Cockpit Gouvernance IA Échéances réglementaires UE et veille modèles souverains

 Cockpit Gouvernance IA

Échéances réglementaires UE et veille modèles souverains — poste de pilotage d'Erol Giraudy, Andorre / alignement UE.

DONNÉES ARRÊTÉES AU 18.09.2026
COMPTEURS FIGÉS À CETTE DATE
VEILLE QUOTIDIENNE 07:00

1 — Horloge de conformité · règlement (UE) 2024/1689 révisé

02.12.2026 — double échéance

75jours

Fin du délai de grâce Art. 50 §2 + entrée en application des deux nouvelles interdictions de l'Art. 5

02.12.2026

Annexe III — haut risque

440jours

Systèmes à haut risque « autonomes » : mise en conformité complète

02.12.2027

Annexe I — produits régulés

684jours

IA embarquée dans les produits soumis à législation d'harmonisation

02.08.2028

2 — Frise d'application, après l'omnibus numérique

Vérifié · 18.09.2026

Aucune date n'a bougé — les quatre échéances affichées (02.12.2026, 02.08.2027, 02.12.2027, 02.08.2028) et le maintien de l'Art. 50 au 02.08.2026 avec grâce §2 de quatre mois sont reconfirmés sur la frise officielle de l'AI Act (mise à jour au 31.08.2026) et sur la page « enforcement » de la Commission. Un événement est ajouté à la frise : la publication par le CEN-CENELEC de EN 18286:2026, première norme européenne écrite pour les besoins réglementaires de l'AI Act (système de management de la qualité, Art. 17). Point important : la norme existe et est publiée, mais elle n'est pas citée au JOUE — donc toujours aucune présomption de conformité. Les lignes directrices Art. 6 sur la classification haut risque restent à l'état de projet (19.05.2026).

01.08.2024

Entrée en vigueur du règlement IAPoint de départ de tous les délais.

Passé

02.02.2025

Pratiques interdites + obligation de littératie IAArt. 5 et Art. 4 applicables.

Passé

02.08.2025

Obligations des modèles à usage général (GPAI)Inchangées par l'omnibus.

Passé

10.06.2026

Code de bonnes pratiques — transparence des contenus générésVersion finale publiée par la Commission ; outil volontaire de démonstration de conformité à l'Art. 50, environ 190 signataires fin juillet 2026. Lignes directrices Art. 50 publiées le 20.07.2026.

Volontaire

27.07.2026

Entrée en vigueur de l'omnibus IA — règlement (UE) 2026/1744Reporte le haut risque, élargit les bacs à sable, étend le régime PME aux petites ETI, autorise le traitement de données sensibles pour la détection de biais. Ajoute la supervision GPAI centralisée sur l'AI Office et étend les amendes à 3 % du CA mondial aux manquements à l'Art. 25.Dates fermes :le mécanisme conditionnel proposé par la Commission — application du haut risque suspendue à la disponibilité des normes — a été écarté par le Parlement.

En vigueur

30.07.2026

EN 18286:2026 — première norme européenne AI Act publiéeSystème de management de la qualité pour les fournisseurs de systèmes à haut risque (Art. 17), approuvée par le CEN-CENELEC le 12.07.2026 et annoncée le 30.07.2026. Rupture assumée avec ISO 9001 et EN ISO/IEC 42001.Attention :la publication d'une EN n'active pas la présomption de conformité — seule la citation des références au JOUE le fait, et elle n'a pas encore eu lieu. Les neuf autres domaines de la demande de normalisation restent en chantier.

Pas au JOUE

02.08.2026

Transparence — Art. 50 · sanctions · surveillance du marchéMaintenus à la date initiale : information de l'utilisateur, marquage des deepfakes, divulgation des interactions IA ; régime de sanctions du chapitre XII (jusqu'à 35 M€ ou 7 % du CA) et pouvoirs de surveillance du marché.

