Choisir un modèle

Le sélecteur de modèle

En haut à droite d'AI Studio, une liste déroulante propose des dizaines de modèles. Leur nom suit presque toujours le même schéma :

flowchart LR
  N["gemini-3.5-flash-lite"] --> F["gemini : la famille"]
  N --> V["3.5 : la génération"]
  N --> T["flash : la taille / le profil"]
  N --> L["lite : variante plus légère"]

Profil	Pour quoi	Compromis
flash	usage général : rédaction, résumé, extraction	bon équilibre qualité / vitesse / prix
flash-lite	gros volumes de tâches simples (classer, reformuler)	plus rapide et moins cher, un peu moins fin
pro (quand il est proposé)	raisonnement difficile, code complexe	plus lent et plus cher
suffixes `-preview`, `-tts`, `-image`, `-live`	versions d'essai ou spécialisées (voix, images, temps réel)	à éviter pour un premier projet texte

Deux limites à connaître

Fenêtre de contexte (input token limit) : la quantité maximale de texte que le modèle peut lire en une fois (prompt + historique + documents).
Taille maximale de réponse (output token limit) : le plafond de tokens que le modèle peut produire, pensée comprise.

Pour une fiche produit, l'entrée fait quelques centaines de tokens : n'importe quel modèle flash suffit largement. Ces limites deviennent importantes quand on lui donne des documents entiers.

Vous devez reformuler 50 000 titres de produits très courts, chaque nuit, au moindre coût. Quel profil essayer en premier ?

Que mesure la fenêtre de contexte d'un modèle ?

Comparer deux modèles sur votre cas

Le meilleur juge, c'est votre tâche. AI Studio permet de relancer le même prompt avec un autre modèle (et propose selon les versions un mode de comparaison côte à côte). Méthode simple :

flowchart TD
  A["5 descriptions de produits réelles"] --> B["Même prompt, modèle A"]
  A --> C["Même prompt, modèle B"]
  B --> D{"Qualité suffisante ?"}
  C --> D
  D -->|"oui pour les deux"| E["Prendre le moins cher / le plus rapide"]
  D -->|"un seul"| F["Prendre celui-là"]

Pour ce cours, nous retenons gemini-3.5-flash : stable, bon en rédaction française, et rapide.

Résultat obtenu

Liste des modèles « flash » visibles avec notre clé, puis les limites du modèle choisi, obtenues par l'API le 2026-10-15 (extrait) :

sortie

models/gemini-2.5-flash
models/gemini-2.5-flash-lite
models/gemini-3-flash-preview
models/gemini-3.1-flash-lite
models/gemini-3.5-flash
models/gemini-3.5-flash-lite
models/gemini-3.8-flash
models/gemini-3.8-flash-tts
models/gemini-flash-latest
...
models/gemini-3.5-flash in=1048576 out=65536

gemini-3.5-flash lit jusqu'à 1 048 576 tokens en entrée et produit au plus 65 536 tokens : de quoi traiter un catalogue entier, bien au-delà de nos besoins. La liste dépend de votre compte et de la date ; vérifiez-la dans AI Studio ou sur la page Modèles Gemini.

Exercice

Vous construisez trois fonctionnalités : (a) classer des avis clients en « positif / négatif / neutre », 10 000 par jour ; (b) rédiger des fiches produit soignées ; (c) lire à voix haute un message d'accueil. Quel profil de modèle testez-vous en premier pour chacune ?

Voir la solution

(a) flash-lite : tâche simple, très gros volume. On vérifie la précision sur une centaine d'avis déjà classés à la main.
(b) flash : la qualité rédactionnelle compte, le volume est modéré.
(c) un modèle -tts (text-to-speech, synthèse vocale), spécialisé dans la production de voix.

Dans les trois cas, le nom du modèle reste un paramètre de l'application, pas une constante gravée dans le code.

Je sais faire

Lire un nom de modèle Gemini (famille, génération, profil, variante)
Expliquer fenêtre de contexte et taille maximale de réponse
Choisir entre flash et flash-lite selon le volume et la difficulté
Comparer deux modèles sur quelques exemples réels