Guide de clé API Gemini Pro : Obtenir une clé API Gemini, un point de terminaison et un ID de modèle

L’API Gemini Pro est accessible via l’API Gemini avec une clé créée dans Google AI Studio. Pour une requête REST directe, appelez le point de terminaison generateContent du modèle ; pour une intégration SDK OpenAI existante, pointez le client vers l’URL de base compatible OpenAI de Google et utilisez un ID de modèle Gemini actuel tel que gemini-3.1-pro-preview. Le détail important est que « Gemini Pro » est un terme de recherche lié à une famille de produits, pas un identifiant d’API permanent, donc les applications de production devraient consulter la liste actuelle des modèles Google avant de fixer un ID.

Configuration rapide de l’API Gemini Pro

Vous avez besoin de quatre valeurs pour effectuer une requête :

Paramètre	Valeur
Clé API	Créez-en une dans Google AI Studio
Hôte de base natif	https://generativelanguage.googleapis.com
Chemin API natif	/v1beta/models/{model}:generateContent
URL de base compatible OpenAI	https://generativelanguage.googleapis.com/v1beta/openai/
Exemple d’ID de modèle	gemini-3.1-pro-preview

Le guide de démarrage rapide de l’API Gemini de Google documente la création de clé API et le modèle de requête natif. Son guide de compatibilité OpenAI documente l’URL de base de compatibilité pour les applications qui utilisent déjà le SDK Python ou JavaScript d’OpenAI.

Utilisez le SDK Gemini natif ou l’API REST lorsque vous souhaitez des fonctionnalités spécifiques à Gemini dès que Google les expose. Utilisez la couche de compatibilité lorsque vous avez déjà un client de style OpenAI et que vous souhaitez réduire le travail de migration. La compatibilité est utile, mais elle ne garantit pas que chaque option spécifique au fournisseur corresponde parfaitement entre les API.

Comment obtenir une clé API Google pour Gemini

Créez la clé dans Google AI Studio, puis stockez-la dans une variable d’environnement au lieu de la placer dans le code source :

export GEMINI_API_KEY="VOTRE_CLE_API_GEMINI"

Traitez-la comme une information d’identification côté serveur. Ne la commettez pas dans Git, ne l’affichez pas dans les journaux, ne l’incorporez pas dans du JavaScript côté navigateur ou dans un bundle d’application mobile. Si un frontend a besoin de la sortie de Gemini, envoyez la requête utilisateur à votre propre backend et laissez le backend appeler l’API Google.

Pour un service de production, décidez également qui possède le projet Google Cloud, comment les clés sont tournées, quels environnements reçoivent des informations d’identification distinctes et où les quotas de requêtes sont surveillés. Les recommandations sur les clés API de Google expliquent comment les clés API Gemini sont associées aux projets Google Cloud.

Comment appeler le point de terminaison natif de l’API Gemini

La route REST native place l’ID du modèle dans l’URL. Cet exemple demande au modèle actuel de prévisualisation Pro de renvoyer une liste de vérification de migration concise :

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {
            "text": "Créez une liste de vérification en sept étapes pour migrer une API Python d'une région vers deux régions. Incluez des vérifications de restauration."
          }
        ]
      }
    ]
  }'

La réponse contient des candidats avec du contenu généré. Les applications réelles doivent gérer une liste de candidats vide, un contenu bloqué, des délais d’attente et des réponses non-2xx plutôt que d’indexer directement dans le premier objet de réponse.

L’URL utilise v1beta car c’est la route montrée dans les exemples actuels de l’API Gemini de Google. Gardez la version de l’API dans la configuration afin de pouvoir tester une nouvelle version sans disperser les chaînes de point de terminaison dans toute la base de code.

Anatomie du point de terminaison natif

Le chemin comporte trois parties :

/v1beta/models/{model}:generateContent

• v1beta est la version de l’API.
• {model} est l’ID exact du modèle provenant de la page des modèles Gemini de Google.
• generateContent est la méthode de génération.

Une réponse 404 signifie souvent que l’ID du modèle, la version de l’API ou la méthode ne correspondent pas. Avant de modifier le code d’authentification, comparez le chemin complet avec la documentation actuelle du modèle.

