EmbeddingGemma 2 : chercher à travers plusieurs médias
Un espace commun pour les médias
Le 6 octobre 2026, Google a lancé EmbeddingGemma 2, publié sous licence Apache 2.0. Le modèle représente texte, code, images, vidéo et audio dans un même espace vectoriel.
Relier une question à un contenu différent
Un embedding transforme un contenu en nombres afin de comparer sa proximité avec d’autres contenus. Le caractère multimodal pourrait permettre à une requête textuelle de retrouver un extrait sonore ou une image, sans imposer que chaque recherche commence par une description rédigée à la main.
Pour une bibliothèque de ressources ou un projet de jeu, un essai pourrait réunir quelques captures, sons et documents connus. L’équipe définirait à l’avance les éléments attendus pour chaque demande et examinerait aussi les résultats trompeurs : une ressemblance visuelle n’implique pas forcément le même sens métier.
Local ne veut pas dire automatiquement privé
Le choix du modèle ne suffit pas à décrire l’application complète. Index, journaux, télémétrie et éventuels appels externes doivent être examinés pour qualifier un fonctionnement local. Il faut aussi mesurer séparément la qualité de recherche par type de média, ainsi que la mémoire et le temps nécessaires à l’indexation sur le matériel visé.
Rétrospective éditoriale : les faits sont datés dans le texte.