+220 XP

Capstone : un vrai workflow Gemini de bout en bout

Construisons une chose réaliste de bout en bout : un assistant de veille concurrentielle qui lit votre secteur chaque matin, surveille vos concurrents et dépose un briefing sourcé dans un Google Doc avant que vous ayez fini votre café. Nous expliciterons chaque décision d'architecture pour que vous puissiez changer de domaine (juridique, commercial, recherche, recrutement) et réutiliser le squelette.

L'intérêt d'un capstone tient à l'ensemble des choix, plus qu'à la démo : quel tier de modèle, où le travail s'exécute, comment les faits restent à jour et ce qui déclenche l'ensemble. Si ces choix sont bons, le workflow résiste à l'épreuve du réel.

Le scénario et les contraintes

L'assistant a quatre tâches chaque jour ouvré à 7 h 00 :

  1. Récupérer les dernières actualités et annonces concernant trois concurrents nommés.
  2. Lire les PDF ou présentations que vous avez déposés la veille dans un dossier Drive (grilles tarifaires, rapports d'analystes).
  3. Synthétiser un briefing d'une page avec ses sources.
  4. L'ajouter à un Doc « Competitive Intel » tenu en continu et vous envoyer les points clés par e-mail.

Les contraintes qui orientent la conception :

  • Les faits doivent être à jour et citables, pas hallucinés. Cela impose le grounding.
  • Les entrées sont hétérogènes : texte web, PDF, images de graphiques. Cela impose la multimodalité native.
  • Le workflow doit tourner sans surveillance, selon un planning. Cela exclut l'application de chat comme moteur.
  • Une personne non technique de votre équipe doit pouvoir ajuster le prompt. Cela pousse une partie de la logique vers Workspace.

Décision 1 : où cela s'exécute-t-il ?

Vous disposez de trois vrais environnements pour le travail avec Gemini, et ils ne sont pas interchangeables.

  • L'application Gemini et les Gems servent à l'usage interactif. Un Gem est une version enregistrée et paramétrée de Gemini (une sorte de persona réutilisable avec des instructions permanentes et des fichiers). Parfait pour « poser une question à mon assistant de recherche », inutile comme cron job de 7 h puisque personne n'est là pour appuyer sur Entrée.
  • Gemini dans Google Workspace s'exécute *dans* Docs, Sheets, Gmail et Drive. C'est là que vit le résultat et qu'Apps Script peut l'automatiser sous votre compte Workspace.
  • L'API Gemini (via Google AI Studio pour le prototypage, ou Vertex AI pour la production) est le moteur programmable : appels au modèle, grounding, sortie structurée, planification.

La répartition nette pour ce capstone : Apps Script est l'orchestrateur et la couche d'intégration Workspace ; l'API Gemini assure le raisonnement lourd et le grounding. Apps Script vous apporte un planificateur intégré (déclencheurs temporels), un accès natif à Drive/Docs/Gmail et un endroit où vos collègues peuvent lire le prompt. L'API vous donne un contrôle du modèle que l'interface Workspace n'expose pas, comme la configuration du grounding et les schémas JSON.

S'il s'agissait d'un agent plus large, multi-étapes, avec usage d'outils et mémoire, vous vous tourneriez plutôt vers l'[Agent Development Kit (ADK)](https://google.github.io/adk-docs/) sur Vertex AI. Nous reviendrons sur cette ligne de partage.

Décision 2 : quel tier de modèle ?

Vous disposez des tiers Pro et Flash (actuellement la génération Gemini 3). Le réflexe d'utiliser le plus gros modèle partout coûte cher et ralentit. Répartissez par tâche.

  • Flash pour le travail à fort volume, sensible à la latence, de type « lire et extraire » : parcourir chaque actualité, extraire les faits clés d'un PDF. Bon marché et rapide, et la tâche ne demande pas de raisonnement difficile.
  • Pro pour l'étape finale de synthèse : pondérer les sources, repérer les contradictions, rédiger le briefing. C'est un appel par jour, donc payer le modèle plus puissant ne coûte presque rien et le gain de qualité compte.

