Tests, coûts et nettoyage vérifié

flowchart LR
  T["pytest (sans réseau)"] --> E["Bout en bout : setup -> ask -> agent"]
  E --> N["cleanup"]
  N --> V1["corpus supprimés ?"]
  N --> V2["bucket supprimé ?"]
  V1 -->|"plus aucun corpus dans la région"| U["palier -> Unprovisioned"]

1. Les tests sans clé

test_rag_engine_lab.py vérifie la logique du lab sans appeler Google :

Test	Ce qu'il protège
`test_chunking_valide_et_refuse…`	un découpage incohérent est refusé avant l'API
`test_format_contexts…`	l'affichage des passages (nom de fichier, distance arrondie)
`test_cited_sources_ne_garde_que…`	on ne cite que les morceaux de `grounding_supports`
`test_l_agent_ajoute_l_outil_retrieval…`	l'agent ADK envoie bien le corpus et `top_k=4` à Gemini

Le dernier test appelle la vraie méthode process_llm_request d'ADK sur une requête vide : aucun réseau, mais on vérifie le contrat réel entre ADK et Gemini.

terminal

python -m pytest -q

2. Le test de bout en bout

terminal

python rag_engine_lab.py setup
python rag_engine_lab.py ask "Quel est le plafond d'un repas d'affaires à Lyon ?"
RAG_CORPUS=<nom affiché par setup> python agent.py "Puis-je coller un document C3 dans un chatbot IA ?"
python rag_engine_lab.py cleanup

Ou tout d'un coup, avec nettoyage même en cas d'erreur (try/finally) : python rag_engine_lab.py all "votre question".

3. Ce que ça coûte

Poste	Facturation	Pour ce lab
RagManagedDb `Basic`	à l'heure, tant que le palier n'est pas `Unprovisioned`	ordre de grandeur 0,12 €/h (≈ 90 €/mois selon le cours voisin) ; allumée 6 minutes ici
Parsing par défaut, découpage fixe	gratuits (page de facturation RAG Engine)	0 €
Embeddings à l'import	au volume de texte	4 petits fichiers : négligeable
Gemini 2.5 Flash	aux jetons lus et écrits	une dizaine de questions : quelques centimes au plus
Bucket Cloud Storage	au Go stocké	quelques Ko, supprimé

4. Le nettoyage

files/rag_engine_lab.py

def cleanup() -> None:
    for c in rag.list_corpora():
        if c.display_name.startswith(PREFIX):
            rag.delete_corpus(name=c.name)
    bucket = storage.Client(project=PROJECT).bucket(BUCKET)
    if bucket.exists():
        bucket.delete(force=True)
    for _ in range(12):  # la suppression met quelques secondes à apparaître dans la liste
        restants = [c.display_name for c in rag.list_corpora()]
        if not any(n.startswith(PREFIX) for n in restants):
            break
        time.sleep(10)
    if not restants:
        print("palier RagManagedDb :", set_tier("unprovisioned"))
    else:
        print("ATTENTION : d'autres corpus existent, la base RagManagedDb reste active :", restants)

La boucle d'attente vient d'un vrai incident du test : juste après delete_corpus, list_corpora montrait encore le corpus, et la première version du lab a refusé de couper la base. Quelques secondes plus tard, la liste était vide.

Vérification indépendante, en ligne de commande :

terminal

TOKEN=$(gcloud auth application-default print-access-token)
curl -s -H "Authorization: Bearer $TOKEN" \
  "https://europe-west4-aiplatform.googleapis.com/v1/projects/<projet>/locations/europe-west4/ragCorpora"
curl -s -H "Authorization: Bearer $TOKEN" \
  "https://europe-west4-aiplatform.googleapis.com/v1/projects/<projet>/locations/europe-west4/ragEngineConfig"
gcloud storage buckets list --project <projet> --format="value(name)" | grep lab-rag-engine

Vous avez supprimé le corpus du lab, mais un collègue a un autre corpus dans la même région. Que fait cleanup ?

Quelles commandes prouvent qu'il ne reste rien de facturable après le lab ?

Exercice : un budget d'alerte

Proposez deux garde-fous pour qu'un lecteur qui oublie cleanup ne paie pas un mois de Spanner.

Voir la solution

Une alerte budgétaire du compte de facturation (par exemple à 5 €) : elle prévient, sans rien arrêter.
Une tâche planifiée (Cloud Scheduler + Cloud Run job, ou simple cron sur votre poste) qui appelle python rag_engine_lab.py cleanup chaque soir.

On peut aussi marquer l'heure de création dans la description du corpus et supprimer ceux qui ont plus de 24 h. Le label formation-lab=rag-engine du bucket permet de retrouver les restes dans la console.

Résultat obtenu

Tests et nettoyage réels du 2026-10-15 :

$ python -m pytest -v
test_rag_engine_lab.py::test_chunking_valide_et_refuse_un_chevauchement_trop_grand PASSED [ 25%]
test_rag_engine_lab.py::test_format_contexts_garde_le_nom_du_fichier PASSED [ 50%]
test_rag_engine_lab.py::test_cited_sources_ne_garde_que_les_morceaux_cites PASSED [ 75%]
test_rag_engine_lab.py::test_l_agent_ajoute_l_outil_retrieval_natif_a_la_requete PASSED [100%]
4 passed in 1.69s

$ python rag_engine_lab.py cleanup
corpus supprimé : projects/<projet>/locations/europe-west4/ragCorpora/6917529027641081856
bucket supprimé : lab-rag-engine-<projet>
palier RagManagedDb : basic -> unprovisioned
vérification : corpus du lab restants = [] | bucket existe = False

$ curl …/ragCorpora           ->  {}
$ curl …/ragEngineConfig      ->  "ragManagedDbConfig": { "unprovisioned": {}, "spanner": { "unprovisioned": {} } }
$ gcloud storage buckets list … | grep -c lab-rag-engine   ->  0

Base allumée à 16 h 32, coupée à 16 h 38 : six minutes de palier Basic.

Je sais faire

Lancer les tests sans clé et dire ce que chacun protège
Estimer le coût d'un test RAG Engine et identifier le poste fixe
Supprimer corpus, bucket et base Spanner sans effacer les données d'un collègue
Prouver par des commandes qu'il ne reste rien