Blog

Comment Utiliser la Nouvelle API Gemini 2.5 06-05 Pro

Ashley Innocent

Ashley Innocent

6 June 2025

Comment Utiliser la Nouvelle API Gemini 2.5 06-05 Pro

La dernière itération de la famille de modèles Gemini de Google, publiée en avant-première le 5 juin 2025, apporte des capacités exceptionnelles aux développeurs. Cette API vous permet de créer des applications avancées et multimodales qui traitent le texte, les images, la vidéo, et plus encore, tout en excellant dans les tâches de raisonnement et de codage. Que vous souhaitiez créer des applications web interactives, analyser des ensembles de données complexes ou automatiser des flux de travail, ce guide vous accompagne dans le processus avec précision.

💡
Avant de poursuivre, optimisez vos tests et intégrations d'API avec Apidog ! Téléchargez Apidog gratuitement pour simplifier l'envoi de requêtes, le débogage des réponses et la gestion des flux de travail pour l'API Gemini 2.5 06-05 Pro. C'est un compagnon idéal pour les développeurs travaillant avec des modèles d'IA de pointe. Lancez-vous dès aujourd'hui !
button

Explorons maintenant la configuration, la mise en place et les cas d'utilisation pratiques pour exploiter tout le potentiel de cette puissante API.

Qu'est-ce que l'API Gemini 2.5 06-05 Pro ?

L'API Gemini 2.5 06-05 Pro, développée par Google DeepMind, représente un sommet dans la technologie d'IA multimodale. Publié en avant-première améliorée le 5 juin 2025, ce modèle s'appuie sur les versions précédentes, offrant des performances supérieures dans les tâches de codage, de raisonnement et de création. Il dispose d'une fenêtre de contexte d'un million de tokens (avec 2 millions à l'horizon), lui permettant de gérer de vastes bases de code, des documents et des entrées multimédias comme des images et des vidéos.

De plus, l'API excelle dans les benchmarks, menant le classement WebDev Arena avec un saut de 24 points Elo pour atteindre 1470 et obtenant un score de 84,8 % sur VideoMME pour la compréhension vidéo. Ses capacités de raisonnement brillent en mathématiques, en sciences et en codage, ce qui la rend idéale pour les développeurs créant des applications sophistiquées. Ensuite, nous allons configurer votre environnement pour commencer à utiliser cette API efficacement.

Prérequis pour utiliser l'API Gemini 2.5 06-05 Pro

Avant de commencer, assurez-vous que votre environnement de développement répond à ces exigences :

Tout d'abord, installez Python et configurez un environnement virtuel. Exécutez ces commandes dans votre terminal :

python -m venv gemini_env
source gemini_env/bin/activate  # On Windows: gemini_env\Scripts\activate

Ensuite, installez la bibliothèque requise :

pip install google-generativeai

Une fois ces étapes terminées, vous êtes prêt à configurer l'API. Passons à l'authentification et à la configuration.

Configuration de l'authentification pour l'API Gemini 2.5 06-05 Pro

Pour utiliser l'API Gemini 2.5 06-05 Pro, authentifiez vos requêtes avec une clé API. Suivez ces étapes pour commencer :

  1. Naviguez vers Google AI Studio : Ouvrez votre navigateur et allez sur aistudio.google.com.

Connectez-vous : Utilisez les identifiants de votre compte Google pour vous connecter.

Générez une clé API : Localisez l'option « Obtenir une clé API » (Get API key) dans le tableau de bord. Cliquez dessus, suivez les instructions et copiez la clé générée. Stockez-la en toute sécurité — ne la partagez jamais publiquement.

Cliquez dessus, suivez les instructions et copiez la clé générée. Stockez-la en toute sécurité — ne la partagez jamais publiquement.

