Gemini Ultra est un grand modèle de langage multimodal développé par Google DeepMind, annoncé le 6 décembre 2023 comme composant phare de la famille Gemini 1.0. Il a été positionné comme le modèle d'IA le plus performant de Google, conçu pour des tâches hautement complexes, et a été le premier modèle de langage à surpasser les experts humains au test Massive Multitask Language Understanding (MMLU) portant sur 57 sujets, avec un score de 90 %. Le modèle était un concurrent direct du GPT-4 d'OpenAI, et sa sortie a marqué une escalade significative dans la course à l'IA générative.
La famille Gemini, qui comprend également Gemini Pro et Gemini Nano, a été nommée d'après le mot latin signifiant « jumeaux », symbolisant la fusion de Google Brain et DeepMind en Google DeepMind, ainsi que le projet Gemini de la NASA. Gemini Ultra a été entraîné sur les unités de traitement tensoriel (TPU) de Google et a été conçu pour traiter simultanément plusieurs types de données, notamment le texte, les images, l'audio, la vidéo et le code informatique.
Contexte de développement
Google a d'abord annoncé Gemini lors du discours d'ouverture de Google I/O le 10 mai 2023, le PDG Sundar Pichai le décrivant comme un successeur plus puissant de PaLM 2. Le projet était une collaboration entre DeepMind et Google Brain, qui avaient récemment fusionné sous la direction du PDG Demis Hassabis. Hassabis a souligné que Gemini combinerait les forces du programme AlphaGo de DeepMind, qui a attiré l'attention mondiale en 2016 lorsqu'il a vaincu le champion de Go Lee Sedol, avec des capacités avancées de modèle de langage.
En août 2023, The Information a rapporté que Google visait un lancement fin 2023 et espérait surpasser ses concurrents en intégrant des capacités de texte conversationnel avec la génération d'images alimentée par l'IA. Le cofondateur de Google, Sergey Brin, a été rappelé de sa retraite pour aider au développement, aux côtés de centaines d'ingénieurs de Google Brain et DeepMind. Il a ensuite été crédité comme « contributeur principal » de Gemini. Comme le modèle a été entraîné sur des transcriptions de vidéos YouTube, des avocats ont été sollicités pour filtrer les matériels potentiellement protégés par le droit d'auteur.
Le développement de Gemini s'est accéléré en réponse à la popularité croissante de ChatGPT et GPT-4. OpenAI aurait accéléré son travail sur l'intégration de fonctionnalités multimodales dans GPT-4 après avoir appris le lancement imminent de Gemini. Plusieurs entreprises ont obtenu un accès anticipé à une version précoce du modèle via le service Vertex AI de Google Cloud.
Événement de lancement et disponibilité initiale
Le 6 décembre 2023, Pichai et Hassabis ont annoncé « Gemini 1.0 » lors d'une conférence de presse virtuelle. La sortie comprenait trois modèles : Gemini Ultra pour les tâches hautement complexes, Gemini Pro pour une large gamme de tâches, et Gemini Nano pour les tâches sur appareil. Au lancement, Gemini Pro et Nano ont été intégrés respectivement à Bard et au smartphone Pixel 8 Pro. Gemini Ultra devait alimenter « Bard Advanced » et devenir disponible pour les développeurs de logiciels début 2024.
Google a déclaré que Gemini ne serait pas largement disponible avant l'année suivante en raison de la nécessité de tests de sécurité approfondis. Le modèle n'était disponible qu'en anglais au lancement. Parmi les autres produits dans lesquels Google prévoyait d'intégrer Gemini figuraient Search, Ads, Chrome, Duet AI sur Google Workspace et AlphaCode 2.
Performances de référence et comparaisons
Gemini Ultra aurait surpassé GPT-4, Claude d'Anthropic, Inflection-2 d'Inflection AI, Llama 2 de Meta et Grok de xAI sur divers benchmarks industriels. Gemini Pro aurait surpassé GPT-3.5. La réalisation la plus notable était le score de 90 % de Gemini Ultra au test MMLU, ce qui en faisait le premier modèle de langage à dépasser la performance d'experts humains sur ce benchmark.
Ces affirmations ont rencontré un certain scepticisme de la part de chercheurs qui ont noté que les résultats des benchmarks pouvaient être influencés par une contamination des tests ou des conditions d'évaluation spécifiques. Cependant, Google a maintenu que la performance du modèle représentait une avancée authentique dans les capacités de l'IA.
Intégration et déploiement
Gemini Pro a été mis à disposition des clients de Google Cloud sur AI Studio et Vertex AI le 13 décembre 2023. Gemini Nano a également été mis à disposition des développeurs Android. En janvier 2024, Google s'est associé à Samsung Electronics pour intégrer Gemini Nano et Gemini Pro dans sa gamme de smartphones Galaxy S24.
En février 2024, Bard et Duet AI ont été unifiés sous la marque Gemini, avec « Gemini Advanced with Ultra 1.0 » lancé via un nouveau niveau « AI Premium » du service d'abonnement Google One. Cela a marqué la première disponibilité grand public de Gemini Ultra, qui était auparavant limité à certains développeurs et clients d'entreprise.
Considérations de sécurité et réglementaires
Conformément à un décret exécutif signé par le président américain Joe Biden en octobre 2023, Google a déclaré qu'il partagerait les résultats des tests de Gemini Ultra avec le gouvernement fédéral des États-Unis. De même, l'entreprise était engagée dans des discussions avec le gouvernement du Royaume-Uni pour se conformer aux principes énoncés au sommet sur la sécurité de l'IA à Bletchley Park en novembre 2023.
Hassabis a en outre révélé que DeepMind explorait comment Gemini pourrait être combiné avec la robotique pour interagir physiquement avec le monde. Cela reflétait une tendance plus large dans l'industrie de l'IA vers des systèmes d'IA incarnés.
Développements ultérieurs
En février 2024, Google a lancé Gemini 1.5, le décrivant comme un modèle plus puissant et plus capable que 1.0 Ultra. Les changements comprenaient une nouvelle architecture, une approche de mélange d'experts et une fenêtre de contexte plus large d'un million de jetons. Le même mois, Google a dévoilé Gemma, une gamme plus petite, gratuite et open source de modèles Gemini, largement décrite comme une réponse à Meta et à d'autres qui rendaient leurs modèles d'IA open source.
En décembre 2024, Google a annoncé le nouveau modèle expérimental Gemini 2.0 Flash, qui introduisait des fonctionnalités telles qu'une API Live multimodale pour les interactions audio et vidéo en temps réel, la génération d'images native et des capacités agentiques améliorées. En juin 2025, Google a introduit Gemini CLI, un agent IA open source qui apporte les capacités de Gemini directement au terminal.
Impact et héritage
Le lancement de Gemini Ultra a représenté un moment charnière dans le paysage concurrentiel du développement des grands modèles de langage. Il a démontré que Google pouvait produire des modèles de pointe comparables ou supérieurs à ceux d'OpenAI, et il a accéléré l'intégration des capacités multimodales dans les produits d'IA grand public. Le succès du modèle a également validé la fusion de Google Brain et DeepMind, achevée en avril 2023.
La performance de référence de Gemini Ultra, en particulier sur MMLU, a établi une nouvelle norme pour l'évaluation des systèmes d'IA. Son déploiement à travers l'écosystème de produits de Google, des smartphones aux services cloud, a illustré la stratégie de l'entreprise consistant à intégrer une IA avancée dans les outils quotidiens. Le modèle a également contribué aux débats en cours sur la sécurité de l'IA, la réglementation et le développement responsable de systèmes de plus en plus puissants.