Google progresse sur les quatre fronts : une seule ligne de SQL gère l'analyse des données et l'IA médicale apparaît dans "Nature"

Alors que d'autres constructeurs étaient encore en train de créer une dynamique autour d'un modèle unique, Google a choisi d'éclairer quatre façades en même temps en une journée. Le 28 juillet, Google, la société à l'origine de Gemini, a lancé quatre produits en une seule fois : de l'analyse de données au diagnostic médical, de la vitesse de codage à la génération d'images. Le plus perturbateur est TabFM, qui prétend être « une ligne de SQL pour l'analyse des données ».

TabFM : Nivellement du seuil d'analyse des données

Le positionnement officiel de TabFM est le premier modèle de base au monde à échantillon nul pour les données tabulaires. Zéro échantillon signifie que les utilisateurs n’ont pas besoin de données de formation ni de réglages précis. Tant qu’ils peuvent écrire une phrase SQL, ils peuvent effectuer des tâches d’analyse de tables qui nécessitaient auparavant l’intervention d’analystes de données. Plus important encore, il a été intégré à BigQuery, l'entrepôt de données d'entreprise de Google. Cela équivaut à souder directement le « modèle de base + infrastructure de données d'entreprise », permettant aux utilisateurs non techniques de pêcher dans les eaux profondes des données d'entreprise.

L’intention stratégique de cette étape est évidente : l’analyse des données est l’une des entrées les plus précieuses vers les actifs de données de l’entreprise. Celui qui pourra abaisser le seuil d’entrée aura son mot à dire dans la mise en œuvre de l’IA d’entreprise.

Approbation académique et matrice de produits

L’autre ligne est la voie académique. Les résultats de recherche pertinents d'AMIE, le système d'IA conversationnelle médicale, ont été publiés dans le numéro officiel de "Nature". Il s'agit non seulement d'une étape importante dans la direction du grand modèle médical de Google, mais également d'une approbation au plus haut niveau des revues universitaires pour "l'IA entrant dans la pratique clinique". Dans le même temps, la scène du codage accueille Gemini 3.5 Flash, qui poursuit le positionnement à haut débit et à faible latence de la série Flash et cible la communauté des développeurs ; Du côté de l'image, il y a Nano Banana 2 Lite, qui se concentre sur la génération de 4 secondes, servant des scénarios de génération sensibles à la réponse avec légèreté et rapidité.

D'un point de vue industriel, l'essence de la sortie de Google est une compétition de « largeur écologique » : les capacités de modèle, les applications industrielles verticales et les outils de développement sont avancés en parallèle, et la densité de la matrice de produits est utilisée pour compenser l'avance sur un seul point technologique. Comparé à OpenAI derrière ChatGPT et Anthropic derrière Claude qui se concentrent sur l'intelligence générale et la recherche scientifique, Google parie sur la voie de « l'infrastructure omniprésente » et utilise des entrées spécifiques telles que BigQuery, les soins médicaux et les outils de développement pour accumuler l'irremplaçable. Cela rappelle également aux fabricants nationaux que le vainqueur de la compétition en matière d'IA passe de "dont les paramètres de modèle sont les plus nombreux" à "dont le produit atteint un plus large éventail de scénarios".

Plusieurs orientations à suivre dans le futur :

1. Précision réelle de TabFM dans BigQuery : la limite réelle des capacités sans échantillon détermine si les entreprises peuvent lui faire confiance pour confier les tâches d'analyse.
2. La distance de l'AMIE entre le papier et la pratique clinique : Après l'approbation par Nature, l'approbation réglementaire et la mise en œuvre hospitalière sont les véritables seuils.
3. Test de codage Flash Gemini 3.5 : En plus de la vitesse, la qualité du code est le gagnant de la fidélisation des développeurs.
4. Positionnement de Nano Banana 2 Lite : La sortie d'image de 4 secondes peut-elle générer des scènes en temps réel et ouvrir un nouvel espace d'application.