Ce schéma à deux tiers (Flash pour le fan-out, Pro pour le jugement final) est le levier de coût le plus utile en production avec Gemini. **Choisissez le tier par *tâche*, pas par *projet***.

Les identifiants de modèles changent plus vite que les leçons. Les anciens modèles 2.5 figurent au calendrier de retrait de Google : consultez la page des modèles pour connaître les identifiants stables actuels et gardez-les dans une seule constante de configuration plutôt que dispersés dans votre code.

Décision 3 : comment les faits restent-ils à jour ?

Les données d'entraînement sont par définition périmées, donc l'étape d'actualités concurrentielles utilise le grounding avec Google Search. Le grounding demande au modèle de lancer de vraies recherches et de renvoyer des réponses liées à des résultats en direct, avec des métadonnées de citation que vous pouvez afficher sous forme de liens.

Vous l'activez comme un outil dans la requête. Voici l'appel de synthèse principal en Python avec le SDK `google-genai`, grounding Search activé :

python
from google import genai
from google.genai import types

PRO_MODEL = "gemini-3-pro-preview"     # vérifiez l'ID actuel sur la page des modèles
FLASH_MODEL = "gemini-3-flash-preview"

client = genai.Client()  # lit GEMINI_API_KEY depuis l'environnement

grounding = types.Tool(google_search=types.GoogleSearch())

resp = client.models.generate_content(
    model=PRO_MODEL,
    contents=(
        "Summarize this week's announcements, pricing changes, and "
        "product launches for Acme, Globex, and Initech. Flag anything "
        "that affects our positioning. Cite every claim."
    ),
    config=types.GenerateContentConfig(
        tools=[grounding],
    ),
)

print(resp.text)
# resp.candidates[0].grounding_metadata contient les URL des sources

Vous remarquerez l'absence de paramètre temperature. Avec les anciens modèles, vous l'auriez abaissée autour de 0,3 pour un travail d'analyse. La recommandation de Google pour Gemini 3 est de laisser la température à sa valeur par défaut de 1,0, car des valeurs plus basses peuvent provoquer des boucles ou dégrader la sortie. Pilotez plutôt la précision par le prompt (« cite every claim », « say 'no change' if nothing happened »).

Le grounding_metadata de la réponse contient les liens justificatifs, ce qui permet à votre briefing d'annoter chaque affirmation. Cette traçabilité des sources est ce qui rend le résultat assez fiable pour être transmis à un dirigeant. Consultez la documentation sur le grounding pour la structure actuelle des métadonnées.

Décision 4 : gérer les entrées multimodales

Le dossier Drive peut contenir la grille tarifaire PDF d'un concurrent et une capture d'écran d'un tableau de prix issue d'un webinar. Vous ne les passez pas par un OCR séparé. Gemini est nativement multimodal : donnez-lui directement le PDF et l'image dans la même requête, et sa longue fenêtre de contexte vous permet d'inclure plusieurs documents complets d'un coup au lieu de les découper.

C'est la partie du workflow où vous n'avez *pas* besoin de RAG. Le RAG se justifie quand votre corpus dépasse largement la fenêtre de contexte. Pour « les trois fichiers déposés hier », les placer directement dans un prompt à long contexte est plus simple, moins coûteux à construire et ne perd aucune fidélité. Savoir quand se passer de la couche de retrieval est une compétence d'architecture.

python
pdf = client.files.upload(file="reports/globex_pricing.pdf")
chart = client.files.upload(file="reports/webinar_chart.png")

extract = client.models.generate_content(
    model=FLASH_MODEL,
    contents=[
        pdf, chart,
        "Extract every price, tier name, and feature change. "
        "Return JSON: {items: [{vendor, tier, price, note}]}.",
    ],
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
    ),
)

Notez response_mime_type="application/json". Demander une sortie structurée plutôt que de la prose est ce qui permet à l'étape suivante (le rédacteur Apps Script) de consommer le résultat de façon fiable. Deux raisons de plus pour lesquelles c'est Flash et non Pro : l'appel s'exécute une fois par fichier, et l'extraction est mécanique.

