FAQ et dépannage

Différences entre l'utilisation de Gemini Developer API et de Agent Platform Gemini API (formerly Vertex AI)

Le tableau suivant liste les principales différences entre les deux fournisseurs "Gemini API" en général, quelle que soit la façon dont vous y accédez :

¹ Les deux fournisseurs d'API proposent des tarifs différents au paiement à l'utilisation (pour en savoir plus, consultez leur documentation respective).

² L'API Files pour Gemini Developer API n'est pas compatible avec les SDK Firebase AI Logic.

Le tableau suivant indique la disponibilité des fonctionnalités les plus courantes pour les deux fournisseurs Gemini API. Ce tableau s'applique spécifiquement lorsque vous utilisez les SDK clients Firebase AI Logic.

Utiliser à la fois Gemini Developer API et Agent Platform Gemini API (formerly Vertex AI)

Vous pouvez activer les deux fournisseurs Gemini API dans votre projet Firebase et utiliser les deux API dans votre application.

Pour passer d'un fournisseur d'API à un autre dans votre code, assurez-vous simplement d'avoir défini le service de backend de manière appropriée dans votre code.

Modifications requises pour le rebranding de "Vertex AI" en "Agent Platform"

Mi-2026, Google Cloud a renommé "Vertex AI" en "Gemini Enterprise Agent Platform" (ou "Agent Platform"). Dans l'écosystème Firebase, nous appelons ce service "API Gemini Agent Platform".

Pour Google Cloud, ce changement de nom inclut les éléments suivants. Notez que d'autres modifications ont été apportées, mais qu'elles ne s'appliquent pas à Firebase AI Logic.

• Le produit "Vertex AI" a été renommé "Gemini Enterprise Agent Platform" (ou "Agent Platform"). De nouvelles URL ont été créées pour la console Google Cloud et la documentation.

• Modification du nom à afficher de l'API, qui passe de "API Vertex AI" à "API Agent Platform". Notez que le nom du service est resté le même : aiplatform.googleapis.com.

• Vertex AI Studio devient Agent Studio.

• Aucune modification n'a été apportée aux fonctionnalités des API sous-jacentes ni aux modèles compatibles.

Pour les SDK Firebase AI Logic, nous avons tenu compte de ce changement de nom en mettant à jour la syntaxe d'initialisation du service de backend "Gemini API" et en modifiant l'emplacement par défaut pour accéder au modèle lorsque vous utilisez cette nouvelle syntaxe.

• Nouvelle syntaxe d'initialisation pour le service de backend "Gemini API" :

  Swift

  Remplacez vertexai par agentPlatform.
  Disponible à partir du SDK Firebase pour les plates-formes Apple v12.17.0+.

  AVANT

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexai` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  let ai = FirebaseAI.firebaseAI(backend: .vertexai(location: "LOCATION"))
  
  // ...
  

  APRÈS

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  let ai = FirebaseAI.firebaseAI(backend: .agentPlatform(location: "LOCATION"))
  
  // ...
  

  Kotlin

  Remplacez vertexAI par agentPlatform.
  Disponible à partir du SDK Firebase AI Logic pour Android v17.15.0+ (Firebase Android BoM v34.17.0+).

  AVANT

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  val ai = Firebase.ai(backend = GenerativeBackend.vertexAI(location = "LOCATION"))
  
  // ...
  

  APRÈS

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  val ai = Firebase.ai(backend = GenerativeBackend.agentPlatform(location = "LOCATION"))
  
  // ...
  

  Java

  Remplacez vertexAI par agentPlatform.
  Disponible à partir du SDK Firebase AI Logic pour Android v17.15.0+ (Firebase Android BoM v34.17.0+).

  AVANT

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.vertexAI("LOCATION"));
  
  // ...
  

  APRÈS

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.agentPlatform("LOCATION"));
  
  // ...
  

  Web

  Remplacez VertexAIBackend par AgentPlatformBackend.
  Disponible à partir du SDK JS Firebase v12.17.0+.

  AVANT

  import { getAI, getGenerativeModel, VertexAIBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAIBackend` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  const ai = getAI(firebaseApp, { backend: new VertexAIBackend('LOCATION') });
  
  // ...
  