Définissez une variable d'environnement : Pour des raisons de sécurité, définissez la clé comme une variable d'environnement. Dans votre terminal, exécutez :

export GEMINI_API_KEY='your_api_key_here'  # On Windows: set GEMINI_API_KEY=your_api_key_here

Maintenant, initialisez le client en Python. Voici une configuration de base :

import os
from google import genai

# Retrieve API key from environment variable
API_KEY = os.environ.get("GEMINI_API_KEY")
client = genai.Client(api_key=API_KEY)

Une fois l'authentification configurée, vous êtes prêt à envoyer des requêtes. Ensuite, nous allons explorer comment effectuer votre premier appel API avec le modèle Gemini 2.5 06-05.

Effectuer votre premier appel API avec Gemini 2.5 06-05

Testons l'API Gemini 2.5 06-05 Pro avec une simple requête basée sur du texte. Cet exemple demande au modèle d'expliquer un concept de base. Utilisez ce code Python :

from google import genai
from google.genai.types import HttpOptions

# Initialize client
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# Send a text request
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents="Explain how a neural network works in simple terms."
)

# Print the response
print(response.text)

Ce code envoie une requête POST au point de terminaison de l'API, ciblant le modèle Gemini 2.5 06-05. La réponse explique les réseaux neuronaux dans un langage clair et concis. Attendez-vous à une sortie comme :

Un réseau neuronal est un modèle informatique inspiré du cerveau humain. Il se compose de couches de nœuds (neurones) qui traitent les données d'entrée, ajustent les poids en fonction des modèles et produisent une sortie, telle qu'une prédiction ou une classification.

Pour vérifier la fonctionnalité, testez cette requête dans Apidog. Créez un nouveau projet, définissez la méthode HTTP sur POST, entrez l'URL du point de terminaison (trouvée dans la documentation de Google AI Studio), ajoutez l'en-tête Authorization: Bearer VOTRE_CLÉ_API, et incluez la charge utile JSON :

{
    "model": "gemini-2.5-pro-preview-06-05",
    "contents": "Explain how a neural network works in simple terms."
}

Cliquez sur « Envoyer » (Send) dans Apidog pour vérifier la réponse, le code d'état et le timing. Cela confirme que votre configuration fonctionne. Passons maintenant aux capacités multimodales.

Tirer parti des fonctionnalités multimodales de Gemini 2.5 06-05

L'API Gemini 2.5 06-05 Pro brille par ses capacités multimodales, traitant le texte, les images et la vidéo. Cette section vous montre comment utiliser ces fonctionnalités efficacement.

Traitement du texte et des images

Combinez des invites textuelles avec des images pour des tâches comme l'analyse d'images. Téléchargez une image (par exemple, une photo de scones) et demandez au modèle de la décrire. Voici le code :

from google import genai
from google.genai.types import HttpOptions, Part

# Initialize client
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# Send a text and image request
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents=[
        "Describe this image in detail.",
        Part.from_uri(
            file_uri="gs://cloud-samples-data/generative-ai/image/scones.jpg",
            mime_type="image/jpeg"
        )
    ]
)

# Print the response
print(response.text)

Le modèle pourrait répondre :

L'image montre une vue à plat de scones aux myrtilles sur du papier sulfurisé. Six scones triangulaires, dorés, sont disposés en cercle, avec des myrtilles fraîches éparpillées autour. La texture semble friable, typique de scones bien cuits.

Assurez-vous que votre image est accessible via une URI Google Cloud Storage ou téléchargez-la directement si cela est pris en charge. Cette capacité convient aux applications telles que le commerce électronique ou l'analyse de contenu.

Compréhension vidéo

Le modèle Gemini 2.5 06-05 excelle dans la compréhension vidéo, obtenant un score de 84,8 % sur le benchmark VideoMME. Soumettez une URL YouTube ou un fichier vidéo avec une invite pour analyser le contenu. Par exemple :

from google import genai
from google.genai.types import HttpOptions

# Initialize client
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# Send a video request
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents=[
        "Create a spec for a learning app based on this video.",
        "https://www.youtube.com/watch?v=example_video"
    ]
)

# Print the response
print(response.text)

Cela génère une spécification détaillée pour une application d'apprentissage interactive, en exploitant le contenu de la vidéo. L'API traite jusqu'à 6 heures de vidéo avec une fenêtre de contexte de 2 millions de tokens au réglage de résolution média « basse », équilibrant coût et performance.