🎬 [VIDÉO : « Multimodal prompting with the Gemini API » - https://www.youtube.com/@GoogleDevelopers - Vidéos Google for Developers sur l'envoi de PDF et d'images dans une seule requête et la lecture de la réponse]

Décision 5 : orchestration et planification

Reste à assembler le tout. Le planificateur est un déclencheur temporel Apps Script, le cron fiable le moins cher que vous possédez déjà dans Workspace. Le script appelle votre endpoint d'API (ou appelle Gemini directement via UrlFetchApp), puis écrit les résultats dans Docs et Gmail avec les services natifs.

Ici, l'orchestrateur vit dans Apps Script. Il s'exécute à 7 h, appelle votre service de synthèse et ajoute le briefing :

javascript
function dailyBriefing() {
  const payload = { date: new Date().toISOString().slice(0, 10) };
  const res = UrlFetchApp.fetch("https://your-service/brief", {
    method: "post",
    contentType: "application/json",
    payload: JSON.stringify(payload),
  });
  const brief = JSON.parse(res.getContentText());

  const doc = DocumentApp.openById("YOUR_DOC_ID").getBody();
  doc.appendParagraph(brief.title).setHeading(DocumentApp.ParagraphHeading.HEADING2);
  doc.appendParagraph(brief.summary);
  brief.sources.forEach(s => doc.appendListItem(s.url));

  GmailApp.sendEmail("you@company.com", "Daily Intel: " + brief.title, brief.summary);
}

Vous configurez le déclencheur de 7 h une seule fois dans l'interface Apps Script, rubrique Déclencheurs, ou par programme avec ScriptApp.newTrigger. Aucun serveur à surveiller, aucune facture de planificateur séparée. Si vous préférez une exécution entièrement côté serveur, faites tourner le Python sur Cloud Run avec Cloud Scheduler ; le compromis est davantage de contrôle sur l'infrastructure contre davantage de mise en place.

Vérification des acquis

1. Selon la leçon, quelle est la vraie valeur d'un projet capstone comme l'assistant de veille concurrentielle ?

2. Pourquoi l'exigence de faits « à jour et citables » oriente-t-elle la conception de l'assistant ?

3. Dans l'architecture du capstone, quelle est la répartition nette des responsabilités entre Apps Script et l'API Gemini ?

CHOIX MULTIPLES

4. Sélectionnez TOUTES les raisons données dans la leçon pour lesquelles l'application de chat Gemini (ou un Gem) n'est pas le bon moteur pour ce workflow planifié.

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les affirmations qui décrivent correctement les trois « environnements » de travail avec Gemini présentés dans la leçon.

Sélectionnez toutes les réponses correctes.

L'architecture complète, assemblée

Lisez le flux de données une fois, de haut en bas :

  1. Déclencheur de 7 h 00 (déclencheur temporel Apps Script) lance dailyBriefing.
  2. Ingestion (Flash, multimodal) : chaque nouveau fichier Drive est importé et extrait en JSON.
  3. Recherche (Pro, avec grounding) : un appel avec grounding Search collecte les actualités concurrentielles récentes avec citations.
  4. Synthèse (Pro) : un appel combine les faits extraits des fichiers et les actualités sourcées en un briefing d'une page, en sortie JSON ({title, summary, sources}).
  5. Livraison (Workspace) : Apps Script ajoute le briefing au Doc continu et envoie le résumé par e-mail.