Applicable

02.12.2026

Deux nouvelles pratiques interdites — Art. 5 §1 (ba) et (bb)Génération d'images intimes réalistes non consenties et de contenus pédocriminels. Visent les fournisseurs quand la génération est la finalité prévue ou raisonnablement prévisible, les déployeurs quand l'usage est intentionnel ; la génération accidentelle est exclue. Ajouté par l'omnibus.

J−75

02.12.2026

Fin du délai de grâce Art. 50 §2Quatre mois accordés aux systèmes déjà déployés pour le marquage machine-readable. Prochaine échéance.

J−75

02.08.2027

Modèles GPAI mis sur le marché avant le 02.08.2025Art. 111 §3 : fin de la période transitoire. Concerne directement les poids ouverts antérieurs à août 2025 redéployés en interne dès lors que l'organisation bascule en position de fournisseur en aval.

J−318

02.08.2027

Bacs à sable réglementaires nationaux opérationnelsArt. 57, reporté par l'omnibus depuis le 02.08.2026 : chaque État membre doit rendre opérationnel au moins un bac à sable. L'AI Office peut en ouvrir un au niveau européen, avec accès prioritaire aux PME.

J−318

02.12.2027

Annexe III — haut risque autonomeReporté du 02.08.2026. Emploi, éducation, crédit, biométrie, services essentiels. Une première norme est publiée (EN 18286:2026, Art. 17) mais aucune référence n'est encore citée au JOUE : la démonstration reste exigence par exigence.

J−440

02.08.2028

Annexe I — haut risque embarquéReporté du 02.08.2027. Machines, jouets, ascenseurs, dispositifs médicaux.

J−684

3 — Veille modèles compacts & exécution locale

Mistral AI

Ministral 3

3B8B14BApache 2.0

Entrées texte et image, fenêtre de contexte 256K. Licence permissive : déployable on-premise sans clause de réciprocité. Au-dessus, Mistral Small 4 (16.03.2026, MoE 119B dont ~6B actifs, Apache 2.0, 256K) fusionne Magistral, Pixtral et Devstral — hors gabarit poste de travail. Aucune publication compacte nouvelle depuis mars 2026 ; seule entrée récente du changelog éditeur : Mistral OCR 4.1 en disponibilité générale le 31.08.2026.

déc. 2025 · Small 4 : mars 2026

Microsoft

Phi-4

3,8B mini-reasoning15B reasoning-visionpoids ouverts

Orienté mathématiques et raisonnement structuré ; la variante 15B (mars 2026) ajoute la vision et décide seule d'expliciter ou non son raisonnement. Aucune génération Phi-5 publiée à ce jour — revérifié le 18.09.2026 : le nom circule sur des blogs d'hébergeurs GPU, sans aucune annonce Microsoft correspondante.

variante vision : mars 2026

Google

Gemma 4

E2BE4B12B unifié26B A4B31B

Texte, audio et image en entrée. Contexte 128K pour E2B / E4B et 256K pour les 12B, 26B et 31B, d'après la carte modèle éditeur. Le 12B « unifié » du 03.06.2026 reste la dernière publication de la famille — confirmé le 18.09.2026 sur la page officielle des releases, rien depuis ; le 26B est un MoE à 4B actifs.

avr. 2026 · 12B unifié : 03.06.2026

Alibaba

Qwen3.5 Small

0,8B2B4B9BApache 2.0

Reste la gamme compacte de référence : 201 langues, contexte 254K extensible à 1M. La génération suivante, publiée le 14.08.2026 (Qwen3.8-27B dense et vaisseau amiral 2.4T-A95B), ne comporte aucune variante sous 10B — revérifié le 18.09.2026, rien à substituer côté poste de travail. Point de vigilance souveraineté : éditeur hors UE, licences hétérogènes selon les variantes.

