Google annonce que sa famille Gemma a dépassé le milliard de téléchargements, deux ans après son lancement. Au-delà du chiffre, l’entreprise met surtout en avant un écosystème de plus de 100 000 variantes, des déploiements locaux, médicaux et même spatiaux — ce qu’elle appelle désormais le « Gemmaverse ».
Gemma franchit le cap du milliard de téléchargements
Google DeepMind vient d’annoncer un nouveau jalon symbolique pour sa famille de modèles ouverts. Gemma a dépassé le milliard de téléchargements depuis le lancement de la première génération. L’annonce a été publiée le 20 août par Clement Farabet, vice-président chez Google DeepMind, et Olivier Lacombe, directeur produit.
Toutefois, Google insiste immédiatement sur un point : le nombre brut de téléchargements n’est pas forcément la métrique la plus intéressante. L’entreprise préfère mettre en avant ce que les développeurs construisent à partir de ces modèles.
Plus de 100 000 variantes créées par la communauté
Google affirme que les développeurs ont publié plus de 100 000 variantes de Gemma en l’espace de deux ans. Fine-tunes, versions quantifiées, modèles spécialisés ou encore adaptations pour du matériel particulier. C’est cet ensemble que Google désigne désormais sous le nom de Gemmaverse.
L’idée est assez claire : Gemma n’est plus seulement une famille de modèles publiée par Google, mais une base sur laquelle une communauté développe ses propres couches, outils et applications.
Le milliard reste un chiffre difficile à interpréter
Le nombre mérite tout de même plusieurs précautions. Google ne détaille pas la méthodologie utilisée pour arriver à ce milliard. L’entreprise ne publie ni ventilation par modèle, ni par année, ni par plateforme. Gus Martins, ingénieur Developer Relations chez Google, a même précisé que ce total n’incluait pas les intégrations Android et Chrome.
Autrement dit, le chiffre est probablement déjà sous-estimé sur certains canaux, mais il reste impossible de savoir précisément ce qu’un « download » représente dans cette comptabilité.
Un téléchargement n’est pas nécessairement un utilisateur actif ni un déploiement en production.
Impossible de comparer directement Gemma à Qwen
La comparaison avec Qwen est tentante. Alibaba affirmait quelques jours plus tôt que sa famille Qwen avait dépassé 3 milliards de téléchargements. Hugging Face comptabilisait de son côté environ 2,045 milliards de téléchargements pour Qwen en 2026 dans son propre écosystème.
Mais, les deux chiffres ne sont pas directement comparables. Hugging Face explique explicitement que ses statistiques ne mesurent que l’activité sur son Hub, et elles n’incluent pas les appels API, les déploiements privés ou les modèles distribués ailleurs.
Google ne publie pas davantage la liste précise des plateformes utilisées pour calculer son milliard. Il serait donc trompeur de conclure que Qwen est exactement trois fois plus téléchargé que Gemma.
La vraie compétition se joue sur les dérivés
Une autre métrique est probablement plus intéressante : le nombre de variantes créées par les développeurs. Google revendique plus de 100 000 modèles Gemma dérivés sur deux ans. Alibaba avance plus de 300 000 variantes autour de Qwen, tandis que Hugging Face, dans son propre comptage, recense environ 151 000 dérivés Qwen. Les écarts montrent justement pourquoi ces chiffres demandent de la prudence.
Chaque acteur applique une méthodologie différente et observe une partie différente de l’écosystème. Mais, une tendance se dessine : les grands modèles ouverts ne sont plus seulement téléchargés pour être testés, ils deviennent des bases de développement.
Gemma a été conçu pour sortir du cloud
C’est précisément l’une des forces historiques de Gemma. Google a toujours positionné la famille comme une série de modèles suffisamment légers pour fonctionner localement sur différents types de matériel.
Smartphones, ordinateurs portables, stations de travail, Raspberry Pi et infrastructure edge. Cette flexibilité permet à Gemma d’occuper un espace différent des modèles géants qui nécessitent plusieurs GPU haut de gamme pour fonctionner.
L’objectif n’est pas uniquement de maximiser les scores de benchmark. Il est aussi de rendre le modèle suffisamment pratique pour être intégré directement dans un produit.
Gemma tourne désormais… dans l’espace
Google fournit d’ailleurs un exemple assez spectaculaire. Des équipes de la NASA, de Satlyt et de Starcloud utiliseraient Gemma directement en orbite. Les usages mentionnés concernent notamment l’analyse d’images à bord, l’optimisation de la bande passante disponible pour transmettre les données vers la Terre et le routage de communications entre satellites.
L’intérêt est évident.
Dans l’espace, il n’est pas toujours possible d’envoyer toutes les données vers un centre de calcul distant. Traiter une partie de l’information directement à bord peut économiser énormément de bande passante. Toutefois, Google ne précise pas quels modèles Gemma sont utilisés sur chaque plateforme ni depuis quand ces déploiements fonctionnent.
L’IA locale devient particulièrement intéressante dans les environnements contraints
Cette utilisation spatiale illustre bien la philosophie de Gemma. Un modèle compact devient pertinent lorsque la connexion réseau est limitée, coûteuse ou inexistante. C’est aussi le cas dans des régions mal connectées ou sur du matériel embarqué. Google avait déjà mis en avant des projets éducatifs hors ligne et des assistants destinés aux personnes malvoyantes.
Des développeurs ont également fait fonctionner Gemma sur des petits ordinateurs comme le Raspberry Pi pour des tâches de traduction locale. Dans ces scénarios, l’IA n’a pas besoin d’un datacenter permanent pour être utile.
