# Qu’est-ce que Google Gemini?

Date: 2023-12-07 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/qu-est-ce-que-google-gemini/

**Answer:** Gemini est la nouvelle famille de modèles d’IA de Google DeepMind, annoncée le 6 décembre 2023, en trois tailles : Ultra, Pro et Nano. Il a été entraîné dès le départ sur du texte, du code, des images, de l’audio et de la vidéo à la fois, et une version ajustée de Gemini Pro alimente maintenant Bard, tandis que le plus grand modèle, Ultra, est encore en tests de sécurité.

Hier, Google a présenté Gemini, que son PDG, Sundar Pichai, décrit comme le modèle le plus performant et le plus polyvalent de l’entreprise jusqu’ici. C’est le premier grand modèle de Google DeepMind, le laboratoire que Google a formé plus tôt cette année. Gemini 1.0 existe en trois tailles, chacune visant une tâche différente, et certaines parties se trouvent déjà dans des produits que vous pouvez utiliser aujourd’hui.

L’idée maîtresse, c’est que Gemini est **nativement multimodal**. « Multimodal » veut dire qu’un modèle peut travailler avec plus d’un type d’entrée, comme du texte et des images. Bien des systèmes antérieurs y arrivaient en entraînant des parties séparées pour chaque type de données et en les réunissant ensuite. Google affirme que Gemini a plutôt été préentraîné sur plusieurs types de données à la fois, puis ajusté avec d’autres exemples multimodaux, pour qu’il raisonne à travers eux dès le départ.

## Trois tailles, trois tâches

| Taille | Conçu pour | Où il se trouve aujourd’hui |
|---|---|---|
| Gemini Ultra | Les tâches les plus complexes | Tests de sécurité; certains partenaires d’abord, diffusion plus large prévue au début de l’an prochain |
| Gemini Pro | Un large éventail de tâches à grande échelle | Une version ajustée fait tourner Bard, en anglais, dans plus de 170 pays et territoires; les développeurs y ont accès à partir du 13 décembre |
| Gemini Nano | Fonctionner sur un appareil, sans le nuage | Pixel 8 Pro, pour les résumés dans l’application Recorder et Smart Reply dans Gboard |

Google présente ce changement de Bard comme sa plus grande mise à niveau depuis son lancement. Les développeurs accéderont à Gemini Pro par Google AI Studio, un outil Web gratuit, et par Vertex AI de Google Cloud. Google prévoit aussi une nouvelle expérience appelée Bard Advanced au début de l’an prochain, qui commencera avec Ultra.

## À quoi ressemble un prompt multimodal?

En même temps que le lancement, Google a publié une vidéo intitulée *Hands on with Gemini* et un billet de blogue pour les développeurs qui explique les prompts qui la sous-tendent. Le billet est utile parce qu’il montre les vraies entrées : des images fixes jumelées à des questions écrites, parfois avec quelques exemples résolus pour montrer au modèle ce qu’on attend de lui.

Une séquence montre trois photos d’une main, puis demande à quel jeu on joue. Une autre montre des images d’une partie de mime et demande le titre du film. Un jeu de gobelets mélangés est découpé en étapes, avec deux tours d’exemple avant que Gemini en tente un seul. Google ajoute franchement que le modèle ne réussit pas toujours le jeu des gobelets.

Vous pouvez reprendre la même structure dès aujourd’hui avec n’importe quel assistant qui accepte des images :

```prompt
[Image 1] [Image 2] [Image 3]
Ces trois photos ont été prises à quelques secondes d’intervalle.
Décris ce qui change de l’une à l’autre, puis explique
ce qui se passe selon toi. Dis à quel point tu en es sûr.
```

L’étape la plus importante est la dernière ligne. Demander à un modèle d’indiquer son degré de certitude rend les suppositions plus faciles à repérer.

> **À essayer :** prenez trois photos d’une tâche simple à la maison, comme préparer du thé, et demandez à un assistant qui accepte les images de décrire la séquence et de nommer l’étape la plus susceptible de mal tourner.

## Une prudence intégrée

Google affirme que Gemini a fait l’objet des évaluations de sécurité les plus poussées de tous les modèles d’IA de Google jusqu’ici, dont des tests de biais et de toxicité et des études de risques comme les cyberattaques et la persuasion. L’entreprise retient aussi Ultra pendant que des équipes rouges externes (*red teams*, des testeurs payés pour trouver les failles) l’examinent et qu’elle peaufine le modèle, notamment à l’aide de rétroaction humaine. C’est pourquoi les résultats les plus impressionnants appartiennent à un modèle que le public ne peut pas encore utiliser.

## Comment Gemini se compare-t-il à GPT-4 jusqu’ici?

Sur papier, Gemini Ultra s’en tire légèrement mieux à de nombreux tests. Google affirme qu’Ultra bat les meilleurs résultats publiés jusqu’ici dans 30 de 32 bancs d’essai largement utilisés, et son rapport technique le compare directement à GPT-4. Le chiffre le plus connu concerne MMLU, un test de style examen qui couvre 57 matières, du droit à la physique. Ultra obtient 90,0 %, juste au-dessus des 89,8 % que les auteurs du test estiment pour des experts humains. Le résultat publié précédemment pour GPT-4 était de 86,4 %.

Lire les petits caractères nuance un peu le portrait. La méthode compte autant que le modèle :

| Méthode MMLU | Gemini Ultra | GPT-4 |
|---|---|---|
| Chaîne de pensée, 32 échantillons (CoT@32) | 90,04 % | 87,29 % |
| Prompt standard à 5 exemples (*5-shot*) | 83,7 % | 86,4 % |

« À 5 exemples » veut dire que le modèle voit cinq questions résolues avant de répondre. « CoT@32 » veut dire qu’il rédige son raisonnement 32 fois et que la réponse la plus constante l’emporte. Avec la méthode plus récente, Ultra mène; avec l’ancienne méthode standard, GPT-4 obtient encore un meilleur score. Les deux lectures figurent dans le propre rapport de Google. Ailleurs, les écarts sont souvent minces; sur un ensemble de problèmes difficiles de mathématiques de compétition, par exemple, Ultra en résout 32 %, contre 30 % pour GPT-4.

Deux autres points remettent les choses en perspective. D’abord, le modèle que vous pouvez utiliser aujourd’hui est Gemini Pro, pas Ultra. Le rapport de Google place Pro devant GPT-3.5 d’OpenAI et à égalité avec plusieurs modèles de pointe, mais pas devant GPT-4. Ensuite, les bancs d’essai sont menés par l’entreprise qui a créé le modèle, dans des conditions qu’elle choisit. C’est un signal utile, mais vos propres tâches sont le vrai test.

Un résumé juste pour aujourd’hui : Bard vient de recevoir ce que Google appelle sa plus grande mise à niveau, et Gemini Ultra semble être, sur papier, un sérieux rival de GPT-4. Bien des gens s’attendent à une comparaison plus claire une fois qu’Ultra sera offert au début de l’an prochain et que des testeurs indépendants pourront essayer les deux côte à côte.

## Sources

- Introducing Gemini: Google’s most capable AI model yet: https://blog.google/technology/ai/google-gemini-ai/
- Gemini: A Family of Highly Capable Multimodal Models: https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf
- How it's Made: Interacting with Gemini through multimodal prompting: https://developers.googleblog.com/2023/12/how-its-made-gemini-multimodal-prompting.html