# EmbeddingGemma 2 de Google ajoute la recherche multimodale

> Le modèle à poids ouverts de Google associe textes, code, images, vidéos et audio dans un même espace vectoriel, avec des versions plus petites pour une utilisation sur l’appareil.

Oossa · 2026-10-19 · https://oossa.com/fr/google-s-embeddinggemma-2-adds-multimodal-search

EmbeddingGemma 2 de Google est un modèle à poids ouverts conçu pour la recherche et la récupération d’informations. Il prend en charge les textes, le code, les images, les vidéos et l’audio. Google indique qu’il les associe dans un espace commun de 768 dimensions, ce qui permet aux développeurs de lancer des recherches sur différents types de médias sans gérer des espaces vectoriels distincts. Le modèle est disponible sur Hugging Face sous licence Apache 2.0.

Les développeurs peuvent charger uniquement les encodeurs dont ils ont besoin : le modèle compte de 270 millions de paramètres pour le texte et le code à 740 millions pour une prise en charge multimodale complète. Il est également possible de réduire la dimension des vecteurs pour économiser de la mémoire, mais Google indique qu’à 128 dimensions, la qualité de récupération tombe à environ 75 % pour les images, les vidéos et la parole.

## Les faits

- Licence : Apache 2.0 ; disponible sur Hugging Face.
- À 128 dimensions, Google indique une qualité d’environ 90 % pour le texte et de 75 % pour la récupération d’images, de vidéos et de parole.

## Pourquoi c'est important

Les développeurs qui créent des outils de recherche locaux peuvent utiliser un seul modèle pour retrouver des informations dans des documents et des médias. Toutefois, réduire la dimension des vecteurs pour économiser de l’espace de stockage peut dégrader les résultats des recherches non textuelles ; la source ne fournit pas de résultats de tests indépendants.

## Sources et références

1. [EmbeddingGemma 2 Expands Beyond Text to Support Code, Images, Video, and Audio](https://www.infoq.com/news/2026/10/embeddinggemma-2-multimodal/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-19

Dernière mise à jour: 2026-10-19