Google Gemini et le référencement, ce qui change

La course à l'IA continue de s'intensifier entre Google et OpenAI. Alors que ce dernier a publié GPT-4 il y a quelques mois, Google a dévoilé son "système multimodal" lors de la conférence Google IO de mai 2023 : Gemini. Généralement associé à la constellation Gemini ou au deuxième vol spatial, juste avant Apollo, dans le projet de Google, il signifie "Generalized Multimodal Intelligence Network".

Que savons-nous de Gemini ?

Google aurait donné accès à une première version de son système Gemini à quelques entreprises. Aperçu de ce qui a filtré sur ce "système multimodal".

"Imaginez que le Hulk des modèles de langage et Jarvis, l'IA de Tony Stark, aient un enfant... Boom !" Voici Gemini. "En ligne, les fans de technologie ne tarissent pas d'éloges sur le système d'intelligence artificielle générative de Google, avec de nombreuses références plus ou moins heureuses à la culture pop.

Mais comment fonctionne le modèle multimodal Gemini ? Quelles sont ses spécificités ? Mérite-t-il tous les superlatifs avant même sa sortie ?

Le précédent ChatGPT tendrait à nous convaincre que la nuance serait plus appropriée : si le modèle génératif d'OpenAI a dépassé les 100 millions d'utilisateurs dès janvier 2023, sa fréquentation a stagné en mai puis a commencé à baisser en juin. Par ailleurs, le modèle d'OpenAI n'est pas sans risque et a même montré quelques signes de régression.

Selon la firme de Mountain View, Gemini a été conçu pour être "multimodal, très efficace dans l'intégration d'outils et d'API". Il devrait "permettre de futures innovations, telles que la mémoire et la planification".

Développement de Gemini

Pour développer ce modèle massif, Gemini s'appuie notamment sur l'étendue et la profondeur des données accumulées par Alphabet, par le biais de plateformes telles que YouTube, Google Books, Google Search et Google Scholar. Il utilise également des puces d'entraînement de pointe appelées TPUv5, qui seraient les seules au monde capables d'orchestrer 16 384 puces travaillant ensemble. Les équipes de Google ont également entraîné le modèle à l'aide de méthodes similaires à celles utilisées pour développer AlphaGo, un jeu plus complexe que les échecs. En outre, contrairement à LaMDA, le grand modèle de langage conversationnel de Google formé par apprentissage supervisé, Gemini a été formé par apprentissage par renforcement comme GPT-3 et GPT-4. Cette technique d'apprentissage automatique implique qu'un agent d'intelligence artificielle apprenne à effectuer une tâche par essais et erreurs dans un environnement dynamique.

Selon The Information, plusieurs anciens membres des équipes Google Brain et DeepMind travaillent actuellement sur le projet, dont Sergey Brin, cofondateur de Google. En outre, selon la même source, Google pourrait présenter Gemini comme une mise à jour de Google Bard ou comme la création d'un nouveau chatbot avant d'utiliser Gemini pour alimenter divers produits tels que Google Docs. Gemini pourrait être publié prochainement, peut-être en réponse à la prochaine version GPT-4.5 d'OpenAI avant GPT-5, attendue vers le début de l'année 2024. "Une fois affiné et rigoureusement testé pour la sécurité, Gemini sera disponible en différentes tailles et capacités, un peu comme PaLM 2", indique Google, sans plus de détails.

Un parcours de l'utilisateur potentiellement raccourci

Actuellement, Google SGE (l'expérience de recherche améliorée par l'IA de Google) est testé dans une centaine de pays. Cette version de Google propose des textes générés par l'IA, des sources et un module conversationnel. Sur certaines requêtes, ce moteur de recherche pourrait réduire le nombre de requêtes de l'utilisateur. Selon un exemple d'Exposure Ninja, un utilisateur cherchant des informations sur un "avocat immobilier" pour une procédure de déménagement pourrait n'avoir que quatre visites de site au lieu de huit avec une recherche traditionnelle.

Que se passera-t-il si Gemini finit par s'intégrer au SGE ? "Les coûts associés à la diffusion des réponses de Gemini dans le SGE signifient que Google n'est pas très enclin à fournir des résultats SGE basés sur Gemini à moins qu'ils ne soient nécessaires", prévient Tim Cameron-Kitchen, fondateur d'Exposure Ninja.

Dans le cas du déploiement de Gemini dans SGE, la capacité du système multimodal à anticiper les besoins présumés des utilisateurs pourrait réduire davantage la phase de recherche. L'utilisation de Gemini pourrait fournir des réponses directes dans les résultats de recherche aux prochaines questions de l'utilisateur. Dans l'exemple précédent, cela pourrait créer un parcours de recherche avec seulement trois sites à visiter, selon Exposure Ninja.

Selon Tim Cameron-Kitchen, cette utilisation de Gemini dans SGE pourrait également permettre de "réduire le nombre de doublons, de mieux structurer les réponses en suivant logiquement le parcours de l'internaute et de mieux intégrer les capacités multimodales". Il convient de noter que, pour cet expert en marketing numérique, la réduction potentielle du nombre de visites de sites pourrait être compensée par le fait que des liens sont toujours présents dans les réponses générées et que les internautes continuent d'effectuer des achats sur des sites par l'intermédiaire de Google.

