Premiers pas avec l'API Gemini en Python

Vous savez ce qu'est un prompt ; il est temps de l'envoyer depuis votre code. Cette formation vous apprend le SDK officiel google-genai, la bibliothèque Python qui parle à Gemini, en écrivant un vrai petit outil : un assistant de réunion en ligne de commande, qui lit la transcription d'une réunion et rend un résumé, les décisions et la liste des actions (qui fait quoi, pour quand).

Le même code tourne de deux façons : avec une clé d'API créée dans Google AI Studio (idéal pour démarrer), ou sur Vertex AI, la plateforme IA de Google Cloud (pour l'entreprise : identité, facturation et données dans votre projet). On passe de l'une à l'autre en changeant deux variables d'environnement.

Pour qui ?

Débutants en Python à l'aise avec les fonctions, les listes et le terminal.
Aucune expérience de l'IA requise. Si vous n'avez jamais utilisé Gemini, commencez par Prototyper une application IA avec Google AI Studio.

Ce que vous allez construire

flowchart LR
  T["reunion_exemple.txt (transcription)"] --> CLI["reunion.py"]
  CLI -->|"resume"| CR["Résumé + décisions + tableau des actions"]
  CLI -->|"resume --stream"| ST["Résumé affiché au fil de l'eau"]
  CLI -->|"tokens"| TK["Tokens + coût estimé"]
  CLI -->|"chat"| CH["Questions / réponses multi-tours"]
  CLI --> SDK["google-genai Client"]
  SDK -->|"GEMINI_API_KEY"| A["API Gemini"]
  SDK -->|"GOOGLE_GENAI_USE_VERTEXAI + GOOGLE_CLOUD_PROJECT"| V["Vertex AI"]

Prérequis

Python 3.10 ou plus récent.
Une clé d'API Gemini (gratuite, créée dans Google AI Studio).
Pour le module 3 (facultatif) : un projet Google Cloud avec facturation et l'API Vertex AI activée, plus la CLI gcloud.

Programme

Module	Leçons	Durée indicative
1. Démarrer avec google-genai	Installer, créer le client, premier `generate_content` ; streaming et conversation	50 min
2. Maîtriser l'appel	Configuration ; tokens et coût ; erreurs et réessais	1h15
3. Clé d'API ou Vertex AI	Passer à Vertex AI en changeant 2 variables	30 min
4. Projet final	Construire le CLI ; le tester dans les deux modes	55 min

Chaque leçon contient un schéma, des quiz corrigés, un exercice avec sa solution, une checklist « Je sais faire » et la sortie réelle obtenue lors de nos tests du 2026-10-15.

En local ou sur Google Cloud ?

	Clé d'API (sans GCP)	Vertex AI (avec GCP)
Authentification	clé dans `GEMINI_API_KEY`	identité Google Cloud (ADC, `gcloud auth application-default login`)
Variables à définir	`GEMINI_API_KEY`	`GOOGLE_GENAI_USE_VERTEXAI=TRUE`, `GOOGLE_CLOUD_PROJECT`
Facturation	compte AI Studio (niveau gratuit possible)	projet Google Cloud
Région des traitements	gérée par Google	`global` par défaut, ou une région choisie (`europe-west1`…)
Ressources à nettoyer	aucune	aucune : on n'appelle qu'un modèle, rien n'est créé dans le projet

Le lab

Tout est dans files/ : le CLI reunion.py, ses 14 tests sans clé test_reunion.py, une transcription fictive reunion_exemple.txt, requirements.txt et un modèle de configuration files/.env.example (valeurs factices) qui documente les deux modes.