Qu’est-ce que Google a annoncé à I/O 2024, et qu’est-ce que cela change pour vous?

Hier, le mardi 14 mai 2024, Google a présenté le discours d’ouverture d’I/O, sa conférence annuelle pour les développeurs. Sundar Pichai, PDG de Google et de sa société mère Alphabet, a commencé par un bref résumé de la position de l’entreprise : « Google est pleinement entrée dans son ère Gemini. » Gemini est la famille de modèles d’IA de Google, et presque toutes les annonces qui ont suivi étaient des façons de la mettre au travail.

Pour la plupart des gens, le plus grand changement touche un produit qu’ils utilisent déjà chaque jour : la recherche Google.

Les annonces en un coup d’œil

Pichai et ses collègues ont couvert beaucoup de terrain. Voici les principaux éléments, avec les personnes qui peuvent les utiliser :

Google a aussi présenté en avant-première Gemini Live, pour des conversations parlées avec Gemini; une version de Gemini Nano, son petit modèle qui fonctionne sur l’appareil, capable de comprendre les images et le son sur Android; une nouvelle génération de ses modèles ouverts Gemma; et l’extension au texte et à la vidéo de SynthID, son filigrane invisible pour le contenu généré par l’IA.

AI Overviews : comment les réponses de l’IA arrivent dans la recherche

Depuis un an, Google teste des réponses de l’IA dans la recherche au moyen d’une expérience appelée Search Generative Experience, ouverte aux personnes qui s’y sont inscrites. Pichai affirme qu’elle a répondu ainsi à des milliards de questions. La fonction, renommée AI Overviews (aperçus de l’IA), est maintenant déployée auprès de tout le monde aux États-Unis, et d’autres pays suivront.

Voici ce qui se passe quand vous faites une recherche. Pour les questions complexes, un modèle Gemini conçu spécialement pour la recherche lit des pages pertinentes et rédige un court résumé en haut des résultats, avec des liens vers les sources pour que vous puissiez en lire davantage. Liz Reid, responsable de la recherche chez Google, a expliqué que le modèle combine l’information à jour, le classement des pages de Google, la capacité de lire de longs contenus et la compréhension des images. Elle a aussi précisé que les aperçus n’apparaîtront pas quand les résultats habituels suffisent; ils visent les questions dont les réponses sont éparpillées sur de nombreux sites.

TechCrunch rapporte que Google s’attend à ce que la fonction atteigne des centaines de millions d’utilisateurs américains cette semaine et plus d’un milliard de personnes d’ici la fin de l’année. Google affirme que les gens ont cliqué sur une plus grande variété de sites Web pendant le test, mais des éditeurs et des critiques craignent que moins de visiteurs se rendent sur les sites dont s’inspirent les résumés.

Veo et Imagen 3 : de la vidéo et des images à partir de texte

Les deux nouveaux modèles créatifs sont génératifs : vous décrivez en mots ce que vous voulez, et le modèle le crée.

Veo génère de la vidéo en 1080p, soit la pleine haute définition, dans de nombreux styles cinématographiques et visuels, et Google affirme que les extraits peuvent dépasser une minute. Il comprend le vocabulaire du cinéma, comme « accéléré » (timelapse) ou des plans aériens d’un paysage, et Google dit qu’il garde les personnes, les animaux et les objets cohérents pendant leurs mouvements. Le cinéaste Donald Glover et son studio, Gilga, l’ont testé pour un projet de film. Chaque vidéo Veo créée dans l’outil VideoFX de Google porte un filigrane SynthID.

Imagen 3 produit des images plus détaillées et plus proches de la photo que les versions précédentes, avec moins de défauts étranges, suit de plus près les longs prompts et gère mieux le texte à l’intérieur des images, une faiblesse connue des générateurs d’images. Google suggère des usages comme des messages d’anniversaire ou des diapositives de titre.

Avec ce genre de modèle, un prompt plus précis donne généralement un résultat plus utile. Comparez :

Vague :  A city at night.
Précis : Timelapse of a rainy city street at night, neon signs reflected
         in puddles, slow aerial shot moving forward, cinematic lighting.

La deuxième version nomme le sujet, le décor, le mouvement de caméra et le style, soit exactement les détails que Veo est conçu pour suivre, selon Google.

Un modèle plus rapide et une mémoire plus longue

Gemini 1.5 Flash s’adresse aux développeurs qui ont besoin de réponses rapides et peu coûteuses en grand volume, comme les applications de clavardage ou le résumé de nombreux documents. Voyez-le comme le membre rapide et abordable de la famille : un peu moins performant que 1.5 Pro, mais conçu pour répondre vite et en quantité, tout en gardant la longue mémoire.

Gemini 1.5 Pro, de son côté, s’améliore en traduction, en programmation et en raisonnement. Sa fenêtre de contexte, la quantité de contenu qu’il peut considérer d’un coup, reste à 1 million de jetons pour tous les développeurs (un jeton est un mot ou une partie de mot; c’est assez pour des centaines de pages ou environ une heure de vidéo), et 2 millions sont offerts en aperçu privé.

Pourquoi c’est important

Pour les utilisateurs ordinaires, les AI Overviews signifient que les réponses de l’IA ne sont plus quelque chose qu’on choisit d’essayer : elles font désormais partie de la page de recherche par défaut pour bien des gens aux États-Unis. Il devient donc plus important que jamais de vérifier les liens derrière un résumé quand la réponse compte.

Pour les créateurs et les développeurs, Veo et Imagen 3 placent Google résolument dans la course à la vidéo et aux images par IA, tandis que Flash réduit le coût de développement avec Gemini. Bien des détails, dont les prix et un accès plus large aux modèles créatifs, restent à venir.

Quelles annonces de Google I/O 2024 pouvez-vous essayer dès maintenant?

Si vous êtes aux États-Unis, vous voyez peut-être déjà les AI Overviews dans la recherche Google, puisque le déploiement commence cette semaine; ils n’apparaissent que pour certaines questions. Si vous êtes abonné à Gemini Advanced, vous pouvez essayer le Gemini 1.5 Pro mis à jour avec sa fenêtre d’un million de jetons, qui vous permet de téléverser de longs documents et de poser des questions à leur sujet.

Les développeurs peuvent tester Gemini 1.5 Flash et le 1.5 Pro mis à jour dans Google AI Studio ou sur Vertex AI, la plateforme d’IA de Google Cloud. Pour Veo et Imagen 3, vous pouvez vous inscrire aux listes d’attente par les outils VideoFX et ImageFX de Google, mais l’accès anticipé est réservé à des créateurs choisis. Ask Photos, Gemini Live et Project Astra sont annoncés, mais pas encore offerts : pour l’instant, il vaut mieux les suivre que les essayer.