FAQ et dépannage

Quelles sont les 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.

Puis-je utiliser à la fois Gemini Developer API et Agent Platform Gemini API (formerly Vertex AI) ?

Oui, 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.

Quels changements sont nécessaires pour renommer "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 marque inclut les éléments suivants. Notez que d'autres modifications ont été apportées, mais qu'elles ne s'appliquent pas à Firebase AI Logic.

• Nous avons renommé le produit "Vertex AI" en "Gemini Enterprise Agent Platform" (ou "Agent Platform"), ce qui inclut de nouvelles URL 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.

• Nous avons renommé "Vertex AI Studio" en "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 marque en mettant à jour la syntaxe d'initialisation pour le 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 version 17.15.0+ (Firebase Android BoM version 34.17.0+).

  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 version 17.15.0+ (Firebase Android BoM version 34.17.0+).

  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 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`.
  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.

Quelles sont les API requises ? 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'ouvre 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.

Comment 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.

Quelles autorisations peuvent être nécessaires pour utiliser Firebase AI Logic ?

Quels sont les 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 et Imagen

    Notez que Gemini Developer API (quelle que soit la façon dont vous y accédez) n'est compatible qu'avec certains modèles Imagen stables.

  • Agent Platform Gemini API (formerly Vertex AI)

    • La plupart des modèles de fondation Gemini et Imagen

• Firebase AI Logic n'est pas compatible avec les modèles suivants (quel que soit le fournisseur Gemini API que vous avez 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 Imagen ou imagen-3.0-capability-001 plus anciens

Que faire lorsque des modèles sont arrêtés (mis hors service) ?

Lorsque nous publions une version stable d'un modèle, nous nous efforçons de faire en sorte qu'elle soit disponible pendant au moins un an avant de la retirer.

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 de mise hors service 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 d'arrêt : Google envoie des e-mails aux membres concernés du projet et publie des rappels dans les notes de version et d'autres canaux concernant les arrêts à venir (par exemple, rappel des dates d'arrêt pour les modèles stables Gemini 1.5 et 1.0).

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

1. Recherchez un modèle actuellement compatible qui vous convient et son nom.

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

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

   • 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 modèles Gemini 3.x, les paramètres d'échantillonnage (température, top-K, top-P) sont obsolètes.

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

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 Gemini Live API 2.5 stables ne sont pas concernés.

Remplacement : migrez pour utiliser l'un des nouveaux modèles Gemini 3.x (comme gemini-3.6-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 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).

Firebase AI Logic utilise-t-il mes données pour entraîner des modèles ?

Consultez Gouvernance des données et IA responsable.

Comment définir une limite de fréquence 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 fréquence 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.

Comment 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 le niveau de réflexion dont un modèle peut avoir besoin, 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.

Le type MIME est-il obligatoire dans mes requêtes multimodales ? (comme pour les images, les PDF, les vidéos et les entrées audio)

Oui, 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 pour les 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 des 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 manière simplifiée de gérer les types d'images natifs de 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")

Ces fonctionnalités sont-elles disponibles lorsque j'utilise Firebase AI Logic : ancrage avec la recherche d'images Google, réglage fin 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
• Ajuster 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.

Pourquoi le nom a-t-il été modifié et remplacé par "Firebase AI Logic" au lieu de "Vertex AI in Firebase" ?

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 proposons une assistance pour Gemini Developer API, y compris la possibilité de protéger Gemini Developer API contre les utilisations abusives grâce à notre intégration à 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).

Que faire concernant le changement de nom du module FirebaseAI en FirebaseAILogic pour les applications Swift sur les plates-formes Apple ?

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 radicale 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 peuvent entraîner 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 radical et est rétrocompatible. Toutefois, nous pourrons à terme supprimer l'ancien module lors d'une future version majeure du SDK Firebase qui entraînera des modifications incompatibles (le calendrier n'est pas encore déterminé).

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).

Quelles ont été les mises à niveau de sécurité (mi-2026) pour les 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.

Dois-je migrer ma clé API Gemini vers une clé d'autorisation (auth) ?

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'exigence de "clés d'autorisation (auth)".

À partir de mi-2026, Firebase AI Logic ne provisionnera ni n'utilisera plus les clés API Gemini standards. 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).

Dois-je ajouter une clé API Gemini dans la base de code de mon application mobile ou Web ?

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

Puis-je utiliser ma "clé API Firebase" comme clé API Gemini ?

Non, vous ne devez pas utiliser 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 la connecter 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 code 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.

Comment sécuriser ma clé API Gemini ?