Google vient de sortir Gemma 4 12B Unified, un nouveau modèle IA local capable de traiter du texte, des images et de l’audio.

Ce n’est pas un assistant autonome.
Ce n’est pas un agent qui agit seul.
Ce n’est pas un remplacement direct de ChatGPT, Claude ou Gemini Ultra.

Mais c’est peut-être quelque chose de plus important pour beaucoup d’usages réels :

une IA locale assez puissante pour réduire la dépendance au cloud.

Et c’est précisément là que le sujet devient intéressant.

Une sortie fraîche : Gemma 4 12B arrive le 3 juin 2026

Google indique que Gemma 4 12B Unified a été publié le 3 juin 2026.

Ce modèle vient compléter la famille Gemma 4, déjà lancée le 31 mars 2026 avec les versions :

  • E2B
  • E4B
  • 26B A4B
  • 31B

Le 16 avril 2026, Google avait aussi publié des variantes MTP pour accélérer l’inférence.

Il n’existe donc pas, officiellement, de Gemma 4 24B ou Gemma 4 32B.

Les modèles à suivre sont plutôt :

  • Gemma 4 12B Unified
  • Gemma 4 26B A4B
  • Gemma 4 31B Dense

Et les trois restent sous la limite des 35B paramètres, ce qui les rend cohérents avec une logique d’IA locale sérieuse.

Ce que change Gemma 4 12B

Gemma 4 12B est présenté par Google comme un modèle multimodal dense, avec une architecture Unified et encoder-free.

En clair : au lieu de passer par de gros encodeurs séparés pour traiter l’image ou l’audio, le modèle projette directement ces entrées dans le cœur du modèle.

L’objectif est simple :

  • réduire la latence ;
  • simplifier le traitement multimodal ;
  • rendre l’usage local plus réaliste ;
  • permettre du texte, de l’image et de l’audio sur une machine personnelle.

Google indique que Gemma 4 12B peut tourner sur des ordinateurs avec 16 Go de VRAM ou de mémoire unifiée.

C’est là que la promesse devient concrète.

Une IA multimodale locale n’est plus seulement un jouet pour chercheurs ou passionnés avec une machine hors de prix.

Elle commence à viser les laptops sérieux, les stations de travail et les développeurs qui veulent garder leurs données chez eux.

26B A4B : le compromis vitesse / puissance

Le modèle Gemma 4 26B A4B est différent.

C’est un modèle Mixture-of-Experts.

Il contient environ 25,2 milliards de paramètres, mais seulement 3,8 milliards sont actifs pendant l’inférence.

Cela ne veut pas dire qu’il se charge comme un 4B.

Google précise que tous les paramètres doivent quand même être chargés en mémoire.

Mais cela permet au modèle de fonctionner plus vite qu’un dense classique de taille équivalente.

C’est probablement le modèle le plus intéressant pour les usages où l’on cherche un bon compromis :

  • qualité correcte ;
  • vitesse ;
  • coût matériel plus maîtrisé ;
  • usage local ou serveur interne.

31B : le modèle local le plus sérieux de la famille

Gemma 4 31B Dense est le plus puissant de la gamme.

Google le positionne pour :

  • le raisonnement ;
  • le code ;
  • les assistants IDE ;
  • les workflows agentiques ;
  • les usages sur GPU grand public haut de gamme ou station de travail.

Ce modèle ne va pas tourner confortablement sur n’importe quel PC portable.

Mais il entre dans une catégorie intéressante :

des modèles locaux qui commencent à devenir assez bons pour remplacer le cloud sur certains usages précis.

Pas tous.

Mais certains.

Et c’est déjà une bascule.

Le contexte monte à 256K tokens

Gemma 4 apporte aussi un contexte long :

  • 128K tokens pour E2B et E4B ;
  • 256K tokens pour 12B, 26B A4B et 31B.

Ce n’est pas le million de tokens de Claude.

Mais pour un modèle local, 256K tokens est déjà très élevé.

Cela permet d’analyser :

  • de longs documents ;
  • du code ;
  • des dossiers techniques ;
  • des transcriptions ;
  • des fichiers internes ;
  • des contenus multimodaux plus lourds.

C’est l’un des points qui rendent Gemma 4 crédible pour un usage professionnel local.

Les chiffres de performance à regarder avec prudence

Google publie plusieurs benchmarks dans la model card.

