Passer à Vertex AI en changeant 2 variables

Pourquoi Vertex AI ?

Le SDK google-genai parle aux deux. Il choisit selon les variables d'environnement, lues par genai.Client() :

flowchart TD
  C["genai.Client()"] --> V{"GOOGLE_GENAI_USE_VERTEXAI = TRUE ?"}
  V -->|"non"| K["API Gemini avec GEMINI_API_KEY"]
  V -->|"oui"| P["Vertex AI dans GOOGLE_CLOUD_PROJECT"]
  P --> L{"GOOGLE_CLOUD_LOCATION ?"}
  L -->|"absente"| G["global"]
  L -->|"europe-west1..."| R["région choisie"]

Les étapes

1. Un projet Google Cloud avec facturation et l'API Vertex AI activée (gcloud services enable aiplatform.googleapis.com --project MON-PROJET).
2. S'identifier une fois sur son poste avec les ADC (Application Default Credentials, les identifiants par défaut que les bibliothèques Google trouvent toutes seules) :

gcloud auth application-default login

3. Changer deux variables dans .env :

GOOGLE_GENAI_USE_VERTEXAI=TRUE
GOOGLE_CLOUD_PROJECT=mon-projet-gcp

C'est tout : make_client() ne change pas, il appelle toujours genai.Client(...). Le CLI affiche le mode détecté :

def mode() -> str:
    vertex = os.environ.get("GOOGLE_GENAI_USE_VERTEXAI", "").lower() in ("true", "1")
    return "Vertex AI" if vertex else "clé d'API"

Région et disponibilité des modèles

Sans GOOGLE_CLOUD_LOCATION, le SDK utilise le point d'accès global : Google route la requête là où le modèle est disponible. Pour garder les traitements dans une région (par exemple pour des raisons de conformité), ajoutez GOOGLE_CLOUD_LOCATION=europe-west1, mais tous les modèles n'y sont pas proposés.

Pour vérifier en une commande qu'un modèle répond dans une région :

GOOGLE_CLOUD_LOCATION=europe-west1 MODEL=gemini-2.5-flash python reunion.py tokens reunion_exemple.txt

Résultat obtenu

Le CLI en mode Vertex AI le 2026-10-15, projet de test, MODEL=gemini-2.5-flash :

[mode : Vertex AI | modèle : gemini-2.5-flash]
301 tokens en entrée, soit environ 0.000090 $ avant la réponse

> Quelle date de lancement a été retenue ?
La date de lancement retenue est le 4 novembre.

> Pourquoi ?
Le lancement a été décalé car il restait des tests de bout en bout sur le module de paiement et deux jours
de recette nécessaires, ce qui empêchait de tenir la date initiale du 28 octobre.

Aucune ressource n'a été créée dans le projet : on appelle seulement un modèle. Il n'y a rien à supprimer après le test ; la consommation apparaît simplement dans la facturation du projet.

Exercice

Écrivez les deux lignes de commande (sans modifier .env) qui lancent resume d'abord en mode clé d'API, puis en mode Vertex AI dans europe-west1 avec gemini-2.5-flash.

GOOGLE_GENAI_USE_VERTEXAI=FALSE python reunion.py resume reunion_exemple.txt

env -u GEMINI_API_KEY GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT=mon-projet-gcp \
    GOOGLE_CLOUD_LOCATION=europe-west1 MODEL=gemini-2.5-flash \
    python reunion.py resume reunion_exemple.txt

Je sais faire

• Expliquer ce qu'apporte Vertex AI par rapport à une clé d'API
• M'identifier avec gcloud auth application-default login
• Passer en mode Vertex AI avec GOOGLE_GENAI_USE_VERTEXAI et GOOGLE_CLOUD_PROJECT
• Choisir une région et vérifier qu'un modèle y est disponible