinateur. Il s’agit de retrouver la bonne source avant de demander à un assistant de l’interpréter : un passage vidéo, une image mal décrite ou une note dont le vocabulaire diffère de celui de la requête.
EmbeddingGemma 2 et la recherche par le sens
La fiche officielle du modèle décrit une architecture multimodale modulaire de 740 millions de paramètres, avec un espace partagé de 768 dimensions. Les encodeurs de texte, d’image et d’audio produisent des vecteurs, et non des réponses conversationnelles.
Une application peut comparer le vecteur de la question à ceux des fichiers indexés. Leur proximité indique une relation sémantique possible ; elle ne démontre ni l’exactitude du document ni son actualité, et ne garantit pas une correspondance parfaite.
Cette nuance est importante dans un contexte financier. Retrouver une image ressemblant à un reçu ne prouve pas qu’un paiement a eu lieu. De même, un document consacré à Ethereum peut être pertinent sur le plan thématique tout en contenant des instructions dépassées.
Lire les caractéristiques sans surinterpréter les chiffres
| Élément | Caractéristique publiée | Conséquence pratique |
|---|---|---|
| Fonction | Embeddings multimodaux | Recherche, pas chatbot autonome |
| Architecture | 740 millions de paramètres au total | Ne mesure pas la mémoire de toute l’application |
| Représentation | 768 dimensions, avec options réduites | Comparer stockage et qualité des résultats |
| Cible | Appareils grand public | Vérifier le matériel réellement utilisé |
Le nombre de paramètres ne suffit pas à prévoir la fluidité sur un téléphone abordable. Le processus applicatif, la base de données, les fichiers chargés et les autres services consomment également des ressources.
Il faut distinguer la mémoire au repos, le pic pendant l’indexation et le délai de réponse lors d’une recherche. Une démonstration rapide sur quelques fichiers ne permet pas de conclure pour une collection de vidéos volumineuse ou régulièrement modifiée.
Un composant RAG, pas une solution complète
EmbeddingGemma 2 peut alimenter un système de génération augmentée par récupération. Toutefois, le découpage des documents, les droits d’accès, le classement des résultats et la présentation des sources restent à concevoir.
Notre article sur NeoMME et le Visual RAG permet de situer la recherche visuelle documentaire. Le bon choix dépend des erreurs rencontrées dans les fichiers, pas uniquement de la nouveauté du modèle.
Une collection de factures ne se consulte pas comme un album photo. Pour les factures, une référence exacte peut être plus importante que la proximité conceptuelle ; pour les images, une description naturelle peut retrouver un contenu qui n’a jamais reçu d’étiquette.
Exemple : retrouver un passage dans une vidéo
Imaginons des cours techniques et une question portant sur « le passage où une clé de sécurité est montrée ». Il s’agit d’un exemple de conception, et non d’un test réalisé par notre rédaction avec ce modèle.
L’application devrait proposer des séquences pertinentes accompagnées de références vers les fichiers originaux. Une réponse convaincante rédigée par un assistant n’est pas suffisante : l’utilisateur doit pouvoir ouvrir la source pour vérifier ce qui est réellement montré.
Un protocole d’évaluation doit donc inclure des questions dont la réponse est connue, mais aussi des questions sans réponse dans la collection. Accepter l’absence de résultat est essentiel ; imposer une correspondance à chaque recherche peut masquer des erreurs gênantes.
Ce que montrent les démonstrations Android
Le billet de Google AI Edge présente des démonstrations de recherche dans les médias et les vidéos. Ce sont des exemples du fabricant, pas une évaluation indépendante sur des archives professionnelles ou sur tous les téléphones.
L’annonce distingue aussi les démonstrations de l’intégration prévue dans Android par ML Kit. Une disponibilité annoncée pour les semaines suivantes ne doit pas être considérée comme acquise sur tous les appareils sans vérification supplémentaire.
Les prérequis de Gemma 4 local dans Android Studio constituent un autre éclairage sur l’IA embarquée. Les usages diffèrent toutefois : l’assistance au développement et la production d’embeddings ne représentent pas la même charge de travail.
Traitement local et confidentialité : deux sujets liés
Calculer les représentations sur l’appareil peut réduire les transferts, mais la confidentialité dépend de l’application entière. Une sauvegarde dans le cloud, des journaux de diagnostic ou une synchronisation peuvent encore déplacer des informations sensibles.
L’index lui-même mérite une protection. Les chemins des fichiers, leurs noms et les résultats enregistrés peuvent révéler des informations même sans donner accès au document complet. Les autorisations doivent s’appliquer avant l’affichage des résultats.
Dans quels cas l’évaluer
EmbeddingGemma 2 mérite un essai lorsque l’objectif est de retrouver localement plusieurs types de médias ou de fournir des sources à un assistant. Il est moins évident pour une simple liste structurée dans laquelle une recherche exacte fonctionne déjà très bien.
Le premier essai devrait porter sur un ensemble réduit, représentatif et non sensible, avec des questions définies à l’avance. Il faut comparer les réponses utiles, les omissions, le temps d’indexation et les ressources consommées à la solution existante.
Reste enfin la maintenance : qui met à jour l’index, et comment les fichiers supprimés disparaissent-ils des résultats ? La qualité d’un modèle ne règle pas ces questions. La décision doit porter sur l’expérience complète de recherche, et non sur une démonstration isolée.
