On le savait tout proche (lire Qant d’hier, 6 décembre), il est désormais dévoilé au grand jour : Google a présenté hier la série de grands modèles de langage (LLM) Gemini. Sundar Pichai, CEO d’Alphabet et de Google, et Demis Hassabis, CEO de Google DeepMind, expliquent qu’il influencera une grande variété de produits Google – à l’instar de Microsoft, qui a distillé GPT-4 dans toute sa gamme de logiciels, hormis les jeux et les réseaux sociaux, sous la marque “Copilot” (lire Expert ci-dessous et Qant du 16 novembre).
En particulier, Gemini sera intégré dans le moteur de recherche de Google, ses produits publicitaires et le navigateur Chrome. Il sera commercialement disponible à partir de début 2024 dans le monde entier, sauf en Europe et au Royaume-Uni. Alphabet explique en effet, pince-sans-rire, être encore en train de chercher un accord avec les régulateurs.
Selon Google, Gemini surpasse GPT-4 dans la plupart des benchmarks (cf. tableau ci-dessous). Cette supériorité est particulièrement marquée dans le raisonnement mathématique, l’analyse de données scientifiques et le code informatique ainsi que la compréhension et l’interaction avec la vidéo et l’audio. Gemini a été conçu dès le départ pour être multimodal. Il a été entraîné sur des données de diverses sources telles que le texte, les images, l’audio et la vidéo. Cette approche diffère de celle d’OpenAI, qui a développé des modèles séparés pour les images et la voix, qu’elle n’a fait converger vers ChatGPT que récemment et partiellement. Les capacités multimodales de GPT-4 n’ont été rendues disponibles que récemment.
Les résultats sont similaires sur les fonctions multimodales. On peut observer toutefois que Google mesure son modèle le plus puissant à une version ancienne du modèle d’OpenAI. Non seulement GPT-4 Turbo fait mieux que GPT-4, mais Gemini Ultra, le modèle le plus puissant, n’est destiné pour l’essentiel qu’aux centres de données et donc aux applications d’entreprise.
Tout Gemini est divisé en trois parties
Deux autres versions moins puissantes ont été présentées, qui seront sans doute bien plus répandues. Gemini Pro alimente désormais Bard, le chatbot de Google. Il sera accessible aux développeurs et aux clients d’entreprise via Google Generative AI Studio ou Vertex AI dans Google Cloud à partir du 13 décembre. Et pour les téléphones, Gemini Nano a été conçu pour fonctionner de manière native sur les appareils Android, y compris hors ligne. Il sera bientôt disponible en aperçu via l’application AICore de Google, exclusive à Android 14 sur le Pixel 8 Pro.
En résumé, quoi qu’en dise le marketing, Gemini ne pulvérisera pas GPT-4 par ses résultats. Tout au plus peut-on noter qu’il est, d’après Google, à la fois plus rapide et moins coûteux à exécuter que les modèles précédents, comme la série Palm. Si les LLM deviennent réellement moins gourmands et mieux optimisés avec le temps, Google pourra donc peut-être battre OpenAI sur les coûts, sinon sur les performances.
Gary Marcus, l’une des stars de la recherche en IA, se demande en réaction si la recherche sur les LLM n’a pas atteint un plateau, après l’effervescence de 2023. “Gates et Altman y ont tous deux fait allusion, et GPT-5 n’est toujours pas là”, observe-t-il : “ Le fait que Google, avec toutes ses ressources, n’ait pas fait exploser GPT-4 pourrait être révélateur.”
Q*, au secours.
Pour en savoir plus :
Source archive Kessel : https://qant.kessel.media/posts/pst_4a9ef88147064c70be6c9c671d64e0dc