2026 · gén. 3.8 : 14.08.2026 (≥ 27B)

Runtime

Ollama 0.34.2

MLXChatGPT Desktopollama://apps

La branche 0.34 est sortie : 0.34.0 le 05.09.2026 (les modèles Ollama deviennent utilisables depuis ChatGPT Desktop, sorties structurées accélérées sur Apple Silicon), puis 0.34.1 le 14.09 et 0.34.2 le 15.09.2026, version stable courante (assistant de première configuration synchronisé macOS / Windows, correctif de fuite mémoire sur le décodage spéculatif MLX). Relevé sur les releases du dépôt officiel.

stable 0.34.2 — 15.09.2026

Meta

Muse Glimmer

30BApache 2.0Llama 3.2 1B/3B

Poids ouverts publiés le 10.08.2026 — Muse Glimmer, 30B distillé de Muse Spark, sous Apache 2.0 et non plus sous licence communautaire, disponible sur Hugging Face, Ollama et LM Studio ; tient sur un GPU grand public en quantification 4 bits. Muse Spark 1.3 est sorti le 02.09.2026, mais en API et CLI seulement ; une version à poids ouverts est promise « bientôt », toujours sans date. Llama 3.2 1B / 3B reste le socle embarqué.

Glimmer 10.08.2026 · Spark 1.3 : 02.09.2026

Provenance des données — arrêté au 18.09.2026.

• Dates réglementaires : frise officielle de l'AI Act (mise à jour au 31.08.2026), page « AI Act enters into force / enforcement » de la Commission et texte consolidé du règlement au 30.08.2026. Art. 50 maintenu au 02.08.2026 avec grâce de quatre mois pour le §2 ; nouvelles interdictions Art. 5 §1 (ba)/(bb) au 02.12.2026 ; échéances du 02.08.2027 : art. 111 §3 pour les modèles GPAI antérieurs, art. 57 pour les bacs à sable.
• Lignes directrices : les orientations de la Commission sur la classification des systèmes à haut risque (Art. 6) restent au stade de projet publié le 19.05.2026 et soumis à consultation ciblée ; aucune version finale adoptée au 18.09.2026. Les lignes directrices Art. 50 (transparence) ont été publiées le 20.07.2026. Côté protection des données, rien de nouveau depuis l'avis conjoint EDPB-EDPS 1/2026 sur la proposition d'omnibus IA.
• Normes harmonisées : EN 18286:2026 (SMQ pour les besoins réglementaires de l'AI Act, Art. 17) approuvée par le CEN-CENELEC le 12.07.2026 et annoncée le 30.07.2026 — première norme européenne publiée au titre de la demande de normalisation. Elle n'est pas citée au JOUE : la page « AI Act standardisation » de la Commission, à jour au 03.08.2026, indique qu'aucune référence n'a encore été publiée, et la publication d'une EN par le CEN-CENELEC n'active pas à elle seule la présomption de conformité. Prochain jalon à surveiller : citation au JOUE, attendue par les commentateurs d'ici la fin 2026.
• Périmètre non couvert ici : les systèmes haut risque déjà sur le marché n'entrent dans le champ qu'en cas de modification substantielle de leur conception (art. 111 §2), avec des butoirs au 02.08.2030 pour les systèmes des autorités publiques et au 31.12.2030 pour les composants des grands systèmes d'information de l'annexe X. Règle de périmètre à vérifier avant tout audit, plus déterminante qu'une échéance lointaine.
• Réserves sur la veille modèles : les sources divergent sur la date de Qwen3.5 (février ou mars 2026) et sur celle de Gemma 4 (31.03 ou 02.04.2026) ; la fiche s'en tient au mois. Versions d'Ollama relevées directement sur les releases du dépôt GitHub officiel.
• Compteurs : les nombres de jours affichés en section 1 sont figés au 18.09.2026 (version statique pour le blog) et ne se mettent pas à jour automatiquement.
• Rien sur cette page ne constitue un conseil juridique. Les dates conditionnent des obligations dont l'application concrète dépend du rôle (fournisseur / déployeur) et du système considéré.

Marque et demarque du contenu généré par l'IA

Comment Claude marque le contenu généré par l’IA.