Comment utiliser Gemini avec un client compatible OpenAI

Si votre application utilise déjà le package Python OpenAI, installez-le et modifiez la clé API, l’URL de base et l’ID du modèle :

pip install openai

import os

from openai import OpenAI


client = OpenAI(
    api_key=os.environ["GEMINI_API_KEY"],
    base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
)

response = client.chat.completions.create(
    model="gemini-3.1-pro-preview",
    messages=[
        {
            "role": "system",
            "content": "Vous êtes un relecteur d'architecture logicielle concis.",
        },
        {
            "role": "user",
            "content": "Examinez la conception d'un worker de file d'attente et listez les cinq principaux modes de défaillance.",
        },
    ],
)

print(response.choices[0].message.content)

C’est la route la plus courte pour les équipes disposant d’une abstraction existante de complétions de chat. Cela facilite également la réutilisation d’un harnais d’évaluation : conservez les instructions et les vérifications de réponse constantes, puis échangez la configuration du fournisseur.

Ne présumez pas d’un comportement identique simplement parce que deux fournisseurs acceptent le même appel SDK. Les instructions système, les schémas d’outils, les entrées multimodales, la gestion de la sécurité, les événements de streaming, la comptabilité des jetons et les charges utiles d’erreur peuvent différer. Effectuez des tests spécifiques au fournisseur avant de modifier le trafic de production.

Comment choisir et gérer les ID de modèle Gemini

Évitez de placer un nom marketing tel que gemini-pro directement dans la logique applicative. Les ID de modèle disponibles chez Google changent à mesure que les modèles en prévisualisation sont introduits, promus et retirés. Au moment où ce guide a été vérifié, la page officielle des modèles de Google listait gemini-3.1-pro-preview comme un identifiant de modèle de classe Pro.

Utilisez plutôt une couche de configuration :

import os


GEMINI_MODEL = os.getenv("GEMINI_MODEL", "gemini-3.1-pro-preview")

Ce petit choix fait des mises à niveau de modèle un changement de déploiement plutôt qu’une réécriture de code. Pour un service plus grand, stockez ces champs ensemble :

{
  "provider": "google",
  "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
  "model": "gemini-3.1-pro-preview",
  "timeout_seconds": 60
}

Avant de mettre un nouveau modèle en production :

1. Confirmez que l’ID apparaît dans la documentation actuelle des modèles Google ou dans l’API des modèles.
2. Vérifiez si le modèle est en prévisualisation, stable ou programmé pour retrait.
3. Exécutez votre propre jeu d’évaluation pour la qualité des réponses et la correction des appels d’outils.
4. Mesurez la latence, l’utilisation des jetons et les taux d’échec avec des invites représentatives.
5. Ajoutez un modèle de repli ou un chemin d’échec clair avant de déplacer tout le trafic.

Les limites de débit ne sont pas un nombre universel unique. Elles dépendent du modèle et du niveau d’utilisation, donc lisez la documentation sur les limites de débit de l’API Gemini de Google et surveillez les limites appliquées à votre projet.

Comment construire un backend interchangeable de fournisseur

Une interface compatible OpenAI peut réduire les changements de code, mais le changement de fournisseur fonctionne mieux lorsque votre propre application définit le contrat. Gardez la configuration du fournisseur en dehors de la logique métier et normalisez la sortie dont vous avez réellement besoin.

import os

from openai import OpenAI


PROVIDERS = {
    "gemini": {
        "api_key": os.environ["GEMINI_API_KEY"],
        "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
        "model": os.getenv("GEMINI_MODEL", "gemini-3.1-pro-preview"),
    },
    "novita": {
        "api_key": os.environ["NOVITA_API_KEY"],
        "base_url": "https://api.novita.ai/openai",
        "model": os.getenv("NOVITA_MODEL", "xiaomimimo/mimo-v2.5-pro"),
    },
}


def generate(provider_name: str, prompt: str) -> str:
    provider = PROVIDERS[provider_name]
    client = OpenAI(
        api_key=provider["api_key"],
        base_url=provider["base_url"],
    )
    response = client.chat.completions.create(
        model=provider["model"],
        messages=[{"role": "user", "content": prompt}],
    )
    return response.choices[0].message.content or ""

Cet exemple expose délibérément les différences au lieu de les cacher. Chaque fournisseur conserve ses propres informations d’identification, URL de base et ID de modèle. L’application reçoit une chaîne normalisée, tandis que des tests spécifiques au fournisseur peuvent couvrir un comportement plus riche, comme les outils ou les entrées multimodales.

La documentation de l’API LLM de Novita AI utilise une forme d’API compatible OpenAI pour les modèles pris en charge. Cela peut être utile lorsqu’une équipe souhaite comparer Gemini avec des modèles open source sans reconstruire toute la couche client.

