Gemini dans vos outils et dans l'écosystème

L'application Gemini est la porte d'entrée, mais l'essentiel de la valeur se trouve dans les pièces situées derrière : Chrome, Android, Workspace, l'APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète →, et une couche croissante d'outils tiers construits sur les modèles de Google. Savoir quelle surface utiliser, c'est la différence entre une démo astucieuse et quelque chose qui vous fait réellement gagner des heures chaque semaine.

Cette leçon cartographie ces surfaces et, surtout, vous indique quand chacune est le bon outil. Nous terminerons par une mise en place concrète pour voir la décision à l'œuvre.

Le modèle mental : mêmes cerveaux, corps différents

Toutes les surfaces présentées ici utilisent les mêmes modèles Gemini sous-jacents (le niveau Pro pour les raisonnements plus difficiles, le niveau Flash pour le travail rapide, peu coûteux, à fort volume). Ce qui change, c'est le *corps* autour du cerveau : les données qu'il peut voir, ce sur quoi il peut agir, et qui le contrôle.

Trois questions décident de tout :

1. Où se trouve le contexte ? Votre boîte de réception ? Une base de code ? Une base de données qui vous appartient ?
2. Qui le déclenche ? Vous, manuellement ? Une planification ? Un autre système ?
3. Qui doit le contrôler ou l'auditer ? Vous seul ? Toute votre organisation ? Une équipe conformité ?

Gardez ces trois questions en tête. Elles se projettent proprement sur les surfaces.

Surfaces grand public : Gemini là où vous êtes déjà

Dans l'application Gemini et les Gems

L'application sert au travail ouvert et interactif. Les Gems (vos assistants personnalisés enregistrés et réutilisables, avec des instructions fixes) sont le bon choix quand vous répétez le même *type* de tâche avec des entrées différentes : une Gem « rédacteur de release notes », une Gem « réécris ceci dans notre voix de marque ». Vous construisez l'instruction une fois, vous la réutilisez chaque jour.

Dans chrome et android

Gemini est intégré à l'OS et au navigateur, donc **le contexte est *ce qui se trouve sur votre écran***. Sur Android, Gemini peut lire le contexte de l'application en cours pour répondre à « qu'est-ce que cet email me demande de faire ? » sans copier-coller. Dans Chrome, il peut résumer la page où vous êtes ou raisonner dessus.

Utilisez-les quand la donnée est éphémère et sous vos yeux. Ne les utilisez pas pour quoi que ce soit que vous devez répéter ou auditer, car il n'y a aucun artefact à conserver.

Dans Google workspace

C'est la surface grand public à plus fort effet de levier pour la plupart des professionnels, parce que le contexte est constitué de *vos propres documents et de votre messagerie*, encadré par vos permissions existantes. Gemini dans Docs, Gmail, Sheets, Slides, Meet et Drive ne voit que ce à quoi vous avez déjà accès.

Usages concrets :

• Dans Gmail, rédiger une réponse qui reprend le fil de discussion réel.
• Dans Sheets, générer une formule ou catégoriser une colonne.
• Dans Meet, activer « prends des notes pour moi » et obtenir un résumé avec les actions à mener.
• Dans Drive, poser une question portant sur plusieurs fichiers sans les ouvrir.

La règle : si la donnée est déjà dans Workspace et qu'un humain est dans la boucle, utilisez Gemini dans Workspace. Vous obtenez gratuitement un ancrage dans votre contenu réel. Les détails et les capacités actuelles se trouvent sur support.google.com, dans le centre d'aide Workspace.

Quand l'application ne suffit plus : l'automatisation avec Apps Script

Gemini dans Workspace est interactif. Dès que vous voulez qu'une tâche s'exécute *selon une planification* ou *en réaction à un événement* (une nouvelle réponse à un formulaire, une ligne ajoutée à une feuille), vous passez dans l'automatisation, et le bon outil est Apps Script : le runtime JavaScript intégré de Google pour Workspace.