Les tiers de modèles correspondent clairement aux étapes : Flash fait le fan-out sur de nombreuses petites entrées, Pro effectue les deux appels qui exigent du jugement. Le grounding est limité à une seule étape. Vous n'appliquez pas de grounding à l'étape d'extraction, car ces faits viennent des documents que vous avez sous les yeux, pas du web. Appliquer le grounding à la mauvaise étape ajoute de la latence et peut faire remonter des résultats de recherche hors sujet.

Où chaque outil trouve sa place

  • API + AI Studio : prototypage des prompts et du grounding dans AI Studio, puis export en code SDK. Le bouton « Get code » d'AI Studio est le chemin le plus rapide d'un prompt qui fonctionne à un script.
  • Apps Script : le planificateur, la colle Workspace et le seul fichier qu'un collègue non technique peut modifier sans risque (le prompt du briefing et la liste des destinataires).
  • Vertex AI / ADK : non utilisés ici, volontairement. Le jour où vous ajoutez des outils entre lesquels le modèle doit choisir (la recherche *et* une consultation du CRM interne *et* une action d'agenda), faites évoluer l'orchestrateur vers ADK et déployez sur Vertex AI. C'est le seuil : les décisions multi-outils et multi-étapes relèvent d'un framework d'agent, pas d'instructions if écrites à la main.

L'ordre de construction qui fonctionne vraiment

Ne construisez pas de haut en bas. Construisez d'abord le milieu risqué.

  1. Dans AI Studio, mettez au point à la main le prompt de synthèse avec grounding. C'est là que la qualité se joue.
  2. Rendez l'extraction JSON fiable sur vos vrais PDF. Les vrais fichiers cassent les prompts naïfs.
  3. Seulement ensuite, encapsulez les deux dans Apps Script et ajoutez le déclencheur.

La planification et l'écriture dans le Doc sont ennuyeuses et fiables. Les prompts du modèle sont l'endroit où vous itérerez dix fois, alors validez-les en premier.

Ce qu'il faut surveiller en production

  • Les citations qui ne mènent nulle part. Affichez toujours les URL de grounding et cliquez sur quelques-unes chaque semaine. Un briefing aux sources mortes est pire que pas de briefing.
  • Les échecs silencieux liés aux types de fichiers. Vérifiez que l'étape d'ingestion gère un dossier Drive vide et un fichier illisible sans faire planter toute l'exécution. Encapsulez chaque fichier dans son propre try/catch.
  • La dérive du prompt. Quand un collègue modifie le prompt dans Apps Script, le format de sortie peut casser le rédacteur du Doc. Gardez l'exigence de schéma JSON dans le prompt et validez avant d'écrire.
  • Les retraits de modèles. Google retire les anciens identifiants de modèles selon un calendrier publié. Programmez un rappel pour consulter la page des modèles chaque trimestre, et changez la constante avant que votre exécution de 7 h ne commence à renvoyer des erreurs.

Points clés

  • Répartissez par tâche, pas par projet. Utilisez Flash pour l'extraction à fort volume et Pro pour le ou les deux appels qui demandent un vrai jugement. C'est votre principal levier de coût et de latence.
  • Limitez le grounding à l'étape qui a besoin de faits récents. Appliquez-le à l'appel de recherche web ; jamais aux étapes dont les faits proviennent de documents que vous avez déjà fournis.
  • Passez-vous du RAG quand le long contexte suffit. Pour quelques documents par exécution, placez-les dans un prompt multimodal à long contexte au lieu de construire une couche de retrieval.
  • Laissez Apps Script orchestrer Workspace et l'API faire le raisonnement. Vous obtenez un planificateur gratuit, un accès natif à Docs/Gmail et un prompt modifiable par des non-techniciens, avec un contrôle complet du modèle là où il compte.
  • Gardez les identifiants de modèles en un seul endroit et laissez la température de Gemini 3 à sa valeur par défaut. Pilotez la précision par le prompt, et mettez à jour l'identifiant quand Google retire un modèle.
  • Passez à ADK sur Vertex AI uniquement quand vous avez besoin d'une vraie autonomie multi-outils. Des étapes écrites à la main suffisent tant que le modèle n'a pas à choisir entre plusieurs outils ni à mémoriser d'une exécution à l'autre.