Comment Gemini s’intègre dans un backend d’agent

Un backend d’agent a au moins deux responsabilités distinctes :

1. Inférence : Le modèle décide quoi dire ou quel outil appeler.
2. Exécution : Un environnement d’exécution contrôlé effectue des actions sur les fichiers, le shell, le navigateur ou l’application.

L’API Gemini peut gérer le côté inférence. Elle ne doit pas être traitée comme la limite d’exécution. Si un modèle propose une commande shell, votre application doit toujours valider l’appel d’outil, l’autoriser, l’exécuter dans un environnement isolé, capturer le résultat et décider quel contexte renvoyer au modèle.

Novita Agent Sandbox est conçu pour les flux de travail d’exécution d’agents isolés. Une architecture pratique peut utiliser Gemini pour le raisonnement tandis qu’un sandbox gère les tâches de code ou de navigateur séparément :

Requête utilisateur
    -> Service d'agent
        -> API Gemini pour le raisonnement et la sélection des outils
        -> Vérifications de politique pour l'action proposée
        -> Agent Sandbox pour l'exécution isolée
        -> Résultat de l'outil retourné au service d'agent
        -> API Gemini pour la réponse finale

Cette séparation rend le modèle remplaçable et maintient l’exécution non fiable loin du serveur d’application. Elle donne également au backend un endroit unique pour appliquer les délais d’attente, la politique réseau, les limites de fichiers, la journalisation d’audit et l’autorisation utilisateur.

Pour une première version, exposez seulement quelques outils restreints, définissez des schémas JSON pour leurs arguments, rejetez les champs inconnus et placez des limites strictes sur le temps d’exécution et la taille de sortie. Ajoutez des capacités plus larges d’utilisation d’ordinateur ou de navigateur seulement après que le modèle de permission soit clair.

Quand un modèle open source est un meilleur choix

Les modèles Gemini Pro sont une option solide lorsque votre application a besoin des capacités de modèle de Google et de l’API gérée. Un modèle open source peut être un meilleur choix lorsque vous avez besoin d’un second fournisseur, souhaitez évaluer le comportement du modèle par rapport à une version amont visible, ou préférez un modèle disponible via un point de terminaison compatible OpenAI aux côtés d’autres infrastructures.

MiMo-V2.5-Pro est une option actuelle sur Novita AI. La fiche technique amont de Xiaomi le décrit comme un modèle open source Mixture-of-Experts, tandis que Novita AI fournit l’ID de modèle hébergé xiaomimimo/mimo-v2.5-pro. Étant donné que le point de terminaison de compatibilité Google et Novita AI peuvent tous deux être appelés avec un client de style OpenAI, le modèle interchangeable de fournisseur de la section précédente peut les évaluer avec les mêmes invites et vérifications d’acceptation.

Ne choisissez pas uniquement sur l’étiquette. Construisez un petit jeu d’évaluation à partir de votre charge de travail réelle : commentaires de révision de code, questions de support, réponses fondées sur la récupération, appels d’outils ou documents longs. Comparez la qualité de sortie, la latence, le comportement d’erreur et le coût en utilisant les tableaux de bord actuels du fournisseur avant de prendre une décision de routage.

Erreurs courantes de l’API Gemini

400 : Requête invalide

Vérifiez la forme du JSON, les rôles des messages, les définitions d’outils et les noms de paramètres. Une option acceptée par un autre fournisseur compatible OpenAI peut ne pas être acceptée par la couche de compatibilité de Google.

401 ou 403 : Échec d’authentification ou de permission

Confirmez que GEMINI_API_KEY est présente dans l’environnement du processus et appartient au projet Google Cloud prévu. Vérifiez également si le projet et le modèle sélectionné sont disponibles pour le compte et la région.

404 : Modèle ou méthode non trouvé

Comparez l’ID exact du modèle avec la liste actuelle des modèles Gemini. Pour les appels REST natifs, vérifiez la version de l’API et le suffixe :generateContent. Pour les appels compatibles OpenAI, vérifiez que l’URL de base se termine par /v1beta/openai/.

429 : Limite de débit dépassée

Réessayez avec un backoff exponentiel et de la gigue, mais ne traitez pas les tentatives comme un substitut à la planification de capacité. Mettez en file d’attente les travaux en rafale, limitez les requêtes simultanées et inspectez le niveau d’utilisation actuel du projet et les limites spécifiques au modèle.