(Anthropic – conformité Article 50(2) IA Act UE)

Sommaire :

1. Introduction

2. Engagements d’Anthropic

3. Marques lisibles par machine

4. Ce qui est couvert

5. Comment Claude marque le contenu

6. Détection des marques

7. Limitations

8. Pour les développeurs

9. Articles connexes

10. Recherche : suppression des filigranes (watermarks)

11. Un peu plus... et un guide Docker... 

12. Article technique :  https://www.ugaia.eu/p/guide-watermarks-remover.html 

13. Exemples de tableau de bord : le premier - le second plus complexe  et sur une page le T2BI (ce ne sont que des maquettes, j'ai juste testé celui en fin de cette publication - Maquette zero du tableau de bord).

Introduction

Anthropic a signé le Code de pratique sur la transparence du contenu généré par l’IA (Article 50(2) de l’IA Act UE). Cet article explique comment Claude marque le contenu, comment fonctionne la détection, et quelles sont les limitations de ces techniques.

Engagements d’Anthropic en vertu du Code de pratique de l’UE

Ce que cela signifie pour Claude :

• Marquage dès le premier jour. Les modèles Claude lancés dans l’UE à partir du 2 août 2026 intégreront automatiquement un marquage lisible par machine :

  • filigranes intégrés dans le texte,

  • métadonnées de provenance signées dans les fichiers.

• Marquage partout où Claude est utilisé. Claude Platform (API), Claude, Claude Code, Claude Cowork, Claude Tag, et toutes les surfaces mondiales.

• Support de détection. Anthropic fournira des outils pour détecter les marques Claude.

• Modèles existants en cours de mise à jour. Une période de transition est prévue pour les modèles antérieurs à août 2026.

• 
  
  

Marques lisibles par machine dans le contenu généré par Claude

La transparence devient essentielle à mesure que le contenu IA se généralise. Anthropic ajoute donc des marques lisibles par machine dans les textes et fichiers générés.

Ce qui est couvert

Modèles

• Tous les modèles Claude lancés après le 2 août 2026.

• Les modèles plus anciens recevront une mise à jour ultérieure.

Produits

• Claude Platform (API)

• Claude

• Claude Code

• Claude Cowork

• Claude Tag

• Filigranes intégrés → texte

• Métadonnées signées → fichiers (.svg, .png, .jpg)

Partenaires cloud

• AWS

• Google Cloud

• Microsoft Foundry (Certaines plateformes peuvent ne pas supporter les métadonnées signées.)

Régions

• Marquage actif dans le monde entier.

Comment Claude marque le contenu

Claude utilise deux techniques complémentaires :

1. Filigranes intégrés dans le texte

• Filigrane invisible, intégré directement dans le texte.

• Ne modifie ni le sens, ni la qualité, ni la lisibilité.

• Persiste lors du copier-coller et certaines modifications.

• Appliqué au niveau du modèle, donc présent sur toutes les surfaces Claude.

2. Métadonnées de provenance signées

Pour les fichiers générés (.svg, .png, .jpg) :

• Métadonnées conformes à la norme C2PA (Content Provenance & Authenticity).

• Permettent de vérifier :

  • si le fichier a été généré ou traité par Claude,

  • s’il a été modifié après génération.

Détecter les marques de Claude

Anthropic prépare des outils permettant :

• de détecter les filigranes intégrés,

• de lire les métadonnées signées,

• d’identifier si un contenu peut avoir été traité par Claude.

Documentation technique à venir.

Limitations

1. Une marque détectée n’est pas une preuve absolue

Elle indique que le contenu peut avoir été traité par Claude, mais :

• Claude peut avoir seulement relus, traduit, résumé un texte d’origine humaine.

• Le contenu peut avoir été modifié après traitement.

2. L’absence de marque ne prouve rien

Un contenu Claude peut ne pas être marqué si :

• généré par un modèle antérieur à août 2026,

• fortement édité ou paraphrasé,

• trop court pour un signal fiable,

• métadonnées supprimées (conversion, capture d’écran…),

• produit via une surface ne supportant pas ce type de marquage.

