Gemini & Google AI
Un parcours de maîtrise approfondi et pratique de Gemini : les modèles et l'application, les Gems, Workspace, les Extensions, AI Studio et l'API Gemini, Gemini CLI et Code Assist, les agents, Vertex AI, l'automatisation et un projet final.
Tout le monde parle de Google AI. Vous, vous allez le faire tourner. Ce bloc vous emmène de la famille de modèles Gemini jusqu'à un workflow de production que vous mettez réellement en service, sans vous faire perdre de temps avec de la théorie que vous n'utiliserez jamais.
Commencez par les fondamentaux : quand pro justifie son coût et quand flash l'emporte, comment les gems et la personnalisation font de Gemini le vôtre, et pourquoi la multimodalité et le long contexte sont les superpouvoirs qui changent votre façon de travailler. Ensuite vous le mettez au travail dans Google Workspace, dans docs, gmail, sheets, slides, meet, drive et le panneau latéral, avec la gouvernance et les contrôles de données dont un dirigeant sérieux doit répondre.
À partir de là, vous cessez d'être passager. Vous construisez des gems réutilisables, branchez des extensions et apprenez exactement quoi utiliser et quand. Vous prototypez dans Google AI Studio, faites vos premiers vrais appels à l'API Gemini, et ancrez les réponses dans Google Search pour que vos résultats résistent à l'examen.
Les ingénieurs de votre équipe respecteront la suite. Vous emmenez Gemini CLI dans votre terminal, faites du agentic coding, passez en revue des pull requests, et allez de bout en bout de l'issue à la pull request mergée. Vous montez des agents avec l'agent development kit, en orchestrez plusieurs, et posez les garde-fous sur les permissions, la revue et le coût qui empêchent l'autonomie de devenir un risque.
Ensuite vous allez plus loin : function calling, sorties structurées, embeddings, RAG sur vos propres fichiers, et Vertex AI pour passer Gemini en production. Le projet final relie le tout dans un workflow réel.
À la fin, vous ne demanderez plus ce que Gemini peut faire. Vous déciderez de ce qu'il fait ensuite dans votre organisation.
Ce que vous allez maîtriser
- Choisir le bon modèle Gemini en fonction du coût, de la vitesse et de la qualité pour chaque tâche
- Déployer Gemini dans Workspace tout en appliquant la gouvernance et les contrôles de données
- Construire des gems réutilisables et connecter des extensions à vos applications métier en production
- Appeler l'API Gemini et ancrer les réponses avec Google Search pour des résultats fiables
- Faire du agentic coding depuis le CLI, de l'issue à la pull request mergée
- Orchestrer plusieurs agents avec l'ADK derrière des garde-fous de permission, de revue et de coût
- Mettre en production un workflow Gemini avec RAG, embeddings et Vertex AI
Termes clés
Modules
Présente la famille de modèles Gemini, quand utiliser chaque version, et comment la multimodalité, le long contexte et la personnalisation étendent ses capacités.
Montre comment utiliser Gemini dans Docs, Gmail, Sheets, Slides, Meet et Drive, ainsi que les contrôles de gouvernance qui protègent les données de l'entreprise.
Montre comment créer des assistants personnalisés réutilisables, connecter Gemini à vos applications et choisir le bon outil pour chaque tâche.
Prototypage de prompts, premiers appels API et grounding des réponses avec Google Search et des données en temps réel.
Montre comment utiliser Gemini pour du coding agentique dans le terminal, l'IDE et GitHub, d'une simple issue jusqu'à une pull request mergée.
Montre comment construire, orchestrer et sécuriser des agents IA qui automatisent le travail dans Google Workspace avec l'agent development kit.
Comment étendre Gemini avec le function calling, les structured outputs, les embeddings et la retrieval, puis le déployer en production sur Vertex AI.
Montre comment utiliser Gemini dans les outils Google, automatiser les tâches répétitives et construire un workflow complet de bout en bout.
Questions fréquentes
Que couvre concrètement le bloc Gemini & Google AI ?
Il compte 8 modules et 29 leçons, de la famille de modèles Gemini et de l'application jusqu'à Workspace, aux gems, aux extensions, à Google AI Studio, à l'API Gemini, au Gemini CLI, aux agents, au RAG et à Vertex AI, avec un capstone en clôture. Il s'inscrit dans le parcours AI Essentials. L'accent est mis sur la mise en production, pas sur la théorie des modèles de langage.
Faut-il savoir coder pour suivre ce bloc ?
Les trois premiers modules (fondamentaux, Workspace, gems et extensions) ne demandent aucun code. À partir de Google AI Studio et de l'API Gemini, et surtout dans les modules Gemini CLI et agents, vous manipulez des appels API, des commandes en terminal et des pull requests. Les dirigeants non techniques lisent souvent ces modules pour savoir quoi demander à leurs équipes plutôt que pour écrire le code.
Le capstone donne-t-il droit à une certification ?
Non. Le bloc Gemini & Google AI ne délivre aucun diplôme, aucune certification reconnue par un État, et n'est affilié à aucune école ni université. Ce que vous en retirez, c'est le capstone lui-même : un workflow Gemini complet que vous avez construit. La lecture est libre et gratuite ; le compte sert uniquement à conserver votre progression.
Quand utiliser Gemini pro plutôt que flash ?
C'est l'objet de la première leçon sur la famille de modèles Gemini. En résumé : pro justifie son coût quand la qualité du raisonnement détermine le résultat, flash s'impose quand le volume, la latence et le prix dominent. Le bloc traite le choix du modèle comme un arbitrage coût-vitesse-qualité à refaire tâche par tâche, pas une fois pour toute l'entreprise.
Quelle différence entre un gem et une extension ?
Un gem est un assistant personnalisé réutilisable que vous configurez une fois avec vos instructions et votre contexte ; une extension relie Gemini à une application externe pour qu'il agisse sur des données réelles. Le module consacré aux gems et extensions comporte une leçon dédiée au choix entre les deux, parce qu'ils répondent à des besoins distincts et sont souvent confondus.
Comment le bloc traite-t-il le risque des agents qui tournent en autonomie ?
Le module agents comprend une leçon consacrée aux guardrails : permissions, revue humaine et maîtrise des coûts. L'orchestration multi-agents avec l'ADK est enseignée avec ces limites, pas après, et le module Gemini CLI aborde les boucles et les exécutions autonomes avec la même prudence. Le principe posé : une autonomie sans garde-fous devient un risque.