Gemma 4 arrive aussi dans la santé en Inde
Google cite également un déploiement dans Aarogya Setu 2.0, l’application liée à la National Health Authority indienne. Gemma 4 et le Medical Data Toolkit open source de Google y seraient utilisés pour transformer des rapports médicaux complexes en formats numériques standardisés. L’objectif est de faciliter la gestion et le partage des dossiers entre différents prestataires de santé.
Google rappelle que Aarogya Setu 2.0 dépasse les 100 millions de téléchargements sur Android. Ce chiffre concerne toutefois l’application elle-même, pas l’utilisation de Gemma. Il ne faut donc pas l’ajouter mécaniquement au milliard annoncé.
C2S-Scale : une affirmation scientifique à manier avec prudence
Google met également en avant C2S-Scale, un modèle développé avec des chercheurs de Yale. Il s’agit d’un modèle dérivé de Gemma destiné à interpréter le langage moléculaire des cellules. Google affirme que C2S-Scale a permis d’identifier une nouvelle voie thérapeutique contre le cancer, ensuite vérifiée sur des cellules vivantes. L’entreprise présente le résultat comme une première pour un système d’IA capable de produire une nouvelle hypothèse mécanistique thérapeutique ensuite validée biologiquement.
C’est une affirmation importante.
Mais, dans l’annonce consacrée au milliard de téléchargements, Google renvoie surtout vers ses propres publications précédentes. Il faut donc éviter de transformer cette communication en consensus scientifique indépendant sans davantage de validation externe.
MedGemma continue de viser les usages cliniques
La famille comprend également MedGemma, une variante spécialisée dans les données médicales. Google explique que des organisations l’utilisent pour développer des applications liées au triage, à la communication avec les patients ou à l’assistance clinique. Parmi les exemples cités figurent l’All India Institute of Medical Sciences et des systèmes destinés aux professionnels de santé de première ligne dans certaines zones rurales d’Ouganda.
Là encore, Google parle d’applications développées autour de MedGemma, pas nécessairement d’un déploiement massif et uniforme dans tout le système de santé. La nuance compte.
DolphinGemma s’attaque aux communications des dauphins
Le Gemmaverse prend aussi une direction beaucoup plus expérimentale avec DolphinGemma. Développé avec Georgia Tech et le Wild Dolphin Project, le modèle analyse des vocalisations de dauphins et cherche à prédire des séquences sonores.
L’objectif est de mieux comprendre la structure de leurs communications. Google présente le projet comme encore en cours de développement. Nous sommes donc très loin d’un « traducteur dauphin-humain ». Mais, l’expérience montre jusqu’où une architecture relativement légère peut être spécialisée pour un domaine extrêmement particulier.
Awesome Gemma veut organiser tout cet écosystème
Avec plus de 100 000 variantes, la découverte des bons projets devient elle-même un problème. Google lance donc Awesome Gemma, un répertoire officiel hébergé sur GitHub. Il doit servir de point d’entrée vers les principaux modèles, fine-tunes, tutoriels et outils de développement. On y trouve notamment des guides pour Ollama, vLLM et LiteRT, ainsi que des ressources de fine-tuning autour d’Unsloth, Tunix ou MLX.
C’est un mouvement stratégique important. Une famille de modèles ouverte devient d’autant plus attractive qu’elle possède une bonne documentation, des outils simples et un écosystème suffisamment visible.
Ollama joue un rôle clé dans cette démocratisation
Ollama fait justement partie des outils qui ont largement simplifié l’usage local des modèles ouverts. En quelques commandes, un développeur peut télécharger et exécuter Gemma, Qwen, Llama ou d’autres modèles sur sa propre machine. Cette simplicité a contribué à rendre l’IA locale beaucoup plus accessible.
Pour Google, être bien intégré dans ce type d’outil est presque aussi important que publier un bon modèle. La bataille des modèles ouverts se joue aussi dans la facilité d’installation.
Google veut éviter que Gemma ne reste l’ombre de Gemini
La stratégie est intéressante parce que Google développe en parallèle deux familles très différentes. Gemini représente la vitrine propriétaire, accessible dans les produits Google et via les services cloud. Gemma joue le rôle d’alternative ouverte et déployable localement.
Les deux ne répondent pas au même objectif. Gemini doit maximiser les capacités, tandis que Gemma doit maximiser la diffusion et l’adaptabilité. Cette complémentarité permet à Google de rester présent même dans les projets qui refusent d’envoyer leurs données vers un fournisseur cloud.
Qwen reste néanmoins un concurrent redoutable
La montée de Qwen montre que Google ne domine pas pour autant le terrain des modèles ouverts. Hugging Face considère désormais Qwen comme l’une des bases communautaires les plus importantes de son Hub. Le nombre de dérivés y est particulièrement élevé. Les laboratoires chinois ont aussi accéléré énormément sur les modèles ouverts, avec des licences permissives et des performances de plus en plus proches des meilleurs systèmes propriétaires.
Dans ce contexte, le milliard de Gemma représente moins une victoire définitive qu’un signe de bonne santé.
Le vrai indicateur est ce que les développeurs construisent dessus
Google le dit lui-même : le chiffre brut compte moins que l’écosystème. C’est probablement la bonne manière de lire l’annonce. Un milliard de téléchargements impressionne. Mais, un modèle ouvert devient vraiment stratégique lorsque des chercheurs, entreprises et développeurs le modifient, l’intègrent et construisent des produits qui continuent d’exister sans dépendre directement du fournisseur initial.
C’est précisément ce que Google essaie de démontrer avec le Gemmaverse.
Le milliard est donc surtout un marqueur de visibilité. La vraie bataille des modèles ouverts se joue ailleurs : dans le nombre de projets qui choisissent Gemma comme fondation plutôt qu’un modèle concurrent.
