La famille Gemma

Gemma 4 en un tableau

D'après la documentation officielle (ai.google.dev, consultée le 2026-10-15), Gemma 4 existe en cinq tailles. Toutes acceptent texte et images ; l'audio est natif sur E2B, E4B et 12B.

Modèle	Type	Contexte	Usage visé
Gemma 4 E2B	« effectif » 2 milliards de paramètres	128K	mobile, navigateur, objets connectés
Gemma 4 E4B	« effectif » 4 milliards	128K	portable, petit serveur
Gemma 4 12B	dense	256K	poste avec GPU grand public
Gemma 4 26B A4B	mélange d'experts (MoE)	256K	serveur, bon rapport qualité/vitesse
Gemma 4 31B	dense	256K	qualité maximale de la famille

Quelques mots de vocabulaire :

Paramètres : les nombres appris par le modèle ; « 31B » signifie 31 milliards (billion). Plus il y en a, plus le modèle est capable en général, et plus il demande de mémoire.
E (effective) : les modèles E2B et E4B sont conçus pour se comporter, en coût de calcul, comme des modèles de 2 et 4 milliards de paramètres actifs.
MoE et A4B : un mélange d'experts contient plusieurs sous-réseaux (« experts ») et n'en active qu'une partie pour chaque token. « 26B A4B » : 26 milliards de paramètres au total, environ 4 milliards actifs par token. Il faut de la mémoire pour les 26 milliards, mais le calcul ressemble à celui d'un modèle de 4 milliards.
Contexte : la quantité de texte (en tokens) que le modèle peut lire d'un coup ; 128K ≈ 128 000 tokens.

flowchart LR
  G["Gemma"] --> G4["Gemma 4"]
  G --> GP["Versions précédentes"]
  G --> GV["Variantes"]
  G4 --> E2["E2B"] & E4["E4B"] & D12["12B"] & M26["26B A4B (MoE)"] & D31["31B"]
  GP --> G3["Gemma 3"] & G3N["Gemma 3n"] & G12["Gemma 1 et 2"]
  GV --> EG["EmbeddingGemma"] & SG["ShieldGemma"] & PG["PaliGemma"] & FG["FunctionGemma"]

« -it » ou pas : base et instruction

Chaque taille existe en deux versions :

pré-entraînée (base, par exemple gemma-4-E2B) : elle complète du texte ; utile comme point de départ pour un affinage (fine-tuning) ;
instruction-tuned (-it, par exemple gemma-4-E2B-it) : affinée pour suivre des consignes et dialoguer. C'est celle qu'on utilise pour un assistant.

Que signifie « 26B A4B » ?

Les variantes spécialisées

Variante	Rôle
EmbeddingGemma	produire des embeddings (vecteurs) pour la recherche sémantique et le RAG
ShieldGemma	classer des contenus selon des politiques de sécurité (garde-fou)
PaliGemma	vision et langage (description d'images, lecture de documents)
FunctionGemma	appel de fonctions (function calling)
Gemma 3n	génération précédente optimisée pour les appareils mobiles

Gemma raisonne avant de répondre

Les modèles Gemma 4 servis par l'API Gemini raisonnent avant de répondre, et le point d'accès compatible OpenAI renvoie ce raisonnement dans le texte, entre balises <thought>…</thought>. Lors de nos essais, les paramètres reasoning_effort (none, low) ont été refusés pour Gemma (Thinking budget is not supported for this model.). Le client du lab retire donc ces blocs avant de noter la réponse :

files/client_llm.py (extrait)

PENSEE = re.compile(r"<(thought|think)>.*?</\1>", re.DOTALL)  # raisonnement renvoyé dans le texte

def nettoyer(texte: str) -> str:
    """Retire les blocs de raisonnement <thought>…</thought> ou <think>…</think>."""
    return PENSEE.sub("", texte or "").strip()

Pourquoi le client retire-t-il les balises <thought> avant la notation ?

Exercice : quel Gemma pour quel poste ?

Choisissez une taille de Gemma 4 pour : (a) une extension de navigateur qui reformule des e-mails hors ligne ; (b) un serveur interne avec un GPU de 24 Go qui répond à une centaine de salariés ; (c) une application qui doit lire des documents de 200 pages en une fois.

Voir la solution

(a) E2B : prévu pour le navigateur et le mobile, il tient en environ 3 Go en 4 bits.
(b) 26B A4B quantifié en 4 bits (environ 14,4 Go de poids selon la documentation) : il laisse de la place au contexte sur 24 Go et répond vite grâce à ses 4 milliards de paramètres actifs. Un 12B est une alternative plus légère.
(c) Un modèle à 256K de contexte (12B, 26B A4B ou 31B). Attention : la mémoire du contexte (cache KV, voir leçon suivante) s'ajoute à celle des poids.

Résultat obtenu

Interrogation le 2026-10-15 de l'API Gemini (SDK google-genai, client.models.list()) : les deux modèles Gemma hébergés et leurs limites.

models/gemma-4-26b-a4b-it 262144 32768 ['generateContent', 'countTokens']
models/gemma-4-31b-it     262144 32768 ['generateContent', 'countTokens']

262 144 tokens en entrée, soit les 256K annoncés ; 32 768 tokens maximum en sortie.

Je sais faire

Citer les cinq tailles de Gemma 4 et leur usage
Expliquer « E », « MoE / A4B » et « -it »
Choisir une variante spécialisée (embeddings, sécurité, vision)
Lister les modèles Gemma accessibles avec ma clé