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 :

Fonctionnalités API Google AI Gemini API Google Cloud Vertex AI Gemini
Derniers modèles Gemini Gemini Pro et Gemini Ultra Gemini Pro et Gemini Ultra
S'inscrire Compte Google Compte Google Cloud (soumis à conditions et facturation)
Ratio d'économie d'énergie (EER) Clé API Compte de service Google Cloud
Simulateur d'interface utilisateur Google AI Studio Vertex AI Studio
API et SDK Python, Node.js, Android (Kotlin/Java), Swift, Go Le SDK est compatible avec Python, Node.js, Java et Go
Niveau sans frais Oui Crédit Google Cloud de 300 $ pour les nouveaux utilisateurs
Quota (requête par minute) 60 (peut demander une augmentation) Augmentation sur demande (par défaut : 60)
Formule d'assistance Enterprise Non Clé de chiffrement client
Cloud privé virtuel
Résidence des données
Access transparency
Infrastructure évolutive pour l'hébergement d'applications
Bases de données et stockage des données
MLOps Non MLOps complètes sur Vertex AI (exemples : évaluation de modèle, Model Monitoring, Model Registry)

Pour savoir quels produits, frameworks et outils conviennent le mieux pour créer 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 devez migrer vers les API Vertex AI Gemini de Google Cloud.

Lorsque vous migrez:

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

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

from google.generativeai import GenerativeModel
from google.colab import userdata

genai.configure(userdata.get('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 = ""
REGION = ""  # e.g. us-central1
vertexai.init(project=PROJECT_ID, location=REGION)

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

Google AI Vertex AI 
model = GenerativeModel('gemini-1.0-pro')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.0-pro')

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

Google AI Vertex AI 
import PIL.Image

multimodal_model = GenerativeModel('gemini-1.0-pro-vision')

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-1.0-pro-vision")

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

Google AI Vertex AI 
model = GenerativeModel('gemini-1.0-pro')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.0-pro")

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.

Étapes suivantes