Le SDK fonctionne, mais la sortie diffère après avoir changé de fournisseur

La compatibilité couvre l’interface de requête, pas un comportement de modèle identique. Réexécutez les tests d’invite, de sortie structurée et d’appel d’outil pour chaque fournisseur et version de modèle.

Conclusion

Commencez avec l’API Gemini native lorsque vous voulez le chemin le plus clair vers les fonctionnalités spécifiques à Gemini. Commencez avec le point de terminaison compatible OpenAI lorsque vous avez déjà un backend de style OpenAI ou avez besoin d’une évaluation rapide du fournisseur. Dans les deux cas, conservez la clé API côté serveur, placez l’ID du modèle dans la configuration, testez la version exacte du modèle et séparez le raisonnement du modèle de l’exécution de l’agent.

Pour une conception de production résiliente, conservez au moins un modèle alternatif derrière la même interface détenue par l’application. Cela donne à votre équipe un moyen pratique de tester une option open source sur Novita AI, de gérer les changements de cycle de vie du modèle et de router l’exécution de l’agent dans un sandbox isolé au lieu de coupler chaque responsabilité à un appel API.

FAQ

Existe-t-il encore un ID de modèle appelé gemini-pro ?

Ne présumez pas que gemini-pro est l’ID actuel. « API Gemini Pro » est couramment utilisé comme terme de recherche pour les modèles Gemini de plus haute capacité de Google, mais les applications doivent utiliser un ID exact provenant de la page actuelle des modèles Gemini. Ce guide utilise gemini-3.1-pro-preview comme exemple vérifié.

Où puis-je obtenir une clé API Google pour Gemini ?

Créez une clé API Gemini dans Google AI Studio. Stockez-la dans un secret côté serveur tel que GEMINI_API_KEY, pas dans le code source ni dans du JavaScript côté navigateur.

Quel est le point de terminaison de l’API Gemini ?

L’hôte natif est https://generativelanguage.googleapis.com. Une requête de génération de contenu utilise /v1beta/models/{model}:generateContent. L’URL de base compatible OpenAI de Google est https://generativelanguage.googleapis.com/v1beta/openai/.

L’API Gemini Studio est-elle différente de l’API Gemini ?

Google AI Studio est l’interface web que les développeurs utilisent pour expérimenter et créer une clé. Les requêtes applicatives vont à l’API Gemini. Les recherches pour « API Gemini Studio » font généralement référence à ce flux de travail AI Studio vers API.

L’API Google Bard est-elle la même que l’API Gemini ?

Gemini est la marque actuelle de l’API et du modèle. Les recherches plus anciennes pour une API Google Bard doivent utiliser la documentation, les points de terminaison et les ID de modèle actuels de l’API Gemini plutôt que les anciens exemples Bard.

Puis-je utiliser le SDK OpenAI avec Gemini ?

Oui. Google documente un point de terminaison de compatibilité OpenAI. Définissez l’URL de base du client sur l’URL de compatibilité de Google, fournissez votre clé API Gemini et sélectionnez un ID de modèle Gemini pris en charge. Testez les fonctionnalités spécifiques au fournisseur avant de vous fier à une parité comportementale complète.

Gemini peut-il exécuter du code pour un agent IA ?

Gemini peut raisonner sur le code et proposer des appels d’outils, mais l’exécution doit avoir lieu dans un environnement d’exécution contrôlé. Gardez l’appel de modèle séparé d’un environnement isolé tel qu’Agent Sandbox, et validez chaque action demandée avant de l’exécuter.

Existe-t-il un niveau gratuit pour la tarification de l’API Gemini ?

Oui. Google indique que les nouveaux comptes démarrent sur le niveau gratuit, qui permet l’accès à certains modèles dans l’API Gemini et AI Studio jusqu’aux limites de débit du niveau gratuit des modèles. Pour passer à un niveau payant, vous devez configurer la facturation dans AI Studio. Pour les prix exacts par jeton, consultez le tableau de tarification de Google, car les taux sont spécifiques au modèle ; pour gemini-3.1-pro-preview, le tableau actuel liste la tarification Standard payante et aucun frais de jeton pour le niveau gratuit.

Articles recommandés

• Deepseek R1 0528 vs Gemini 2.5 Pro 0506 : Puissance d’agent vs Maîtrise logique
• Meilleure plateforme d’API LLM pour changer de fournisseur
• Que sont les agents de codage ? Architecture, outils et sécurité
• API MiMo 2.5 sur Novita AI : API de chat compatible OpenAI