Questions fréquentes

Comment automatiser un briefing quotidien avec Gemini sans faire tourner de serveur ?

Utilisez Apps Script comme orchestrateur et l'API Gemini comme moteur de raisonnement. Apps Script vous donne un déclencheur temporel (un planificateur gratuit intégré à Workspace), un accès natif à Drive, Docs et Gmail, et un endroit où un non-développeur peut modifier le prompt. L'API prend en charge les appels au modèle, le grounding et la sortie structurée, que l'interface de Workspace n'expose pas.

Quand utiliser Gemini Flash plutôt que Gemini Pro ?

Utilisez Flash pour les tâches d'extraction à fort volume et sensibles à la latence (survoler des articles d'actualité, extraire des faits d'un PDF) et Pro pour le ou les deux appels qui demandent du jugement, comme pondérer des sources et rédiger une synthèse finale. Choisissez le niveau par tâche, pas par projet : Flash se déploie sur de nombreuses petites entrées, Pro tranche à la fin. Comme la synthèse ne tourne qu'une fois par jour, le modèle le plus puissant ne coûte presque rien à cet endroit.

Qu'est-ce que le grounding avec Google Search dans l'API Gemini, et à quelle étape l'utiliser ?

Le grounding avec Google Search demande à Gemini de lancer de vraies recherches et d'ancrer sa réponse dans des résultats en temps réel, en renvoyant des métadonnées de citation que vous pouvez afficher sous forme de liens. Vous l'activez comme outil dans la requête. Limitez-le à l'étape qui a besoin de faits récents, en général l'appel de recherche web : appliquer le grounding à une étape d'extraction dont les faits viennent de documents déjà fournis ajoute de la latence et peut introduire des résultats hors sujet.

Faut-il du RAG pour analyser des PDF avec Gemini, ou le long contexte suffit-il ?

Pour quelques documents par exécution, le long contexte suffit : Gemini est nativement multimodal, vous pouvez donc passer des PDF et des captures de graphiques directement dans la même requête, sans découpage ni étape d'OCR séparée. Le RAG se justifie quand votre corpus dépasse largement la fenêtre de contexte. Se passer de la couche de retrieval quand vous n'en avez pas besoin est plus simple, moins coûteux à construire, et ne fait rien perdre en fidélité.

Faut-il baisser la température de Gemini 3 pour les tâches d'analyse ?

Non. Google recommande pour Gemini 3 de laisser la température à sa valeur par défaut de 1.0, car des valeurs plus basses peuvent provoquer des boucles ou dégrader la sortie. C'est différent des modèles plus anciens, pour lesquels descendre autour de 0.3 était courant en travail analytique. Pilotez plutôt la précision par le prompt, avec des instructions comme « citez chaque affirmation » ou « indiquez 'aucun changement' s'il ne s'est rien passé ».

À quel moment un workflow Gemini doit-il passer à ADK sur Vertex AI ?

Passez à l'Agent Development Kit sur Vertex AI quand le modèle doit choisir entre plusieurs outils et garder la mémoire d'une exécution à l'autre, par exemple une recherche, plus une consultation du CRM interne, plus une action dans l'agenda. En dessous de ce seuil, des étapes codées à la main dans Apps Script ou dans un script Python conviennent. Les décisions multi-outils et multi-étapes relèvent d'un framework d'agents, pas d'une chaîne de if.

À faire, tiré de cette leçon

Ces actions sont compilées dans le plan d'action du rôle.

  • Adoptez par défaut une cascade Flash-first, avec escalade vers Pro uniquement là où les décisions comptent
Voir le plan d'action complet →