Si vous construisez avec Claude

Si vous intégrez Claude dans vos produits :

• Vous devez évaluer vos propres obligations légales (Article 50).

• Anthropic fournira des guides techniques pour vous aider à respecter la transparence.

ENSEMBLE VERS DE NOUVEAUX HORIZONS, avec l'AFEES et UGAIA.

 Andorra Fòrum per l'Entesa i l'Entesa Social (AFEES)

JUNTS CAP A NOUS HORITZON, L'AFEES AMB L'UGAIA!

UGAIA: "Apropar la Intel·ligència Artificial a les Persones i a la Societat".

La intel·ligència artificial ja forma part del nostre dia a dia i planteja nous reptes socials, educatius, professionals i ètics. Davant aquesta realitat, l'UGAIA (Users Group Artificial Intelligence Agentique) i l'AFEES (Fòrum per l'Entesa i l'Entesa Social) comparteixen una mateixa visió: posar la tecnologia al servei de les persones i fomentar una societat més informada, participativa i cohesionada per una Entesa ciutadania i Entesa Social

Però, què és exactament l'UGAIA? Quins són els seus objectius? I quines accions desenvoluparà conjuntament amb l'AFEES per promoure una intel·ligència artificial accessible, responsable i beneficiosa per a tothom?

En el nostre proper article descobrirem les iniciatives, projectes i activitats que aquestes dues entitats volen impulsar per contribuir al debat públic, la formació ciutadana i la comprensió de les oportunitats i els desafiaments que presenta la IA per a Andorra i la seva societat.

Français

Comprendre l’IA, participer au débat : le pari d’UGAIA et de l’AFEES

L’intelligence artificielle fait désormais partie de notre quotidien et soulève de nouveaux défis sociaux, éducatifs, professionnels et éthiques. Face à cette réalité, l’UGAIA (Users Group Artificial Intelligence Agentique) et l’AFEES (Forum pour l’Entente et l’Entente Sociale) partagent une même vision : mettre la technologie au service des personnes et favoriser une société plus informée, participative et cohésive, fondée sur l’entente citoyenne et l’entente sociale.

Mais qu’est-ce exactement que l’UGAIA ? Quels sont ses objectifs ? Et quelles actions développera-t-elle conjointement avec l’AFEES afin de promouvoir une intelligence artificielle accessible, responsable et bénéfique pour tous ?

Dans notre prochain article, vous découvrirez les initiatives, projets et activités que ces deux entités souhaitent impulser afin de contribuer au débat public, à la formation citoyenne et à une meilleure compréhension des opportunités et des défis que l’IA représente pour l’Andorre et sa société.

English

Democratizing AI: UGAIA’s Mission to Empower People and Communities

Artificial intelligence is already part of our daily lives and presents new social, educational, professional, and ethical challenges. In response to this reality, UGAIA (Users Group Artificial Intelligence Agentique) and AFEES (Forum for Understanding and Social Understanding) share a common vision: putting technology at the service of people and fostering a more informed, participatory, and cohesive society built on civic understanding and social cohesion.

But what exactly is UGAIA? What are its objectives? And what initiatives will it develop together with AFEES to promote artificial intelligence that is accessible, responsible, and beneficial for everyone?

In our next article, we will explore the initiatives, projects, and activities that these two organizations aim to promote in order to contribute to public debate, civic education, and a better understanding of the opportunities and challenges that AI presents for Andorra and its society.

Martina ROBERT.

Installation Ollama + Gemma 4 sur Windows (16 Go RAM) avec filtres

 Installer GEMMA4 sur votre PC.

Les modèles Gemma 4 sont conçus pour offrir des performances de niveau pionnier à chaque taille. Ils sont bien adaptés au raisonnement, aux flux de travail agentiques, au codage et à la compréhension multimodale. La commande : ollama run gemma4

Gemma 4 est une famille de modèles multimodaux, performants, scalables, et optimisés pour le local. Le 31B est le modèle le plus puissant, tandis que les E2B/E4B sont parfaits pour les machines modestes. L'intéret de Gemma4 ce sont ses performances quand nous ne sommes pas connectés à internet. 

