Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Les niveaux de Gemini chez Google, et ce que le reste des sorties IA fait aux modèles vocaux

Le 9 octobre, Google ramènera les utilisateurs gratuits de Gemini à Flash-Lite, rapporte 9to5Google le 3 octobre, fermant l'accès à 3.6 Flash et 3.1 Pro. La même semaine a apporté une série de lancements de modèles vocaux et de traduction que presque aucun de ces utilisateurs ne pourra atteindre.

IA & modèlesExpliquéSophie LeclercPublié le: 4 octobre 20267 min de lectureSources 8
Les niveaux de Gemini chez Google, et ce que le reste des sorties IA fait aux modèles vocaux

Le changement chez Google est étroit et brutal. La page d'assistance, telle que résumée par 9to5Google le 3 octobre, indique que les utilisateurs sans offre payante Google AI perdent l'accès à 3.6 Flash et 3.1 Pro. Les abonnés AI Plus à 4,99 dollars par mois gardent Flash-Lite et Flash, et perdent Pro. Seuls AI Pro à 19,99 dollars et AI Ultra à 99,99 ou 199,99 dollars conservent les trois.

Ce que cela change pour qui utilise Gemini en traduction ou en dictée : c'est désormais votre niveau de facturation qui fixe le modèle au travail, pas votre tâche. Un utilisateur gratuit qui veut une paire de langues plus difficile reçoit Flash-Lite. Le même document d'assistance indique que les clients AI Pro gagnent l'option Deep Think, jusqu'ici réservée aux deux offres Ultra. Il précise aussi que l'application ajoute des niveaux d'effort faible, moyen et élevé pour chaque modèle. Aucune des deux publications de Google n'explique ce qui arrive aux fonctions vocales en particulier. 9to5Google note qu'on ne sait toujours pas où atterrit Gemini 4 Argon, ni s'il compte comme un modèle Pro ou comme un niveau au-dessus.

Un mois chargé pour la parole, et peu de choses venant de Google

La parole et la traduction ont été le coin le plus actif du cycle de sorties IA cet automne. La couverture récente signale plusieurs lancements. Tencent a publié en open source un modèle d'interprétation chinois-anglais en temps réel. Block a lancé Dessa, un modèle IA entraîné entièrement sur de la parole humaine. Microsoft a présenté de nouveaux modèles MAI visant la voix en temps réel et multilingue. Google a ajouté la traduction vocale à Meet en 63 langues. Des chercheurs indiens ont publié SraVaani, un modèle vocal couvrant 65 langues indiennes. Ces lancements forment le contexte dans lequel tombe le changement de niveaux de Google. La tendance est que la parole coûte de moins en moins cher et devient de plus en plus locale. Pendant ce temps, l'assistant que la plupart des gens possèdent déjà voit discrètement ses meilleurs modèles passer derrière un péage.

L'entrée la plus concrète de cette série est Ideogram 4.5, publié sur la page modèles de l'entreprise le 4 octobre. C'est un modèle d'édition d'image, pas de parole, mais sa tarification est le signal le plus clair de l'évolution des coûts IA à l'appel. Ideogram affiche un prix fixe par image qui ne varie ni avec la longueur du prompt, ni avec le nombre de références, ni avec la résolution. Le prix est de 0,03 dollar en qualité basse, 0,06 dollar en moyenne et 0,10 dollar en haute pour une génération à partir d'un prompt seul. Il est de 0,22 dollar en haute qualité lorsqu'il y a des références ou une édition précise. La qualité très basse est facturée 0,008 dollar pour les points d'accès référence et édition, et n'est pas proposée pour la génération à partir d'un prompt seul. Aucun abonnement n'est requis.

Ce forfait fixe mérite d'être comparé à l'échelle d'abonnements de Google. Ideogram facture à l'image et laisse chacun payer à l'usage. Google facture au mois et verrouille le modèle. Pour un développeur qui construit un outil de traduction, le premier modèle est une ligne de coût qui suit l'usage. Le second est un plafond qui arrive le 9 du mois.

Le problème d'écoute que personne n'a résolu

La voix est aussi le type d'entrée au pire bilan en matière de vie privée, et les derniers jours ont fourni un exemple net. BleepingComputer rapporte le 4 octobre qu'Anthropic a commencé à demander aux utilisateurs de Claude de confier leurs conversations vocales à l'entraînement des modèles. Le message dit : « Allow us to use your voice data to improve our AI models. » Le réglage se trouve dans Settings, Privacy, est désactivé par défaut et est distinct de l'interrupteur existant pour les sessions de chat et Claude Code. Un utilisateur peut donc autoriser l'entraînement vocal tout en gardant le texte hors circuit. Anthropic précise qu'on peut le désactiver ou supprimer les données plus tard.

C'est la version raisonnable de la demande. Cela reste une demande, et elle arrive le même mois où Google transforme les meilleurs modèles Gemini en produit payant. Les deux mouvements tirent en sens opposé pour un utilisateur qui veut une bonne reconnaissance vocale sans payer deux fois : une fois en argent, une fois en enregistrements.