Applications potentielles de Gemini

Gemini a le potentiel d'être utilisé dans une variété d'applications, y compris :

• Chatbots : Gemini peut être utilisé pour créer des chatbots plus sophistiqués et plus naturels. Les chatbots basés sur Gemini pourraient être utilisés pour fournir un service à la clientèle, répondre à des questions, ou même simplement tenir une conversation.

• Résumés de texte : Gemini peut être utilisé pour générer des résumés de texte plus précis et plus concis. Les résumés de texte basés sur Gemini pourraient être utilisés pour aider les gens à comprendre de longs articles ou documents.

• Générateurs de contenu créatif : Gemini peut être utilisé pour générer du contenu créatif, tel que des poèmes, des scripts ou de la musique. Les générateurs de contenu créatif basés sur Gemini pourraient être utilisés pour créer de nouvelles formes d'art ou de divertissement.

• Applications d'apprentissage automatique : Gemini peut être utilisé pour améliorer les performances des applications d'apprentissage automatique. Gemini pourrait être utilisé pour former des modèles d'apprentissage automatique plus précis et plus puissants.

Comment utiliser Google Gemini AI

Sundar Pichai, PDG de Google Alphabet, a souligné lors de la conférence Google I/O 2023 les progrès réalisés pour rendre l'IA générative plus conviviale. Parmi ces progrès figurent PaLM 2 et Gemini. Gemini de DeepMind est spécialement conçu pour être multimodal, ce qui lui permet de comprendre divers types de données comme le texte, les images et le code. Cette polyvalence lui permet d'exceller dans plusieurs tâches :

• Générer différents types de textes, traduire des langues et créer divers contenus créatifs.

• Traiter des formats de données tels que les graphiques et les cartes.

• Exploiter une vaste base de connaissances issue d'une formation approfondie sur des ensembles de données textuelles et codées.

• Faciliter la création de nouveaux produits et services.

• Analyser des données et reconnaître des modèles.

• Fournir des réponses informatives à des questions complexes ou non conventionnelles.

Bien que la capacité de traitement multimodal de Gemini soit encore en cours d'élaboration, elle pourrait révolutionner les interactions entre l'homme et l'ordinateur. Ses applications peuvent aller de la création d'assistants virtuels plus réalistes et plus attrayants à l'innovation d'outils éducatifs et à l'amélioration de notre compréhension du monde. Pour en savoir plus sur l'IA Gemini de Google, notamment sur son fonctionnement, ses principales caractéristiques et bien plus encore, continuez à explorer.

Comment fonctionne Gemini ?

Gemini fonctionne comme un système d'IA multimodale, capable de traiter différents types de données tels que du texte, des images et du code. Il bénéficie d'une formation approfondie sur un ensemble massif de textes et de codes, ce qui lui permet de comprendre et de générer ces différentes formes d'information.

À la base, Gemini emploie des algorithmes et des modèles avancés développés par DeepMind pour comprendre et interpréter les données dans de multiples formats. En s'entraînant sur divers ensembles de données, Gemini apprend des modèles, des structures et des relations au sein des données, ce qui lui permet d'effectuer des tâches telles que la génération de texte, le traitement d'informations visuelles comme les graphiques et les cartes, et l'analyse d'ensembles de données complexes.

Ses capacités multimodales permettent à Gemini de traiter simultanément différents types d'informations, facilitant ainsi les tâches qui impliquent plusieurs formats ou sources de données. Cette polyvalence fait de Gemini un outil potentiellement transformateur, capable de révolutionner la manière dont nous interagissons avec les ordinateurs et traitons l'information dans différents domaines.

Formation et connexion

Pour les professionnels du référencement, il sera probablement essentiel d'exploiter pleinement le potentiel de Gemini. "Si les promesses de DeepMind se concrétisent et que Gemini répond aux critères présentés, il deviendra un outil essentiel pour tous les référenceurs", suggère Giulio Stella, consultant en référencement chez Gstarseo. Il convient de noter que, selon The Information, les développeurs devront payer pour accéder à Gemini par le biais de la location de serveurs Google Cloud.

Les professionnels du référencement pourraient bénéficier de nombreuses aides, notamment grâce à la connectivité de Gemini. "On pourrait lui demander de charger des informations en provenance des outils de Google", propose Laurent Jean. "Par exemple, en connectant Google Search Console, YouTube, et Google Sheets, à partir desquels nous pourrions récupérer des listes de mots-clés positionnés. Nous pourrions également demander à Gemini de fournir une liste d'URL performantes avec les mots-clés associés. Nous pourrions lui demander de créer des classifications ou des listes de contenu à compléter en puisant dans Google Sheets et YouTube. Il s'agit d'utiliser les capacités de LLM pour générer des textes optimisés pour l'utilisateur tout en exploitant les données et le raisonnement de Gemini pour réintégrer des données externes pour l'optimisation du référencement".