Modèles

Voir tous les →

Nom

Taille / Utilisation

Contexte

Entrée

gemma4 : dernières

9,6 Go

128K

Texte, Image

Gemma4 :E2B

7,2 Go

128K

Texte, Image

Gemma4 :E4bDernières nouvelles

9,6 Go

128K

Texte, Image

Gemma4:12b

7,6 Go

256K

Texte, Image

Gemma4:26b

18 Go

256K

Texte, Image

Gemma4:31b

20 Go

256K

Texte, Image

Gemma4 :E2B-MLXMLX

7,1 GB

128K

Texte, Image

Gemma4 :E4b-MLXMLX

9,6 Go

128K

Texte, Image

Gemma4:12B-MLXMLX

6,8 Go

256K

Texte, Image

Gemma4:26b-mlxMLX

17 Go

256K

Texte, Image

Gemma4:31b-mlxMLX

20 Go

256K

Texte, Image

gemma4:31b-cloud

256K

Texte, Image

Gemma est une famille de modèles ouverts construite par Google DeepMind. 

Les modèles Gemma 4 sont multimodaux, gérant l’entrée de texte et d’images et générant la sortie texte.

Gemma 4 introduit des avancées clés en capacités et en architecture :

• Raisonnement – Tous les modèles de la famille sont conçus comme des raisonnements hautement capables, avec des modes de pensée configurables.

• Multimodalités étendues – Processus texte, image avec un rapport d’aspect variable et un support de résolution (tous les modèles)

• Architectures diverses et efficaces – Propose des variantes Dense et Mixture-of-Experts (MoE) de différentes tailles pour un déploiement évolutif.

• Optimisé pour l’utilisation sur appareil – Les modèles plus petits sont spécifiquement conçus pour une exécution locale efficace sur ordinateurs portables et appareils mobiles.

• Fenêtre de contexte accrue – Les modèles petits disposent d’une fenêtre contextuelle de 128K, tandis que les modèles moyens supportent 256K.

• Capacités améliorées de codage et d’agents – Réalise des améliorations notables dans les benchmarks de codage ainsi que le support natif des appels de fonctions, alimentant des agents autonomes hautement performants.

• Support natif des prompts système – Gemma 4 introduit un support natif pour le poste, permettant des conversations plus structurées et contrôlables.system

Résultats des benchmarks

Ces modèles ont été évalués par rapport à une grande collection de jeux de données et de métriques différents pour couvrir différents aspects de la génération de texte. Les résultats d’évaluation indiqués dans le tableau concernent des modèles orientés sur l’instruction.

	Gemma 4 31B	Gemma 4 26B A4B	Gemma 4 E4B	Gemma 4 E2B	Gemma 3 27B (pas de pensée)
MMLU Pro	85.2%	82.6%	69.4%	60.0%	67.6%
AIME 2026 sans outils	89.2%	88.3%	42.5%	37.5%	20.8%
LiveCodeBench v6	80.0%	77.1%	52.0%	44.0%	29.1%
Codeforces ELO	2150	1718	940	633	110
Diamant GPQA	84.3%	82.3%	58.6%	43.4%	42.4%
Tau2 (moyenne supérieure à 3)	76.9%	68.2%	42.2%	24.5%	16.2%
HLE pas d’outils	19.5%	8.7%	-	-	-
HLE avec recherche	26.5%	17.2%	-	-	-
BigBench Extra Difficile	74.4%	64.8%	33.1%	21.9%	19.3%
MMMLU	88.4%	86.3%	76.6%	67.4%	70.7%
Vision
MMMU Pro	76.9%	73.8%	52.6%	44.2%	49.7%
OmniDocBench 1.5 (distance moyenne de montage, plus faible c’est mieux)	0.131	0.149	0.181	0.290	0.365
MATH-Vision	85.6%	82.4%	59.5%	52.4%	46.0%
MedXPertQA MM	61.3%	58.1%	28.7%	23.5%	-
Audio
CoVoST	-	-	35.54	33.47	-
FLEURS (plus bas, mieux c’est)	-	-	0.08	0.09	-
Contexte long
MRCR v2 8 aiguilles 128k (moyenne)	66.4%	44.1%	25.4%	19.1%	13.5%

