Gemma 4 franchit les 300 millions de téléchargements, faisant des poids ouverts la nouvelle norme du développement de l'IA

Gemma 4 de Google DeepMind a dépassé les 300 millions de téléchargements, selon un message sur X de l'équipe Gemma. Ce chiffre couvre l'ensemble de la famille de modèles, du point d'entrée à 2,3 milliards de paramètres à la variante à mélange d'experts de 31 milliards de paramètres.

Cette étape intervient environ un mois après le lancement de Gemma 4 début avril 2025. Pour contexte, la version précédente, Gemma 3, a mis beaucoup plus de temps à atteindre des chiffres comparables, bien que Google n'ait pas publié de chronologie directe pour comparaison. L'adoption plus rapide suggère que les développeurs se tournent vers les différentiateurs techniques de cette génération : entrée multimodale native, traitement visuel sans encodeur et une fenêtre de contexte d'un million de tokens.

Ce que signifient réellement 300 millions de téléchargements

Les compteurs de téléchargements sur des plateformes comme Hugging Face et Kaggle sont une approximation grossière de l'intérêt, et non une mesure directe de l'utilisation active. Un seul développeur peut télécharger un modèle plusieurs fois pour différentes expériences. Néanmoins, 300 millions est un chiffre rare dans l'IA à poids ouverts : Meta's Llama 3.1 a dépassé les 350 millions de téléchargements cumulés sur l'ensemble de son cycle de vie, et cela a pris la majeure partie de 2024.

Ce qui rend le rythme de Gemma 4 notable, c'est le profil des téléchargements. Les premiers adoptants dans la communauté open source ont tendance à tirer les modèles de niveau léger (2,3B ou 9B) pour un réglage fin sur des tâches spécifiques à un domaine, tandis que les grandes organisations optent pour la variante 31B MoE à déployer dans des pipelines de production. La large gamme signifie que Gemma 4 est utilisé à la fois pour le prototypage rapide et pour servir du trafic réel.

Pourquoi les développeurs changent

Le principal argument de vente de Gemma 4 est son efficacité architecturale. Le modèle 2,3B correspond ou dépasse les performances de son prédécesseur Gemma 3 à 27B de paramètres sur plusieurs benchmarks standard, une amélioration d'environ dix fois du rapport calcul sur sortie. La plus grande variante, avec 31B de paramètres (16B activés par passe avant grâce au routage MoE), tient confortablement sur un seul GPU NVIDIA A100 ou H100 avec de la place pour l'infrastructure de service.

Cela change l'économie de l'auto-hébergement. Une équipe de développement qui aurait eu besoin d'un cluster pour exécuter un modèle propriétaire comparable peut désormais servir Gemma 4 à partir d'une seule instance GPU, réduisant ainsi considérablement les coûts cloud. Pour les organisations qui nécessitent une souveraineté des données ou ont des budgets de latence stricts, le calcul devient convaincant.

L'avantage des poids ouverts

L'essor de Gemma 4 reflète un changement plus large dans la manière dont l'infrastructure d'IA est construite. Les modèles propriétaires comme GPT-4o d'OpenAI et Claude 4 Sonnet d'Anthropic offrent des performances brutes élevées mais nécessitent un accès API avec des coûts, une latence et des politiques de partage de données associés. Les modèles à poids ouverts permettent aux développeurs d'inspecter, de régler finement et de déployer sur leur propre matériel.

L'étape des 300 millions de téléchargements ne signifie pas que Gemma 4 est plus utilisé que GPT-4o : les appels API ne sont pas comptés comme des téléchargements. Mais cela signifie que Gemma 4 est devenu le choix par défaut à poids ouverts pour une partie significative de l'écosystème d'IA auto-hébergé. C'est une position que Google DeepMind entend clairement conserver, compte tenu de l'investissement technique dans l'architecture.

Le message de l'équipe sur X a remercié "les développeurs, les chercheurs et la communauté open source" pour cette étape. La phrase de clôture, "Let's keep building", sert à la fois de remerciement et de signal stratégique.