Qu’est-ce que EmbeddingGemma 2 ?
EmbeddingGemma 2 est un modèle d'embedding ouvert de Google DeepMind, publié le 6 octobre 2026 sous Apache 2.0. Les modèles d'embedding transforment un contenu en vecteurs pour que les logiciels puissent trouver des contenus proches pour la recherche et la génération augmentée par récupération (RAG). Construit sur Gemma 4, il projette texte, code, images, vidéo et audio dans un même espace de 768 dimensions, dans plus de 100 langues.
Il compte 740 millions de paramètres répartis en modules : un modèle de texte de 270 millions de paramètres, un encodeur visuel de 170 millions et un encodeur audio de 300 millions, et les encodeurs désactivés ne sont jamais chargés. Google indique que le modèle quantifié nécessite environ 191 MB de RAM active pour le texte et environ 567 MB pour l'ensemble sur un Pixel 11 Pro. Les entrées partagent une fenêtre de 8 192 tokens, assez pour environ 29 images, 58 images vidéo ou 5,5 minutes d'audio, et les vecteurs peuvent être tronqués à 512, 256 ou 128 dimensions.
EmbeddingGemma 2 vaut-il le coup ?
EmbeddingGemma 2 est assez petit pour indexer les photos, enregistrements et documents d'un téléphone dans un même espace vectoriel sans appel réseau, et c'est tout son argument. L'alternative fermée, le propre Gemini Embedding 2 de Google, fait la même chose sur tous les médias mais facture au token, de 0,20 $ par million pour le texte à 12 $ pour la vidéo. Ce modèle le fait en moins de 600 MB de RAM sous Apache 2.0.
Les gains de qualité se concentrent sur le code. Google annonce une hausse de 9,92 points sur MTEB Code, à 78,68, tandis que le texte multilingue bouge à peine, de 61,15 à 61,36. Ce score textuel est honorable pour la taille mais en deçà de modèles ouverts plus grands : Qwen annonce 64,33 pour son Qwen3-Embedding de 0,6 milliard de paramètres et 70,58 pour le 8B sur le même benchmark. Les résultats de la fiche sur l'image, la vidéo et l'audio sont donnés sans comparaison avec des concurrents, si bien que la revendication de Google d'être en tête parmi les modèles d'embedding multimodaux de moins de 1B est la sienne.
Les choix techniques aident les petits déploiements. Les applications texte uniquement chargent 270 millions de paramètres ; tronquer à 256 dimensions conserve l'essentiel de la qualité textuelle et environ 95 % de la qualité multimodale selon les chiffres de Google. À 128 dimensions, la recherche multimodale n'en garde qu'environ 75 %, ce qui fait de l'économie de stockage de 6x un mauvais compromis pour la recherche de photos.
Un avertissement de la fiche compte plus que n'importe quel benchmark. Le faire tourner en float16 provoque un dépassement et renvoie des NaN ou des vecteurs discrètement dégradés sans lever d'erreur, ce qui passe facilement inaperçu sur les GPU réglés par défaut en fp16.
Là où il fait la différence
Un développeur Android qui construit une application de notes avec mémos vocaux et photos
Permettre aux utilisateurs de chercher dans tout ce qu'ils ont enregistré en tapant une phrase, sans que rien ne quitte le téléphone
Livrer la version LiteRT et indexer sur l'appareil ; les chiffres de Google sur le Pixel 11 Pro placent le modèle complet à environ 567 MB de RAM. Il n'y a aucun coût par requête, mais attendez-vous à environ 75 % de la qualité multimodale si vous tronquez à 128 dimensions pour économiser du stockage.
Une ingénieure dans une entreprise de 50 développeurs qui fait tourner une recherche de code sur un serveur interne sans GPU
Remplacer la recherche par mots-clés dans les dépôts internes par une recherche sémantique
Charger le texte seul (270M de paramètres) en fp32 ou bf16 avec sentence-transformers et utiliser le prompt CodeRetrieval. Le score MTEB Code de 78,68 est le meilleur du modèle ; un million de vecteurs de 768 dimensions occupent environ 1,5 GB en bf16.
Une responsable de la confidentialité chez un prestataire de télésanté
Ajouter une recherche sémantique dans les enregistrements de consultations sans envoyer l'audio vers une API cloud
L'auto-hébergement supprime les frais au token et le traitement par des tiers. L'audio doit être mono à 16 kHz et chaque entrée contient environ 327 secondes, les enregistrements doivent donc être découpés, et Google ne publie aucune comparaison de benchmark audio avec des concurrents.