  APRÈS

  import { getAI, getGenerativeModel, AgentPlatformBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `AgentPlatformBackend` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  const ai = getAI(firebaseApp, { backend: new AgentPlatformBackend('LOCATION') });
  
  // ...
  

  Dart

  Remplacez vertexAI par agentPlatform.
  Disponible à partir du plug-in Firebase AI Logic pour Flutter v3.15.0+ (Firebase Flutter BoM v4.18.0+).

  AVANT

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  final ai = await FirebaseAI.vertexAI(location: 'LOCATION');
  
  // ...
  

  APRÈS

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  final ai = await FirebaseAI.agentPlatform(location: 'LOCATION');
  
  // ...
  

  Unity

  Remplacez VertexAI par AgentPlatform.
  Disponible à partir du SDK Firebase pour Unity version 13.15.0 et ultérieure.

  AVANT

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.VertexAI(location: "LOCATION"));
  
  // ...
  

  APRÈS

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
  // For the `AgentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform(location: "LOCATION"));
  
  // ...
  

• Nouvel emplacement par défaut pour accéder au modèle lorsque vous utilisez la nouvelle syntaxe d'initialisation :

  Lorsque vous utilisez la nouvelle syntaxe d'initialisation "Agent Platform", l'emplacement est défini par défaut sur global.

  Cette modification a été apportée, car presque tous les modèles Gemini sont compatibles avec global, et Google Cloud ne prend plus en charge l'emplacement us-central1 pour les nouvelles versions de la plupart des modèles Gemini.

Pour les applications Swift : modifications requises pour migrer de FirebaseAI vers FirebaseAILogic

Pour les applications de la plate-forme Apple, à partir du SDK Firebase v12.5.0, Firebase AI Logic est désormais distribué sous le module FirebaseAILogic. Nous avons fait en sorte que cette modification ne soit pas destructrice et qu'elle soit rétrocompatible.

Pourquoi avons-nous apporté ces modifications ?

Nous distribuions auparavant ce service sous le module FirebaseAI. Toutefois, nous avons dû le renommer FirebaseAILogic pour les raisons suivantes :

• Évitez les conflits de noms entre le module et la classe, qui entraînent des problèmes dans les distributions binaires.

• Nous permettre d'utiliser des macros Swift pour le développement de futures fonctionnalités.

Que faire si vous effectuez une mise à niveau vers la version 12.5.0 ou ultérieure ?

Le changement de nom du module en FirebaseAILogic n'est pas une modification destructrice et est rétrocompatible dans Firebase 12. Toutefois, dans Firebase 13, cet ancien module sera supprimé. Faites migrer vos dépendances et vos importations avant de passer à Firebase 13.

Aucune modification n'est requise pour ce changement de nom de module, mais nous vous recommandons de procéder comme suit :

1. Lorsque vous choisissez des dépendances Swift PM, sélectionnez FirebaseAILogic (au lieu de FirebaseAI).

2. Remplacez les instructions d'importation par FirebaseAILogic (au lieu de FirebaseAI).

API requises et comment les activer

Pour utiliser les SDK Firebase AI Logic avec Gemini Developer API, votre projet doit avoir les deux API suivantes activées :

• Gemini Developer API (generativelanguage.googleapis.com)
• API Firebase AI Logic (firebasevertexai.googleapis.com)

Vous devez activer ces deux API à l'aide de la console Firebase :

1. Dans la console Firebase, accédez à Services d'IA > Logique d'IA.

2. Cliquez sur Commencer.

3. Sélectionnez pour commencer à utiliser Gemini Developer API.

   Un workflow guidé s'affiche et vous permet d'activer les deux API. Firebase provisionnera également un compte de service géré par Google (P4SA) pour autoriser l'utilisation de Gemini API et ajoutera l'API Firebase AI Logic à la liste d'autorisation de votre clé API Firebase.

Désactiver des API dans un projet Firebase

Pour Firebase AI Logic, nous essayons de simplifier au maximum la configuration de votre projet Firebase afin qu'il utilise le fournisseur Gemini API de votre choix. Cela inclut l'activation des API requises dans votre projet Firebase lors de parcours spécifiques, comme le workflow guidé dans la console Firebase.