Une fois les fonctionnalités multimodales maîtrisées, abordons ensuite l'assistance au codage.

Coder avec l'API Gemini 2.5 06-05 Pro

L'API Gemini 2.5 06-05 Pro domine les tâches de codage, menant le classement WebDev Arena avec un score Elo de 1470. Elle génère, édite et débogue du code dans des langages comme Python, JavaScript, et plus encore. Voici comment l'utiliser :

Génération de code

Demandez une fonction, telle qu'un calculateur de suite de Fibonacci. Essayez ceci :

from google import genai
from google.genai.types import HttpOptions

# Initialize client
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# Send a coding request
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents="Write a Python function to calculate the Fibonacci sequence up to n terms."
)

# Print the response
print(response.text)

La sortie pourrait être :

def fibonacci(n):
    if n <= 0:
        return []
    elif n == 1:
        return [0]
    sequence = [0, 1]
    for i in range(2, n):
        sequence.append(sequence[i-1] + sequence[i-2])
    return sequence

# Example usage
print(fibonacci(10))  # Output: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

Cette fonction est efficace et correcte, démontrant les capacités de raisonnement du modèle.

Débogage et optimisation

Soumettez du code existant pour analyse. Par exemple :

from google import genai
from google.genai.types import HttpOptions

# Initialize client
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# Send a debugging request
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents="Debug this code for errors and suggest improvements: def fib(n): if n == 0: return 0 elif n == 1: return 1 else: return fib(n-1) + fib(n-2)"
)

# Print the response
print(response.text)

Le modèle pourrait répondre :

n
def fib(n):
    if n < 0:
        raise ValueError("Input must be non-negative")
    if n == 0:
        return 0
    elif n == 1:
        return 1
    a, b = 0, 1
    for _ in range(2, n + 1):
        a, b = b, a + b
    return b
Améliorations : Ajout d'une gestion des erreurs pour les entrées négatives ; remplacement de la récursion par l'itération pour une complexité temporelle en O(n) ; utilisation du déballage de tuple (tuple unpacking) pour plus de clarté.

Cela améliore considérablement les performances. Explorons maintenant les cas d'utilisation avancés.

Cas d'utilisation avancés pour l'API Gemini 2.5 06-05 Pro

L'API Gemini 2.5 06-05 Pro ouvre la voie à des applications sophistiquées. Considérez ces scénarios :

Pour les tester, utilisez Apidog pour simuler les réponses de l'API et valider les fonctionnalités. Passer aux meilleures pratiques garantit des résultats optimaux.

Meilleures pratiques pour l'API Gemini 2.5 06-05 Pro

Maximisez l'API Gemini 2.5 06-05 Pro avec ces conseils :

En suivant ces conseils, vous garantissez efficacité et fiabilité. Concluons.

Conclusion : Exploiter l'API Gemini 2.5 06-05 Pro

L'API Gemini 2.5 06-05 Pro permet aux développeurs de créer des applications de pointe. De la configuration et de l'authentification au traitement multimodal et au codage, ce guide vous donne les moyens d'exploiter sa puissance. Son leadership dans WebDev Arena, sa forte compréhension vidéo et ses capacités de raisonnement en font un élément révolutionnaire. Commencez à construire dès aujourd'hui — expérimentez dans Google AI Studio, intégrez avec Vertex AI, ou testez dans l'application Gemini. Avec de la pratique, vous créerez des solutions innovantes sans effort.

button


Pratiquez le Design-first d'API dans Apidog

Découvrez une manière plus simple de créer et utiliser des API

S'inscrire gratuitementTélécharger