En août 2026, Google a présenté Gemma Translator, un prototype qui traduit une conversation vocale sans connexion Internet. Son matériel tient sur un Raspberry Pi 5 avec 8 Go de RAM, un écran tactile, un microphone et un haut-parleur.
La démonstration met en présence un locuteur espagnol et une personne parlant mandarin. Le boîtier reçoit chaque phrase, l’affiche après traduction, puis la prononce à voix haute dans une coque jaune et noire imprimée en 3D.
Le projet n’est pas un appareil grand public vendu en magasin. Google montre comment associer un modèle ouvert, des outils d’exécution locale et une carte compacte pour fabriquer un traducteur autonome.
Tout reste local, sans serveur.
Hors réseau, la voix passe quand même
Le fonctionnement suit une chaîne complète : le microphone capte la voix, un modèle de reconnaissance la transforme en texte, Gemma produit la traduction, puis un autre modèle la convertit en parole. L’écran affiche d’abord le résultat, avant que le haut-parleur ne le diffuse.
La reconnaissance vocale, la traduction et la synthèse vocale s’exécutent sur le Raspberry Pi. Le dispositif peut donc servir dans une zone sans réseau mobile ou lorsqu’un utilisateur ne veut pas envoyer sa conversation à un service distant.
La scène montre un échange vocal bidirectionnel en direct entre l’espagnol et le mandarin. Il s’agit d’une interaction parlée, pas d’un texte préparé à l’avance.
La voix reste dans l’appareil.
Le petit modèle porte une grande chaîne logicielle
Gemma Translator embarque Gemma 4 E2B, présenté comme le plus petit modèle ouvert de Google. Gemma 4 est disponible depuis avril 2026 en quatre versions, mais le prototype retient la déclinaison E2B pour le Raspberry Pi 5.
Gemma ne travaille pas seul : LiteRT-LM exécute le modèle en local, tandis que les modèles Moonshine prennent en charge la reconnaissance vocale et la synthèse de la parole. Chaque brique intervient à une étape précise du parcours audio.
| Élément | Rôle dans le prototype |
|---|---|
| Raspberry Pi 5 avec 8 Go de RAM | Plateforme matérielle principale |
| Écran tactile de 480 x 320 pixels | Affichage du texte traduit et commande de l’interface |
| Microphone et haut-parleur | Entrée et sortie audio |
| Gemma 4 E2B | Traduction exécutée localement |
| LiteRT-LM | Exécution du modèle sur la carte |
| Modèles Moonshine | Reconnaissance et synthèse vocales |
| Boîtier imprimé en 3D | Protection et intégration des composants |
Le prototype a été développé avec Antigravity, une plateforme de développement par agents lancée lors de la dernière conférence Google I/O. Pour l’utilisateur, ce nom importe moins que l’architecture : conception logicielle, déploiement du modèle et interface physique sont réunis dans un même projet.
Le modèle n’est qu’une pièce.
Le boîtier jaune ne sert pas qu’à faire joli
Le format vise une utilisation mobile. L’écran de 480 x 320 pixels reste compact et affiche les phrases traduites, tandis que les boutons mécaniques donnent accès aux fonctions principales, notamment au changement de langue via une molette.
L’interface propose deux modes. Dans le premier, une seule personne pilote les deux microphones et règle les langues de la conversation. Dans le second, deux interlocuteurs utilisent chacun leur microphone et leur langue. Le boîtier peut donc être piloté par une personne ou organiser directement le dialogue.
La coque imprimée en 3D réunit l’écran, les boutons et les éléments audio dans un objet transportable. Les fichiers de fabrication permettent d’envisager une adaptation de la forme, mais le jaune et le noir restent d’abord un choix de design.
Le boîtier pilote deux usages.
Le dépôt donne les clés, pas le produit fini
Google a publié le projet complet sous le nom Gemma Translator sur GitHub. Le dépôt réunit le code source, les scripts d’installation, les outils de déploiement et les fichiers STL du boîtier imprimé en 3D.
Gemma 4 E2B est distribué sous licence Apache 2.0. Cette licence ouvre la voie aux expérimentations personnelles, aux adaptations et aux prototypes de développeurs.
Le dépôt ne transforme pas une carte nue en appareil prêt à l’emploi. Il faut réunir le Raspberry Pi 5, l’écran, les éléments audio, les boutons et le boîtier, puis installer et déployer les différents composants.
Le coût total dépend donc de l’ensemble matériel et de la fabrication de la coque, pas de la seule carte informatique. Google ne prévoit pas de vendre ce boîtier : Gemma Translator reste une démonstration technique, pas un produit disponible en magasin.
Le dépôt n’est pas l’appareil.
Le vrai intérêt tient dans les zones blanches
Le premier usage apparaît lors d’un voyage dans une zone mal couverte : la traduction vocale continue sans réseau. Le dispositif peut aussi servir à garder une conversation sensible à distance des serveurs d’un service en ligne.
Le traitement local réduit le besoin de transmettre l’audio à une infrastructure distante. C’est la différence avec un service de traduction vocale connecté, dont le fonctionnement dépend d’une liaison Internet.
La confidentialité ne se déduit pas automatiquement du fonctionnement hors ligne. L’ouverture du projet facilite l’examen du code et des composants, mais ne remplace ni les vérifications ni la compréhension de ce que le logiciel conserve.
La contrepartie est matérielle : il faut assembler un appareil dédié, alors qu’une application de traduction évite cette étape. Gemma Translator intéresse donc surtout les usages où l’absence de réseau, la séparation des données ou le bricolage passent avant la simplicité.
Le hors-ligne ne suffit pas.
Une démonstration ne vaut pas encore un produit
La scène met en présence un locuteur espagnol et une personne parlant mandarin. Elle montre qu’un échange vocal multilingue peut être organisé autour d’un Raspberry Pi 5, mais elle ne mesure pas la qualité du résultat dans toutes les langues, avec tous les accents ou dans tous les environnements sonores.
La fluidité d’une conversation dépendra aussi du bruit ambiant, de la façon dont les interlocuteurs parlent et de la gestion des tours de parole. Une seule démonstration ne suffit pas à généraliser le résultat.
Le prototype adopte une interface sobre, avec un écran de 480 x 320 pixels et des commandes mécaniques. Le choix d’un modèle compact permet l’exécution locale sur le Raspberry Pi 5, mais la démonstration ne promet ni compréhension parfaite ni réponse adaptée à chaque situation.
En 2026, Google montre ainsi que la traduction vocale locale peut prendre place dans un objet fabriqué par des particuliers. Le code, les scripts et les fichiers du boîtier rapprochent l’idée de laboratoire d’un montage reproductible, mais la marche restante concerne l’assemblage, le réglage et l’usage quotidien.
Le vrai pari reste l’assemblage.