Toutefois, si vous décidez de ne pas utiliser Firebase AI Logic ni l'un des fournisseurs Gemini API, vous pouvez désactiver les API associées dans votre projet Firebase.

Autorisations requises pour utiliser Firebase AI Logic

Modèles compatibles avec Firebase AI Logic

Consultez la liste des modèles compatibles. Nous ajoutons fréquemment de nouvelles fonctionnalités aux SDK. Consultez donc régulièrement ces questions fréquentes pour obtenir des informations à jour (ainsi que dans les notes de version, les blogs et les posts sur les réseaux sociaux).

• Firebase AI Logic est compatible avec les modèles suivants :

  • Gemini Developer API

    • La plupart des modèles de fondation Gemini

  • Agent Platform Gemini API (formerly Vertex AI)

    • La plupart des modèles de fondation Gemini

• Firebase AI Logic n'est pas compatible avec les modèles suivants (quel que soit le fournisseur Gemini API choisi) :

  • Modèles affinés

  • Modèles d'embedding, modèles Veo, modèles Lyria, modèles de robotique, modèles d'utilisation de l'ordinateur, modèles Gemini Omni ou modèles Gemini Flash Cyber

Modèles obsolètes ou arrêtés (mis hors service) : liste et remplacements

Veillez à consulter les questions fréquentes sur les modifications requises lorsque des modèles sont obsolètes ou arrêtés.

Dates de mise hors service et remplacements des modèles stables Gemini 2.5

• Gemini 2.5 Pro, Gemini 2.5 Flash et Gemini 2.5 Flash‑Lite

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (alias "Nano Banana")

  • Pour les modèles à usage général, la date de mise hors service dépend du fournisseur Gemini API que vous avez choisi :

    • Gemini Developer API (Google AI) : 16 octobre 2026
    • Agent Platform Gemini API (formerly Vertex AI) : 20 octobre 2026

  • Pour le modèle de génération d'images (Nano Banana), la date d'arrêt est la même, quel que soit le fournisseur Gemini API que vous avez choisi : 2 octobre 2026.

  Notez que les autres modèles "Nano Banana" et les modèles stables Gemini Live API 2.5 ne sont pas concernés.

Remplacement : migrez pour utiliser l'un des nouveaux modèles Gemini 3.x (comme gemini-3.8-flash ou gemini-3.1-flash-image).

Dates de mise hors service et remplacements des modèles stables Imagen

• Tous les modèles Imagen seront mis hors service dès le 17 août 2026 (notez que cette date a été repoussée par rapport au 30 juin 2026).

Remplacement : Migrez vos applications pour utiliser les modèles d'images Gemini (les modèles "Nano Banana").

Dates de mise hors service et remplacements des modèles stables Gemini 2.0

• Gemini 2.0 Flash et Gemini 2.0 Flash‑Lite :

  gemini-2.0-flash-001 (et son alias mis à jour automatiquement gemini-2.0-flash)
  gemini-2.0-flash-lite-001 (et son alias mis à jour automatiquement gemini-2.0-flash-lite)

  • 6 février 2026 : ces modèles ne seront plus disponibles dans les projets qui ne les ont pas utilisés auparavant.

  • 31 mars 2026 : ces modèles seront mis hors service.

  Notez que les modèles stables Gemini Live API 2.0 ne sont pas concernés.

Remplacement : migrez pour utiliser l'un des nouveaux modèles Gemini 3.x (comme gemini-3.1-flash-lite).

Modèles stables Gemini 1.5 et 1.0 : dates de mise hors service et modèles de remplacement

• Modèles Gemini 1.5 Pro :

  • gemini-1.5-pro-002 (et gemini-1.5-pro) : 24 septembre 2025
  • gemini-1.5-pro-001 : 24 mai 2025

• Modèles Gemini 1.5 Flash :

  • gemini-1.5-flash-002 (et gemini-1.5-flash) : 24 septembre 2025
  • gemini-1.5-flash-001 : 24 mai 2025

• Modèles Gemini 1.0 Pro Vision : 21 avril 2025 (au lieu du 9 avril 2025)

• Modèles Gemini 1.0 Pro : 21 avril 2025 (au lieu du 9 avril 2025)

Remplacement : migrez pour utiliser l'un des nouveaux modèles Gemini 3.x (comme gemini-3.1-flash-lite).