Apps Script peut appeler Gemini et réécrire le résultat directement dans un Doc, un Sheet ou un email. Voici un extrait déclenché par événement qui résume une nouvelle ligne de ticket de support via l'API Gemini et écrit le résumé dans la colonne suivante :

function summarizeNewTicket(e) {
  const apiKey = PropertiesService.getScriptProperties().getProperty('GEMINI_KEY');
  const ticket = e.values[1];
  const url = `https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent?key=${apiKey}`;
  const payload = {
    contents: [{ parts: [{ text: `Summarize this ticket in one sentence: ${ticket}` }] }]
  };
  const res = UrlFetchApp.fetch(url, {
    method: 'post',
    contentType: 'application/json',
    payload: JSON.stringify(payload)
  });
  const summary = JSON.parse(res.getContentValue ? res.getContentText() : res.getContentText())
    .candidates[0].content.parts[0].text;
  e.range.getSheet().getRange(e.range.getRow(), 3).setValue(summary);
}

C'est la surface de transition : pas de serveurs, pas de déploiement, et elle vit dans le modèle de permissions de Google. Optez pour Apps Script quand le déclencheur est un événement Workspace et que la sortie retourne dans Workspace.

Surfaces de développement : l'API, AI studio et la CLI

Quand vous dépassez Workspace (applications sur mesure, vos propres données, vos propres utilisateurs), vous passez du côté développeur.

Google AI studio et l'API Gemini

Google AI Studio est l'endroit le plus rapide pour prototyper. Vous écrivez un prompt, vous l'ajustez, et vous exportez du code fonctionnel depuis un seul écran. Les modèles que vous avez testés sont disponibles via l'API Gemini, documentée sur ai.google.dev. C'est là que vous exploitez les fonctionnalités que l'application grand public vous cache : sélection explicite du modèle, multimodalité native (transmission directe d'images, d'audio, de vidéo et de PDF), contexte long pour raisonner sur un document entier, et grounding avec Google Search activable d'un clic.

Le grounding est le point à intérioriser. Au lieu de construire un pipelinepipelineL'ensemble des opportunités commerciales actives réparties selon les étapes du processus de vente, avec leur valeur potentielle cumulée et leur probabilité de conclusion.Voir la définition complète → RAGRAGMéthode qui permet à un modèle d'IA de répondre à partir de vos propres documents, en récupérant les passages pertinents avant de générer une réponse.Voir la définition complète → complet pour des faits généraux sur le monde, vous activez le grounding Search et Gemini récupère et cite lui-même des résultats en direct :

from google import genai
from google.genai import types

client = genai.Client(api_key="YOUR_KEY")
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="What changed in the latest EU AI Act guidance this month?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(google_search=types.GoogleSearch())]
    )
)
print(response.text)

Utilisez l'API quand vous construisez un produit, intégrez l'IA dans votre propre application ou servez des utilisateurs qui ne sont pas vous. Passez d'abord par AI Studio pour caler le prompt et la configuration.

Gemini CLI et code assist

Deux surfaces développeur méritent une mention à part, parce qu'elles vivent là où les ingénieurs travaillent réellement.

Gemini CLI amène le modèle dans votre terminal : demandez-lui d'expliquer une stack trace, de refactorer un fichier ou d'exécuter une tâche en plusieurs étapes sur votre projet local. Gemini Code Assist vit dans votre IDE (VS Code, JetBrains) et dans GitHub, avec de la complétion, de la revue et du chat en connaissance de votre base de code.

La distinction : la CLI sert au travail ponctuel, conversationnel, natif du terminal, et aux tâches agentiques rapides sur des fichiers locaux. Code Assist sert au flux continu dans l'éditeur. Les deux sont la bonne surface quand le *contexte est votre code*.

🎬 [VIDEO: "Gemini CLI: Your open-source AI agentAI agentLogiciel qui poursuit un objectif seul : il planifie, utilise des outils et agit avec une intervention humaine limitée.Voir la définition complète → in the terminal" - youtube.com/watch?v= tutorial - a walkthrough of installing the CLI and running agentic tasks against a local repo]

Production et agents : ADK et vertex AI

Deux surfaces supplémentaires comptent dès que vous allez au-delà d'un simple appel d'API.

L'agent development kit (ADK)

Quand votre tâche exige *plusieurs étapes, outils et décisions* (appeler une API, vérifier un résultat, décider de la suite), vous construisez un agent, et une boucle generateContent brute devient vite confuse. L'Agent Development Kit est le framework open source de Google pour construire, structurer et orchestrer des agents avec outils, mémoire et passations multi-agents, de façon propre et testable.