Les modèles locaux de type Whisper sont la porte de sortie évidente, et l'outillage autour s'améliore. Jerry Gamblin, membre des groupes de travail qualité et automatisation du programme CVE, a publié un essai le 4 octobre. Il a utilisé les modèles Clef de Cloudflare via le nouvel endpoint de décision d'Ollama pour classer les 27 489 CVE publiées dans les 60 jours précédents. Clef est un modèle de 27 milliards de paramètres affiné à partir de Qwen 3.8, Clef Flash un modèle de 9 milliards de paramètres affiné à partir de Qwen 3.5, tous deux sous Apache 2.0, poids sur Hugging Face, exécutables en local. Il rapporte que Clef Flash a répondu à deux questions par CVE avec une médiane sous la seconde chacune sur un ordinateur portable, sans clé API ni facture. C'est une tâche de classification, pas de traduction, mais cela montre ce qu'un modèle de 9 milliards de paramètres fait aujourd'hui en vitesse sur un portable. Le constat de Gamblin, que 4,2 % des descriptions de CVE hors noyau n'énoncent jamais d'impact de sécurité, en dit plus sur la rédaction des CVE que sur les modèles.

Ce pour quoi les fabricants de modèles se battent

OpenAI a utilisé sa propre page sécurité le 4 octobre pour décrire un autre combat. L'entreprise dit avoir déjoué une campagne coordonnée visant à extraire le raisonnement protégé de ses modèles, les premières activités remontant à la première semaine de juillet. Les opérateurs n'ont pas cassé le chiffrement ni lu les conversations stockées, selon le message. Ils ont manipulé les interactions pour que le raisonnement caché devienne visible pour le demandeur. Cela incluait de copier un raisonnement chiffré d'une conversation et de demander à un modèle dans une autre de le déchiffrer et de le transcrire. OpenAI indique que l'activité a culminé les 24 et 25 juillet à 16 000 requêtes venant de plus de 4 000 utilisateurs. Elle précise que des schémas de prompts apparentés chez plus de 15 000 utilisateurs ont été entièrement déjoués au 28 juillet. Elle attribue un noyau central à des individus liés à Moonshot AI, le développeur de Kimi, et dit ignorer si tous les opérateurs venaient d'un seul acteur.

Rien de tout cela ne concerne la parole. Cela compte pour quiconque construit sur un modèle hébergé, parce que cela montre quelle part de la valeur d'un modèle réside dans les parties que le fournisseur ne publie pas. Une fonction de traduction qui dépend de la couche de raisonnement d'un fournisseur hérite de sa posture de sécurité et de ses conditions. Il en va de même pour une fonction vocale qui dépend de la chaîne de transcription d'un fournisseur.

Du côté de la recherche, l'article de Lewis Mitchell sur arXiv, soumis le 1er octobre, propose un moyen moins coûteux d'empêcher les modèles affinés de sombrer dans la répétition. La méthode filtre le texte d'entraînement selon un taux d'entropie estimé à partir du texte brut seul, sans log-probabilités du modèle. Dans une expérience QLoRA à six générations sur Llama-3.1-8B, le filtrage fondé sur les log-probabilités n'a apporté aucun bénéfice significatif de diversité textuelle sur aucune métrique (p > 0,23). Le filtre d'entropie a produit 42 % de trigrammes uniques en plus, 30 % de vocabulaire en plus et 19 % de répétition en moins, le tout à p < 0,001. L'article fait 17 pages, huit figures, et est inscrit à NeurIPS 2026. Pour qui affine un modèle vocal ou de traduction sur des données synthétiques, c'est une recette concrète plutôt qu'un avertissement.

L'app store entre dans le chatbot

TechCrunch rapporte le 29 septembre que les annonces de Dev Day d'OpenAI, prises ensemble, transforment ChatGPT en un lieu où les applications se découvrent et s'exécutent. ChatGPT, que OpenAI crédite de 1,2 milliard d'utilisateurs hebdomadaires, suggérera des applications en cours de conversation quand l'une serait utile. Une architecture de plug-ins élargie prend désormais en charge des extensions qui affichent des panneaux interactifs dans le chat. « Sign in with ChatGPT » transporte le quota IA d'un utilisateur dans des applications tierces, avec 16 partenaires de lancement dont Devin de Cognition, Notion, Vercel et Figma. Si cela fonctionne, l'assistant devient le canal de distribution, et le modèle derrière devient ce par quoi tous les autres doivent passer.

Placez cela à côté du changement de niveaux de Google et la forme du marché s'éclaire. Google fait payer l'accès à ses meilleurs modèles. OpenAI offre la portée et garde le modèle. Anthropic demande des enregistrements vocaux. Ideogram vend des images à l'unité. Chacun répond différemment à la même question : qui paie l'inférence, et qu'obtient-il en retour.

Pour un lecteur qui cherche un outil de traduction ce mois-ci, les questions pratiques sont plus étroites. Quel modèle tourne réellement dans l'offre gratuite, et cela changera-t-il sans préavis. Où vont les enregistrements, et y a-t-il un interrupteur. Et si l'une ou l'autre réponse ne convient pas, existe-t-il une option locale suffisamment bonne. Au vu de la semaine écoulée, la troisième réponse s'améliore plus vite que les deux premières.

Commentaires 0

Sources

8
  1. 01Gemini app limiting what models free and AI Plus users can accessEN
  2. 02Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
  3. 03Ideogram 4.5: The most precise edit modelEN
  4. 04Anthropic asks Claude users to share voice data for AI model trainingEN
  5. 05Decision Models vs. CVE DataEN
  6. 06Disrupting a coordinated model-distillation campaignEN
  7. 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
  8. 08OpenAI's latest features take direct aim at the app store modelEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.