Modifications requises lorsque des modèles sont obsolètes ou arrêtés

Lorsque Google publie une version stable d'un modèle, nous nous efforçons de faire en sorte qu'elle soit disponible pendant au moins 12 mois avant de l'arrêter. Toutefois, notez que pour Agent Platform Gemini API (formerly Vertex AI), certains modèles stables ne sont disponibles que pour une durée limitée. Cela signifie qu'ils peuvent être arrêtés (mis hors service) 45 jours seulement après la sortie d'un modèle de remplacement.

Où trouver la date de mise hors service d'un modèle ?

Voici quelques façons de trouver la date d'arrêt d'un modèle :

• Au moment de la publication : nous indiquons la date d'arrêt prévue de chaque modèle à plusieurs endroits dans la documentation du fournisseur Gemini API, ainsi que dans la documentation Firebase (voir la page Modèles compatibles).

• À l'approche de la date de fermeture :

  • Google envoie des e-mails aux membres appropriés du projet.
  • Nous publions des rappels concernant les futures fermetures sur différents canaux :
    • Notes de version (voir l'exemple)
    • Bannières au niveau de la page, page des modèles compatibles et Questions fréquentes sur les modèles abandonnés et arrêtés

Que faire si le modèle que vous utilisez est sur le point d'être arrêté ?

1. Recherchez un modèle actuellement compatible et son nom.

   Nous fournissons également des modèles de remplacement recommandés dans les questions fréquentes sur les modèles obsolètes et arrêtés.

2. Mettez à jour le nom du modèle utilisé par votre application avant la date de mise hors service. Sinon, toutes les requêtes envoyées à ce modèle échoueront et une erreur 404 s'affichera.

   • Vous définissez le nom du modèle lors de l'initialisation lorsque vous créez une instance GenerativeModel, LiveModel ou ImagenModel. Veillez à consulter la recommandation essentielle ci-dessous concernant l'utilisation de Firebase Remote Config ou de modèles de prompts côté serveur.

   • Lorsque vous utilisez Firebase AI Logic, vous n'avez généralement pas besoin de modifier le code qui appelle réellement le modèle.

     Notez que pour les derniers modèles Gemini 3.x, plusieurs paramètres ne sont pas compatibles (en particulier la température, le top-K, le top-P, la pénalité de fréquence, la pénalité de présence et le nombre de candidats).

3. Testez votre application pour vous assurer que les réponses sont toujours celles attendues.

Définir une limite de débit par utilisateur

Par défaut, Firebase AI Logic définit la limite de requêtes par utilisateur à 100 requêtes par minute (RPM).

Si vous souhaitez ajuster votre limite de débit par utilisateur, vous devez modifier les paramètres de quota pour l'API Firebase AI Logic.

En savoir plus sur le quota de l'API Firebase AI Logic Sur cette page, vous pouvez également découvrir comment afficher et modifier votre quota.

Réduire la latence et l'utilisation élevée de jetons

Si vous rencontrez une latence élevée ou une utilisation élevée de jetons, cela est probablement dû à la configuration du niveau de réflexion pour le modèle que vous utilisez.

Les modèles Gemini 3 et ultérieurs utilisent toujours un "processus de réflexion" interne qui améliore considérablement leurs capacités de raisonnement et de planification en plusieurs étapes, ce qui les rend très efficaces pour les tâches complexes telles que le codage, les mathématiques avancées et l'analyse de données.

Toutefois, selon la tâche, des niveaux de réflexion plus élevés ne sont pas toujours nécessaires. Vous pouvez configurer le modèle pour qu'il utilise un niveau de réflexion inférieur. Un niveau de réflexion plus faible permet de réduire la latence et l'utilisation de jetons. Pour vous aider à déterminer dans quelle mesure un modèle peut avoir besoin de ses capacités de réflexion, consultez la comparaison des difficultés des tâches.