Quelques chiffres utiles :

Gemma 4 31B

  • MMLU Pro : 85,2 %
  • AIME 2026 : 89,2 %
  • LiveCodeBench v6 : 80,0 %
  • Codeforces ELO : 2150

Gemma 4 26B A4B

  • MMLU Pro : 82,6 %
  • AIME 2026 : 88,3 %
  • LiveCodeBench v6 : 77,1 %

Gemma 4 12B Unified

  • MMLU Pro : 77,2 %
  • AIME 2026 : 77,5 %
  • LiveCodeBench v6 : 72,0 %

Ces chiffres sont intéressants, mais ils doivent être lus correctement.

Ce sont des benchmarks publiés par Google.

Ils ne prouvent pas que Gemma 4 bat les meilleurs modèles cloud.

Mais ils montrent que Google pousse très fort sur une idée :

faire des modèles locaux qui ne soient plus seulement “corrects”, mais réellement utilisables.

Mémoire nécessaire : local ne veut pas dire léger

C’est le point que beaucoup de posts marketing oublient.

Google donne des estimations mémoire pour l’inférence.

En quantization 4-bit :

  • Gemma 4 12B : environ 6,7 Go
  • Gemma 4 26B A4B : environ 14,4 Go
  • Gemma 4 31B : environ 17,5 Go

En BF16, c’est beaucoup plus lourd :

  • 12B : environ 26,7 Go
  • 26B A4B : environ 57,7 Go
  • 31B : environ 69,9 Go

Donc oui, Gemma 4 est local.

Mais non, cela ne veut pas dire que tout tourne parfaitement sur n’importe quelle machine.

Le 12B est le plus intéressant pour un usage local accessible.

Le 31B vise plutôt les machines puissantes, les développeurs, les workstations ou les serveurs internes.

Est-ce un vrai concurrent aux modèles cloud ?

Oui, mais pas frontalement.

Gemma 4 ne remplace pas les meilleurs modèles cloud sur les tâches les plus complexes.

Il ne faut pas raconter que Gemma 4 enterre GPT, Claude ou Gemini Ultra.

Ce serait faux.

Le vrai sujet est différent :

Gemma 4 attaque les usages où le cloud n’est pas indispensable.

Par exemple :

  • analyse documentaire privée ;
  • code local ;
  • OCR ;
  • résumé de fichiers internes ;
  • prototypes multimodaux ;
  • assistants dans un IDE ;
  • traitement de données sensibles ;
  • usage hors ligne ;
  • applications embarquées ;
  • serveurs IA internes d’entreprise.

Dans ces cas-là, la question devient simple :

pourquoi envoyer ses données au cloud si un modèle local fait suffisamment bien le travail ?

Ce que cela peut changer

Gemma 4 ne tue pas le cloud.

Mais il peut réduire sa nécessité.

C’est probablement le vrai sujet.

Si les modèles locaux deviennent assez bons, assez rapides et assez multimodaux, alors une partie des usages IA peut revenir :

  • sur le PC ;
  • dans l’entreprise ;
  • sur un serveur privé ;
  • dans un outil métier ;
  • dans un IDE ;
  • dans une application locale.

Cela peut peser sur plusieurs marchés :

  • les API cloud payantes ;
  • les assistants IA d’entreprise ;
  • les outils de code ;
  • les solutions de traitement documentaire ;
  • les produits IA qui reposent seulement sur un modèle cloud externe.

Le cloud restera dominant pour les modèles les plus puissants.

Mais il pourrait perdre certains usages du quotidien.

Et pour les utilisateurs, c’est une bonne nouvelle :

  • moins de coût à l’usage ;
  • plus de confidentialité ;
  • moins de dépendance ;
  • plus de contrôle ;
  • possibilité de travailler hors ligne.

Ce qu’il faut retenir

Gemma 4 n’est pas une révolution spectaculaire.

Mais c’est une évolution importante.

Google ne dit pas seulement :

“voici un nouveau modèle.”

Google dit plutôt :

“l’IA locale peut devenir sérieuse.”

Avec Gemma 4 12B Unified, Google apporte un modèle multimodal local capable de traiter texte, image et audio.

Avec Gemma 4 26B A4B, Google propose un compromis efficacité / puissance.

Avec Gemma 4 31B, Google pousse un modèle local plus lourd, pensé pour le code, le raisonnement et les usages professionnels.

La conclusion est simple :

Gemma 4 ne remplace pas les meilleurs modèles cloud.

Mais il rend une question beaucoup plus crédible :

a-t-on vraiment besoin du cloud pour toutes les tâches IA ?

Et si la réponse devient non, une partie du marché pourrait changer.