Informations sur le modèle

Propriété	E2B	E4B	31B Dense
Paramètres totaux	2,3B effectif (5,1B avec embeddings)	4,5B effectif (8B avec embeddings)	30.7B
Couches	35	42	60
Fenêtre coulissante	512 jetons	512 jetons	1024 jetons
Longueur du contexte	128K jetons	128K jetons	256K jetons
Taille du vocabulaire	262K	262K	262K
Modalités prises en charge	Texte, Image, Audio	Texte, Image, Audio	Texte, Image
Paramètres de l’encodeur Vision	~150M	~150M	~550M
Paramètres de l’encodeur audio	~300M	~300M	Pas de son

Modèle Mélange d’Experts (MoE)

Propriété	26B A4B MoE
Paramètres totaux	25.2B
Paramètres actifs	3,8B
Couches	30
Fenêtre coulissante	1024 jetons
Longueur du contexte	256K jetons
Taille du vocabulaire	262K
Expert Count	8 actifs / 128 au total et 1 partagé
Modalités prises en charge	Texte, Image
Paramètres de l’encodeur Vision	~550M

Bonnes pratiques

Pour les meilleures performances, utilisez ces configurations et bonnes pratiques :

1. Paramètres d’échantillonnage

Utilisez la configuration d’échantillonnage standardisée suivante pour tous les cas d’usage :

• temperature=1.0
  
• top_p=0.95
  
• top_k=64

2. Configuration du mode de réflexion

Notez qu’Ollama gère déjà les complexités du modèle de chat pour vous.

Comparés à Gemma 3, les modèles utilisent les rôles standards, et les rôles. 

Pour bien gérer le processus de réflexion, utilisez les jetons de contrôle suivants :systemassistantuser

• Pensée déclenchante : La réflexion est rendue possible en incluant le jeton au début de l’invite système. Pour désactiver la réflexion, supprimez le jeton.<|think|>
  
• Génération standard : Lorsque la pensée est activée, le modèle produit son raisonnement interne suivi de la réponse finale utilisant cette structure :
  [Raisonnement interne]<|channel>thought\n<channel|>
  
• Comportement de "pensée handicapé" : Pour tous les modèles sauf les variantes E2B et E4B, si la pensée est désactivée, le modèle générera toujours les balises mais avec un bloc de pensée vide :
  [Réponse finale]<|channel>thought\n<channel|>

3. Conversations à plusieurs tours

• Pas de contenu de réflexion dans l’histoire : Dans les conversations sur plusieurs tours, la sortie du modèle historique ne doit inclure que la réponse finale. Les pensées des tours des modèles précédents ne doivent pas être ajoutées avant le début du tour suivant de l’utilisateur.

4. Ordre des modalités

• Pour une performance optimale avec les entrées multimodales, placez l’image et/ou le contenu audio avant le texte dans votre invite.

5. Résolution variable de l’image

Outre les rapports d’aspect variables, Gemma 4 prend en charge la résolution variable de l’image via un budget visuel configurable, qui contrôle combien de jetons sont utilisés pour représenter une image. Un budget de jetons plus élevé permet de conserver plus de détails visuels

au prix d’un calcul supplémentaire, tandis qu’un budget plus faible permet une inférence plus rapide pour des tâches qui ne nécessitent pas une compréhension approfondie.

• Les budgets de jetons pris en charge sont : 70, 140, 280, 560 et 1120.
  
• Utilisez des budgets plus faibles pour la classification, le sous-titrage ou la compréhension vidéo, où une inférence et un traitement plus rapides de nombreuses images l’emportent sur les détails détaillés.
  
• Utilisez des budgets plus élevés pour des tâches comme l’OCR, l’analyse syntaxique de documents ou la lecture de petits textes.