Un agent ADK minimal capable d'utiliser un outil ressemble à ceci :

from google.adk.agents import Agent

def get_order_status(order_id: str) -> dict:
    """Look up the status of a customer order by its ID."""
    return {"order_id": order_id, "status": "shipped", "eta": "2 days"}

root_agent = Agent(
    name="support_agent",
    model="gemini-2.5-flash",
    instruction="Help customers check order status. Use the tool for any order ID.",
    tools=[get_order_status]
)

Optez pour ADK quand la logique est réellement agentique : branchements, usage d'outils, étapes qui dépendent des résultats précédents. Pour un simple prompt suivi d'une réponse, ADK est démesuré ; restez sur l'API.

Vertex AI

Vertex AI est la surface entreprise sur Google Cloud. Les modèles sont les mêmes, mais le corps autour d'eux est conçu pour la production : permissions IAM, contrôles VPC, résidence régionale des données, monitoring, scalabilité et intégration avec votre data warehousedata warehouseUn référentiel central qui consolide les données de nombreux systèmes sources dans un stockage structuré et optimisé pour les requêtes, conçu pour l'analytique, le reporting et la business intelligence.Voir la définition complète → cloud. C'est ici que les agents ADK se déploient, sur un runtime managé, lorsqu'ils doivent tourner de façon fiable pour de vrais utilisateurs.

Le choix entre l'API Gemini et Vertex AI porte sur *qui le contrôle et l'audite*. Projet solo ou startup qui avance vite : l'API Gemini avec une clé d'API. Entreprise avec des exigences de sécurité, de conformité et de gouvernance des données : Vertex AI. Mêmes modèles, gouvernance différente.

La couche tierce

Vous rencontrerez aussi Gemini *à l'intérieur d'autres outils* : des produits qui ont branché les modèles de Google sur leurs propres workflows via l'API. L'objectif n'est pas de les lister, mais de reconnaître le schémamaUtiliser un logiciel pour automatiser les tâches et campagnes marketing répétitives, afin de personnaliser à grande échelle sur des canaux comme l'email, le web et le social.Voir la définition complète →. Quand vous en évaluez un, posez les mêmes trois questions : où est le contexte, qui le déclenche, qui l'audite. Un outil qui envoie vos données à Gemini via le compte de quelqu'un d'autre change la réponse aux trois.

Mise en pratique : une tâche, la bonne surface

Supposons que vous dirigiez le support client et que vous vouliez faire résumer et router les tickets entrants.

• Bricolage, aujourd'hui : collez un ticket dans l'application Gemini avec une Gem « triage ». Zéro mise en place, mais manuel.
• Les tickets arrivent dans un Sheet : Apps Script avec un déclencheur on-edit résume automatiquement chaque nouvelle ligne. Toujours dans Workspace, sans serveurs.
• Les tickets vivent dans votre propre application de helpdesk : appelez l'API Gemini (prototypez d'abord le prompt dans AI Studio). Vous contrôlez l'intégration.
• Vous avez besoin d'un routage automatique avec recherches et décisions : construisez un agent ADK qui résume, vérifie le plan du client via un outil et affecte une file.
• C'est à l'échelle de l'entreprise avec des exigences de conformité : déployez cet agent sur Vertex AI avec l'IAM et le monitoring adéquats.

Même travail. Cinq surfaces. La bonne est la plus petite surface qui répond à vos trois questions, et pas un cran de plus.

Points clés à retenir

• Faites correspondre la surface à trois questions : où se trouve le contexte, qui déclenche la tâche, et qui doit la contrôler ou l'auditer. Les réponses pointent directement vers Workspace, Apps Script, l'API, ADK ou Vertex AI.
• Gemini dans Workspace est la surface grand public à plus fort effet de levier pour les professionnels, parce qu'elle est déjà ancrée dans vos documents et vos permissions. Commencez là avant de construire quoi que ce soit.
• Apps Script est le pont vers l'automatisation : quand un événement Workspace doit déclencher Gemini et que le résultat revient dans Workspace, vous n'avez besoin ni de serveurs ni de déploiement.
• Prototypez dans AI Studio, passez en production sur l'API, et migrez vers Vertex AI seulement quand la gouvernance l'exige. Les modèles sont identiques ; vous choisissez le niveau de contrôle.
• N'utilisez ADK que si la tâche est réellement agentique (plusieurs étapes, outils et branchements). Un simple prompt n'a pas besoin d'un framework.