Gemini 1.0 : la réponse multimodale de Google (2023)
Google a regroupé ses efforts d'IA sous le nom de Gemini, une famille nativement multimodale destinée à rivaliser avec GPT-4, et a appris à quel point les démos de lancement seraient désormais scrutées.
Le 6 décembre 2023, Google DeepMind a annoncé Gemini 1.0, la réponse la plus directe de l’entreprise à GPT-4. Il fut présenté comme une seule famille en trois tailles, d’une version compacte prévue pour les téléphones jusqu’à un modèle haut de gamme visant franchement la frontière.
Multimodal dès le départ
L’argument de Google était que Gemini était nativement multimodal : plutôt que de greffer le traitement d’images sur un modèle de texte, il avait été conçu dès le début pour travailler avec texte, images, audio et plus. En pratique, c’est une différence de degré plus que de nature, car GPT-4 était déjà multimodal, mais cela indiquait où allait la course des grands modèles de langage : vers des assistants qui traitent différents types d’entrées comme un tout.
Le lancement a aussi réuni les marques d’IA éparses de Google sous un seul nom. L’assistant grand public auparavant appelé Bard est passé sous le label Gemini, et les modèles devaient apparaître dans les produits de Google, de la recherche aux téléphones Android.
La controverse de la démo
L’annonce s’appuyait sur une vidéo léchée où Gemini semblait réagir, en temps réel, à des dessins et des objets. Des reportages ont vite révélé que la démo avait été montée : les consignes étaient en partie du texte, et les réponses accélérées et raccourcies. Google a reconnu que la vidéo n’était pas une capture en temps réel.
L’épisode est devenu une petite leçon de l’époque. Tant d’argent et d’attention pesant sur chaque sortie, les supports de lancement étaient désormais examinés d’aussi près que les modèles, et l’écart entre une démo soignée et le comportement quotidien est devenu une histoire en soi.
Pourquoi c’est important
Gemini a confirmé que la course aux assistants portée par le Transformer était désormais une lutte entre les plus grandes entreprises technologiques, et non le projet d’un seul laboratoire. Google avait les données, la distribution et le matériel pour rivaliser, et Gemini en était le véhicule.
Il a aussi marqué le moment où la multimodalité est devenue un prérequis plutôt qu’un argument phare. À partir de là, on attendait d’un modèle de frontière sérieux qu’il voie et entende, pas seulement qu’il lise.