Préparer son poste et premier appel

1. Installer

Un environnement virtuel (venv) est un dossier qui contient un Python et ses bibliothèques, isolé du reste de votre machine.

terminal

cd files
python3 -m venv .venv && source .venv/bin/activate     # Windows : .venv\Scripts\activate
pip install -r requirements.txt
cp .env.example .env        # puis remplacez la valeur factice par votre clé

files/.env.example

GOOGLE_API_KEY=votre-cle-api-ici
# MODEL=gemini-3.5-flash

Le SDK google-genai lit GOOGLE_API_KEY (ou GEMINI_API_KEY) tout seul ; python-dotenv charge le fichier .env au démarrage. Le nom du modèle vient de la variable MODEL, avec gemini-3.5-flash par défaut.

2. Générer les fichiers d'exemple

terminal

python generer_exemples.py
# OK : facture.png, memo.wav, rapport.pdf, ticket.png, tuto.mp4

flowchart LR
  S["generer_exemples.py"] --> T["ticket.png (Pillow + effet photo)"]
  S --> F["facture.png (Pillow)"]
  S --> R["rapport.pdf (reportlab, 3 pages)"]
  S --> V["tuto.mp4 (ffmpeg, 12 s)"]
  S --> A["memo.wav (voix TTS Gemini, ou bip)"]

Fichier	Outil	Ce qu'il contient (fictif)
`ticket.png`	Pillow	ticket de boulangerie, légèrement tourné, flou et bruité comme une photo
`facture.png`	Pillow	facture de papeterie avec HT, TVA 20 %, TTC
`rapport.pdf`	reportlab	rapport trimestriel de 3 pages avec des chiffres
`memo.wav`	modèle TTS Gemini	mémo vocal d'environ 11 secondes
`tuto.mp4`	ffmpeg	4 étapes d'un tutoriel, 3 secondes chacune

3. Premier appel : décrire une image

premier_appel.py

from pathlib import Path
from google import genai
from google.genai import types

client = genai.Client()                       # lit la clé dans l'environnement
image = types.Part.from_bytes(data=Path("ticket.png").read_bytes(), mime_type="image/png")
r = client.models.generate_content(model="gemini-3.5-flash",
                                   contents=[image, "Décris cette image en deux phrases."])
print(r.text, r.usage_metadata.prompt_token_count)

Trois idées à retenir :

contents est une liste : on y mélange librement des médias et du texte.
Part.from_bytes emballe des octets avec leur type MIME (image/png, application/pdf, audio/wav…), l'étiquette standard qui dit « ce sont des octets de quel format ».
usage_metadata donne les tokens consommés : c'est votre compteur de coût.

Que contient l'argument contents dans l'appel ci-dessus ?

Vous oubliez de définir GOOGLE_API_KEY. Que se passe-t-il ?

Exercice : changer de consigne

Modifiez le prompt pour obtenir uniquement le nom du commerce et le total, sur une seule ligne au format Commerce ; total. Que se passe-t-il si vous ajoutez « Si tu n'es pas sûr, écris INCONNU » ?

Voir la solution

contents=[image, "Donne uniquement le nom du commerce et le total TTC, au format "
                 "« Commerce ; total ». Si tu n'es pas sûr, écris INCONNU."]

Réponse attendue : BOULANGERIE DU CANAL ; 9,50 EUR. La phrase « Si tu n'es pas sûr… » donne au modèle une porte de sortie : sans elle, il a tendance à toujours répondre quelque chose, même sur une image illisible. Le module 4 remplacera ce format libre par un vrai JSON validé.

Résultat obtenu

Exécution réelle le 2026-10-15, gemini-3.5-flash :

sortie

Il s'agit d'un ticket de caisse de la « BOULANGERIE DU CANAL » située à Lyon, daté du
14 octobre 2026. Le récépissé détaille l'achat de croissants, d'une baguette tradition,
d'un café et d'un jus d'orange pour un montant total de 9,50 euros payé par carte.
1073

Malgré la rotation, le flou et le bruit ajoutés, le texte est bien lu.

J'ai un venv avec les dépendances et une clé dans .env
J'ai généré les cinq fichiers d'exemple
Je sais envoyer une image avec Part.from_bytes et lire usage_metadata