Avant de vous engager
- Mise en route
- Chargez-le depuis Hugging Face avec sentence-transformers 6.1 ou plus récent, ou récupérez-le via Ollama ou LMStudio. Les requêtes textuelles exigent des préfixes de tâche comme « task: search result | query: » pour une précision optimale.
- Intégrations
- Transformers, sentence-transformers, LiteRT et MediaPipe pour l'embarqué, transformers.js sur WebGPU, Ollama, vLLM, SGLang, MLX, llama.cpp et Qdrant ; Unsloth pour l'affinage.
- Données et confidentialité
- Les poids tournent entièrement sur votre matériel, aucune donnée n'en sort donc. Apache 2.0 (le lien de licence Gemma 4 de la fiche renvoie à la page Apache License 2.0 de Google), et l'usage doit respecter la Gemma Prohibited Use Policy.
- Coût à grande échelle
- Pas de frais de licence ; le coût est le stockage et le calcul. Un million de vecteurs de 768 dimensions occupent environ 1,5 GB en bf16, ou environ 250 MB à 128 dimensions, et le modèle texte seul est assez petit pour l'inférence sur CPU.
- Limites
- Fenêtre d'entrée partagée de 8 192 tokens (environ 29 images, 58 images vidéo à 1 fps ou 327 secondes d'audio). Ne pas faire tourner en float16. Renormaliser après troncature, et utiliser la même dimension pour les requêtes et les documents.
Les points forts
- Texte, code, image, vidéo et audio dans un même espace de 768 dimensions
- Environ 191 MB de RAM active pour le texte seul sur un Pixel 11 Pro
- Les encodeurs inutilisés ne se chargent jamais ; vecteurs tronquables à 512, 256 ou 128
Les points faibles
- Qualité du texte multilingue inchangée depuis la v1 (61,36 contre 61,15)
- Corrompt silencieusement la sortie en float16
- Les benchmarks multimodaux manquent de comparaisons avec des concurrents
Idéal pour
Les développeurs mobiles et embarqués qui construisent une recherche privée ou hors ligne dans du texte, du code, des images et de l'audio.
Alternatives à EmbeddingGemma 2
EmbeddingGemma 2 : questions fréquentes
- EmbeddingGemma 2 vaut-il le coup ?
- EmbeddingGemma 2 rend praticable sur un téléphone une recherche privée et hors ligne dans les photos, mémos vocaux et code, tout en laissant la qualité de récupération textuelle presque exactement là où la version un l'avait laissée. Nous lui donnons 4.3 sur 5.
- Combien coûte EmbeddingGemma 2 ?
- Gratuit sous Apache 2.0, sous réserve de la Gemma Prohibited Use Policy. Pas encore d'API hébergée chez Google ni chez les fournisseurs d'inférence de Hugging Face.
- Quels sont les inconvénients de EmbeddingGemma 2 ?
- Qualité du texte multilingue inchangée depuis la v1 (61,36 contre 61,15); corrompt silencieusement la sortie en float16; les benchmarks multimodaux manquent de comparaisons avec des concurrents.
- À qui s’adresse EmbeddingGemma 2 ?
- Les développeurs mobiles et embarqués qui construisent une recherche privée ou hors ligne dans du texte, du code, des images et de l'audio.
- Combien coûte EmbeddingGemma 2 pour une équipe ou en production ?
- Pas de frais de licence ; le coût est le stockage et le calcul. Un million de vecteurs de 768 dimensions occupent environ 1,5 GB en bf16, ou environ 250 MB à 128 dimensions, et le modèle texte seul est assez petit pour l'inférence sur CPU.
- EmbeddingGemma 2 est-il sûr pour les données de l’entreprise ?
- Les poids tournent entièrement sur votre matériel, aucune donnée n'en sort donc. Apache 2.0 (le lien de licence Gemma 4 de la fiche renvoie à la page Apache License 2.0 de Google), et l'usage doit respecter la Gemma Prohibited Use Policy.
- Quelles sont les meilleures alternatives à EmbeddingGemma 2 ?
- Les alternatives les plus proches que nous avons testées sont Gemini Embedding 2, Qwen3-Embedding and Qwen3-Reranker et all-MiniLM-L6-v2.
Réponses vérifiées le 26 oct. 2026.