Notez que pour la plupart des modèles Gemini 3 et ultérieurs, le niveau de réflexion par défaut est défini sur HIGH.

Exigences concernant le type MIME pour les requêtes multimodales (comme les entrées d'images, de PDF, de vidéos et d'audio)

Dans chaque requête multimodale, vous devez toujours fournir les éléments suivants :

• Le fichier est mimeType. Consultez une exception ci-dessous.

• Le fichier. Vous pouvez fournir le fichier sous forme de données intégrées ou à l'aide de son URL.

Découvrez les types de fichiers d'entrée acceptés, comment spécifier le type MIME et les deux options pour fournir le fichier dans Fichiers d'entrée et exigences acceptés.

Exception à l'inclusion du type MIME dans votre demande

Une exception à la fourniture du type MIME concerne les entrées d'images intégrées pour les requêtes provenant d'applications natives des plates-formes Android et Apple.

Les SDK Firebase AI Logic pour les plates-formes Android et Apple offrent un moyen simplifié et adapté aux plates-formes de gérer les images dans les requêtes. Toutes les images (quel que soit leur format) sont converties côté client au format JPEG avec une qualité de 80% avant d'être envoyées au serveur. Cela signifie que lorsque vous fournissez des images en tant que données intégrées à l'aide des SDK pour les plates-formes Android et Apple, vous n'avez pas besoin de spécifier le type MIME dans la requête.

Cette gestion simplifiée est illustrée dans la documentation Firebase AI Logic, dans les exemples d'envoi d'images encodées en base64 dans les requêtes.

Voici quelques informations supplémentaires sur cette fonctionnalité, spécifiques à chaque plate-forme :

• Sur Android :

  • Vous pouvez profiter d'une façon simplifiée de gérer les types d'images natifs à la plate-forme (Bitmap) dans les requêtes multimodales qui contiennent des images en tant que données intégrées (voir l'exemple).

  • Pour mieux contrôler les formats et les conversions d'images, vous pouvez fournir les images au format InlineDataPart et indiquer le type MIME spécifique. Exemple :

    content { inlineData(/* PNG as byte array */, "image/png") }

• Pour les plates-formes Apple :

  • Vous pouvez profiter d'une façon simplifiée de gérer les types d'images natifs à la plate-forme (UIImage, NSImage, CIImage et CGImage) dans les requêtes multimodales qui contiennent des images en tant que données intégrées (voir l'exemple).

  • Pour mieux contrôler les formats et les conversions d'images, vous pouvez fournir les images au format InlineDataPart et indiquer le type MIME spécifique. Exemple :

    InlineDataPart(data: Data(/* PNG Data */), mimeType: "image/png")

Fonctionnalités avancées non encore disponibles avec Firebase AI Logic : ancrage avec la recherche Google Images, affinement d'un modèle, génération d'embeddings et récupération sémantique

Les fonctionnalités suivantes sont compatibles avec différents modèles et fournisseurs d'API, mais ne sont pas disponibles lorsque vous utilisez Firebase AI Logic :

• Ancrage avec la recherche d'images Google
• Affinage d'un modèle
• Génération d'embeddings
• Récupération sémantique

Si vous souhaitez ajouter ces éléments en tant que demandes de fonctionnalités ou voter pour une demande de fonctionnalité existante, accédez à Firebase UserVoice.

Comprendre le changement de nom de "Vertex AI in Firebase" en "Firebase AI Logic"

En 2024, nous avons lancé un ensemble de SDK client Firebase pouvant utiliser l'Agent Platform Gemini API (formerly Vertex AI), ainsi qu'une passerelle proxy Firebase pour protéger cette API contre les utilisations abusives et permettre les intégrations avec d'autres produits Firebase. Nous avons appelé notre produit "Vertex AI in Firebase", et ce nom décrivait précisément les cas d'utilisation disponibles à l'époque.

Depuis, nous avons étendu les fonctionnalités de notre produit. Par exemple, depuis mai 2025, nous prenons en charge Gemini Developer API, y compris la possibilité de protéger Gemini Developer API contre les utilisations abusives grâce à notre intégration avec Firebase App Check.

