Créer avec Gemini sur Google Cloud

Si vous débutez avec Gemini, utiliser les guides de démarrage rapide est le moyen le plus rapide de commencer.

Cependant, à mesure que vos solutions d'IA génératives se développent, vous aurez peut-être besoin d'une plate-forme pour créer et déployer des applications et des solutions d'IA générative de bout en bout. Google Cloud fournit un écosystème complet d'outils permettant aux développeurs d'exploiter la puissance de l'IA générative, depuis les étapes initiales du développement de l'application jusqu'à son déploiement, en passant par son hébergement et la gestion de données complexes à grande échelle.

La plate-forme Vertex AI de Google Cloud propose une suite d'outils MLOps qui simplifient l'utilisation, le déploiement et la surveillance des modèles d'IA pour plus d'efficacité et de fiabilité. De plus, les intégrations avec des bases de données, des outils DevOps, la journalisation, la surveillance et IAM offrent une approche globale pour gérer l'intégralité du cycle de vie de l'IA générative.

Le tableau suivant résume les principales différences entre Google AI et Vertex AI pour vous aider à choisir l'option la mieux adaptée à votre cas d'utilisation :

Pour découvrir les produits, frameworks et outils les plus adaptés à la création de votre application d'IA générative sur Google Cloud, consultez la page Créer une application d'IA générative sur Google Cloud.

Migrer depuis Gemini sur Google AI vers Vertex AI

Si votre application utilise les API Google AI Gemini, vous devrez migrer vers les API Vertex AI Gemini de Google Cloud.

Lors de la migration:

• Vous pouvez utiliser votre projet Google Cloud existant (celui utilisé pour générer votre clé API) ou créer un nouveau projet Google Cloud.

• Les régions compatibles peuvent différer entre Google AI Studio et Vertex AI. Consultez la liste des régions disponibles pour l'IA générative sur Google Cloud.

• Tous les modèles que vous avez créés dans Google AI Studio doivent être réentraînés dans Vertex AI.

Notez que si vous souhaitez appeler l'API Gemini directement à partir d'une application mobile ou Web de production, passez à l'utilisation de Vertex AI dans les SDK client Firebase (disponible pour les applications Swift, Android, Web et Flutter). Ces SDK clients offrent des options de sécurité essentielles et d'autres fonctionnalités pour les applications Web et mobiles de production.

Python: Migrer de l'API Google AI Gemini vers l'API Vertex AI Gemini

Les sections suivantes présentent des extraits de code pour vous aider à migrer votre code Python afin d'utiliser l'API Vertex AI Gemini.

Configuration du SDK Vertex AI pour Python

Sur Vertex AI, vous n'avez pas besoin d'une clé API. À la place, Gemini sur Vertex AI est géré à l'aide de l'accès IAM, qui contrôle les autorisations d'un utilisateur, d'un groupe ou d'un compte de service pour appeler l'API Gemini via le SDK Vertex AI.

Bien qu'il existe de nombreuses méthodes d'authentification, la méthode la plus simple pour un environnement de développement consiste à installer Google Cloud CLI, puis à utiliser votre identifiants utilisateur pour vous connecter à la CLI.

Pour effectuer des appels d'inférence à Vertex AI, vous devez également vous assurer que votre utilisateur ou compte de service dispose du rôle Utilisateur Vertex AI.

Exemple de code pour installer le client

# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY="API_KEY"
genai.configure(api_key=API_KEY)
        

# To install the Python SDK, use this CLI command:
# pip install google-cloud-aiplatform

import vertexai
from vertexai.generative_models import GenerativeModel, Image

PROJECT_ID = "PROJECT_ID"
REGION = "REGION"  # e.g. us-central1
vertexai.init(project=PROJECT_ID, location=REGION)
        

Exemple de code pour générer du texte à partir d'une requête textuelle

model = GenerativeModel("gemini-1.5-flash")

response = model.generate_content("The opposite of hot is")
print(response.text) #  The opposite of hot is cold.
        

model = GenerativeModel("gemini-1.5-flash")

response = model.generate_content("The opposite of hot is")
print(response.text) #  The opposite of hot is cold.
        

Exemple de code pour générer du texte à partir de texte et d'images

import PIL.Image

multimodal_model = GenerativeModel("gemini-1.5-flash")

image = PIL.Image.open("image.jpg")

response = multimodal_model.generate_content(["What is this picture?", image])
print(response.text) # A cat is shown in this picture.
        

multimodal_model = GenerativeModel("gemini-1.5-flash")

image = Image.load_from_file("image.jpg")

response = multimodal_model.generate_content(["What is shown in this image?", image])

print(response.text) # A cat is shown in this picture.
        

Exemple de code pour générer un chat multitour

model = GenerativeModel("gemini-1.5-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        

model = GenerativeModel("gemini-1.5-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        

Supprimer les clés API inutilisées

Si vous n'avez plus besoin d'utiliser votre clé API Google AI Gemini, suivez les bonnes pratiques de sécurité et supprimez-la.

Pour supprimer une clé API :

1. Ouvrez la page Identifiants de l'API Google Cloud.

2. Recherchez la clé API que vous souhaitez supprimer, puis cliquez sur l'icône Actions.

3. Sélectionnez Supprimer la clé API.

4. Dans la fenêtre Supprimer l'identifiant, sélectionnez Supprimer.

   Propager la suppression d'une clé API prend quelques minutes. Une fois la propagation terminée, tout trafic utilisant la clé API supprimée est rejeté.

Étapes suivantes

• Pour en savoir plus sur les solutions d'IA générative sur Vertex AI, consultez la présentation de l'IA générative sur Vertex AI.
• Approfondissez vos connaissances sur l'API Gemini Vertex AI.