google/gemini-embedding-001
google/gemini-embedding-001 est un modèle d’embedding de Google, sorti le 7 mars 2025. Il convertit du texte en vecteurs denses de 3 072 dimensions, avec une fenêtre de contexte de 2 048 tokens. Aucune licence ouverte n’est indiquée dans les faits disponibles, ce qui le situe plutôt…
google/gemini-embedding-001 est un modèle d’embedding de Google, sorti le 7 mars 2025. Il convertit du texte en vecteurs denses de 3 072 dimensions, avec une fenêtre de contexte de 2 048 tokens. Aucune licence ouverte n’est indiquée dans les faits disponibles, ce qui le situe plutôt comme un modèle de catalogue Google que comme un modèle auto-hébergeable documenté.
Son rôle est d’alimenter des systèmes de recherche sémantique, de RAG, de similarité entre textes et de clustering. À l’échelle de l’IA, son ancienneté d’environ un an est importante : il doit surtout être comparé aux modèles de sa période, et peut être dépassé ou retiré des catalogues récents.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Modèle d'embedding |
| Éditeur | |
| Date de sortie | 7 mars 2025 |
| Dimension du vecteur | 3 072 |
| Représentation | dense |
| Longueur de séquence max | 2 048 tokens |
| Modalités (entrée → sortie) | text → embedding |
Performances (benchmarks)
| Benchmark | Score | Rang | Source | Fiabilité |
|---|---|---|---|---|
| MTEB: Code Information Retrieval | 73,9 % | 17ᵉ / 48 | mteb | ✅ Mesuré |
| MTEB: Code | 76,0 % | 12ᵉ / 43 | mteb | ✅ Mesuré |
| MTEB: RTEB Legal | 58,5 % | 16ᵉ / 205 | mteb | ✅ Mesuré |
| MTEB: RTEB Healthcare | 66,5 % | 15ᵉ / 95 | mteb | ✅ Mesuré |
| MTEB: RTEB Finance | 77,9 % | 16ᵉ / 95 | mteb | ✅ Mesuré |
| MTEB: RTEB French | 58,4 % | 14ᵉ / 216 | mteb | ✅ Mesuré |
| MTEB: RTEB German | 65,5 % | 21ᵉ / 206 | mteb | ✅ Mesuré |
| MTEB: Spanish | 72,0 % | 4ᵉ / 27 | mteb | ✅ Mesuré |
| MTEB: Instruction Following | 5,2 % | 12ᵉ / 196 | mteb | ✅ Mesuré |
Scores issus de MTEB (Massive Text Embedding Benchmark), suite d'évaluation indépendante. Le rang situe le modèle parmi les modèles d'embedding évalués sur le même track.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
MTEB: Code Information Retrieval
MTEB: RTEB Finance
Notre analyse
Forces. google/gemini-embedding-001 montre ses meilleurs signaux sur des tâches de retrieval spécialisées et multilingues. Les résultats MTEB indiquent un bon comportement en recherche financière, en recherche d’information technique et en espagnol, où il se place dans le haut du classement disponible. Les mesures en allemand restent également solides sur des corpus mêlant domaines juridique, santé et entreprise. Le format dense convient aux architectures classiques de recherche vectorielle, de RAG et de regroupement sémantique, avec une représentation unique directement indexable.
Limites et points d'attention. La dimension de 3 072 rend les index plus volumineux et les recherches plus coûteuses qu’avec des embeddings plus compacts. La fenêtre de 2 048 tokens impose de découper les documents longs, ce qui peut fragmenter le contexte dans un pipeline RAG. Les résultats en santé sont corrects mais moins distinctifs que ses meilleurs domaines, et l’ancienneté du modèle limite son intérêt face aux embeddings plus récents. Usages pertinents : recherche sémantique multilingue, RAG sur documents courts à moyens, similarité de contenus financiers ou techniques, clustering de corpus textuels.
Sources des données : MTEB — Massive Text Embedding Benchmark.