Par conséquent, le nom "Vertex AI in Firebase" ne représente plus précisément le champ d'application élargi de notre produit. Ainsi, un nouveau nom, Firebase AI Logic, reflète mieux notre ensemble de caractéristiques évolutif et nous permet de continuer à élargir nos offres à l'avenir.

Consultez le guide de migration pour vous assurer de bénéficier de toutes les dernières fonctionnalités de Firebase AI Logic (et éventuellement commencer à utiliser Gemini Developer API).

Utilisation des données pour l'entraînement des modèles

Consultez Gouvernance des données et IA responsable.

Application obligatoire des App Check pour toutes les versions d'une application

App Check doit être appliqué à toutes les versions de votre application qui utilisent Firebase AI Logic.

Il est essentiel que App Check soit appliqué le plus tôt possible, en particulier avant de valider votre application dans un système de contrôle de code source accessible au public, de la partager ou de la rendre accessible au public.

Si vous implémentez App Check immédiatement dans la base de code de votre application, toutes les versions de votre application pourront envoyer des jetons App Check valides. Une requête qui n'envoie pas de jeton valide est considérée comme non validée et sera bloquée lorsque App Check sera appliqué.

Si vous avez déjà publié une version de votre application pour les utilisateurs finaux qui n'a pas implémenté App Check, consultez les questions fréquentes pour savoir comment implémenter et appliquer App Check pour une application déjà publiée.

Implémenter et appliquer App Check pour une application déjà publiée

Pour les versions d'application qui n'ont pas implémenté App Check, les requêtes adressées à Firebase AI Logic à partir de ces versions ne disposent pas de jetons App Check valides et sont considérées comme non validées. Ces requêtes seront bloquées lorsque App Check sera appliqué à Firebase AI Logic.

Les instructions suivantes vous aident à migrer votre application afin que vous puissiez appliquer App Check sans interrompre le service pour une application déjà publiée et ne disposant pas de App Check.

1. Implémentez un fournisseur d'attestation de production dans votre application dès que possible.

   • Plates-formes Apple : DeviceCheck ou App Attest ou reCAPTCHA Enterprise
   • Android : Play Integrity ou reCAPTCHA Enterprise
   • Web : reCAPTCHA Enterprise
   • Flutter : compatible avec tous les fournisseurs ci-dessus, y compris reCAPTCHA Enterprise.
   • Unity : compatible avec tous les fournisseurs ci-dessus (la compatibilité avec reCAPTCHA Enterprise sera bientôt disponible)

2. Surveillez les requêtes de votre application pour vous aider à déterminer quand il est sûr d'appliquer App Check.

   Par exemple, si la quasi-totalité des requêtes récentes proviennent de clients validés, vous devriez envisager d'appliquer App Check.

3. Appliquer App Check pour Firebase AI Logic

4. Pour le développement local lorsque App Check est appliqué, vous pouvez configurer le fournisseur de débogage App Check et continuer à appliquer App Check pour Firebase AI Logic.

Comprendre les mises à niveau de sécurité (mi-2026) pour Gemini Developer API et Firebase AI Logic

Historiquement, Gemini Developer API s'appuyait sur des clés API Gemini standards pour autoriser l'utilisation de Gemini Developer API (generativelanguage.googleapis.com). Si vous avez activé Firebase AI Logic et choisi d'utiliser Gemini Developer API, Firebase a créé pour vous une clé API Gemini limitée à Gemini Developer API. Cette clé a été nommée Gemini Developer API key (auto created by Firebase).

À partir de mi-2026, Gemini Developer API passera à une alternative plus sécurisée appelée clés d'autorisation (qui sont essentiellement des comptes de service). Firebase AI Logic a été mis à niveau en même temps. Au lieu d'utiliser une clé API Gemini standard, Firebase AI Logic gère désormais l'autorisation pour Gemini Developer API à l'aide d'un compte de service géré par Google (P4SA) que nous provisionnons automatiquement pour vous :
Agent de service Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Pour les projets existants et nouveaux, si vous accédez à Gemini Developer API via Firebase AI Logic, aucune action n'est requise de votre part pour profiter de ces améliorations de sécurité à partir de mi-2026.

Migrer une clé API Gemini vers une clé d'autorisation

Pour les projets existants et nouveaux, si vous accédez à Gemini Developer API via Firebase AI Logic, aucune action n'est requise de votre part pour profiter des améliorations de sécurité à partir de mi-2026 (y compris la migration vers une clé d'autorisation).

Au nom de nos développeurs, Firebase AI Logic gère automatiquement toutes les modifications de sécurité requises pour s'adapter à la transition de Gemini Developer API vers l'utilisation de clés d'autorisation.

À partir de mi-2026, Firebase AI Logic ne provisionnera ni n'utilisera plus les clés API Gemini standards. Au lieu de cela, Firebase AI Logic gère désormais l'autorisation pour Gemini Developer API à l'aide d'un compte de service géré par Google (P4SA) que nous provisionnons automatiquement pour vous dans votre projet Firebase :
Agent de service Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Compte tenu de ce changement, vous pouvez examiner et supprimer toute clé API nommée Gemini Developer API key (auto created by Firebase). Vous pouvez supprimer cette clé dans la console Google Cloud. Examinez les points suivants avant de supprimer la clé :

• Cette clé API Gemini a été créée par Firebase dans le seul but d'être utilisée avec Firebase AI Logic. Vous pouvez donc la supprimer sans risque. Toutefois, avant de supprimer cette clé, vous devez quand même vérifier que vous ne l'avez pas utilisée par erreur avec d'autres outils pouvant donner accès à Gemini Developer API, comme les SDK de serveur d'IA générative ou Genkit. Voici comment vérifier l'utilisation :
  1. Dans la console Google Cloud, accédez à la page Gemini Developer API, puis cliquez sur Gérer.
  2. Dans l'onglet Métriques, dans le menu déroulant Identifiants, sélectionnez la clé nommée Gemini Developer API key (auto created by Firebase).
  3. Si les graphiques affichés ne montrent aucune utilisation depuis début juillet 2026 (date à laquelle Firebase AI Logic a cessé d'utiliser ces clés API), vous pouvez supprimer la clé sans risque.
     Toutefois, si les graphiques indiquent une utilisation, cela signifie que vous utilisez la clé avec un autre outil. Vous devez alors renommer la clé pour indiquer clairement qu'elle est utilisée avec cet outil (et non avec Firebase AI Logic).
• Assurez-vous de ne pas supprimer d'autre clé API dont le nom contient le segment (auto created by Firebase).

N'ajoutez pas de clé API Gemini dans le codebase d'une application mobile ou Web.

Lorsque vous utilisez les SDK Firebase AI Logic, vous n'avez pas besoin d'une clé API Gemini pour autoriser l'utilisation de Gemini Developer API et vous ne devez pas ajouter de clé API Gemini dans le code de votre application.

N'utilisez pas de "clé API Firebase" comme clé API Gemini.

N'utilisez jamais votre clé API Firebase comme clé API Gemini. Nous vous recommandons vivement de ne pas ajouter Gemini Developer API à la liste d'autorisation de votre clé API Firebase.

Votre clé API Firebase est celle qui figure dans le fichier ou l'objet de configuration Firebase que vous ajoutez au code de votre application pour l'associer à Firebase. Vous pouvez inclure votre clé API Firebase dans votre code si vous l'utilisez uniquement avec les API liées à Firebase (comme Firebase AI Logic). En savoir plus sur les clés API Firebase

Dans le panneau API et services > Identifiants de la console Google Cloud, voici à quoi ressemblent les clés API Firebase :

Étant donné que vous devez ajouter votre clé API Firebase au codebase de votre application pour que les API liées à Firebase fonctionnent, et que l'Gemini Developer API peut être autorisé via une clé API, nous vous recommandons vivement de NE PAS ajouter l'Gemini Developer API (appelé "API Generative Language" dans la console Google Cloud) à la liste d'autorisation des API pour votre clé API Firebase. Si vous le faites, vous exposez Gemini Developer API à un risque d'utilisation abusive.

Sécuriser une clé API Gemini