Configuration Google Gemini

Apercu

Google Gemini est un grand modele de langage (LLM) de pointe fourni par Google. Fess peut utiliser l’API Google AI (Generative Language API) pour realiser la fonctionnalite de mode IA avec les modeles Gemini.

L’utilisation de Gemini permet de generer des reponses de haute qualite en tirant parti de la derniere technologie IA de Google.

Caracteristiques principales

  • Prise en charge multimodale : Peut traiter les images en plus du texte

  • Long contexte : Fenetre de contexte longue permettant de traiter de grandes quantites de documents a la fois

  • Efficacite des couts : Le modele Flash est rapide et peu couteux

  • Integration Google : Integration facile avec les services Google Cloud

Modeles pris en charge

Principaux modeles disponibles avec Gemini :

  • gemini-2.5-flash - Modele rapide et efficace (recommande)

  • gemini-2.5-pro - Modele avec capacites de raisonnement superieures

  • gemini-1.5-flash - Version stable du modele Flash

  • gemini-1.5-pro - Version stable du modele Pro

Note

Pour les derniers modeles disponibles, consultez Google AI for Developers.

Prerequis

Avant d’utiliser Gemini, preparez les elements suivants.

  1. Compte Google : Un compte Google est requis

  2. Acces Google AI Studio : Accedez a https://aistudio.google.com/

  3. Cle API : Generez une cle API dans Google AI Studio

Obtention de la cle API

  1. Accedez a Google AI Studio

  2. Cliquez sur « Get API key »

  3. Selectionnez « Create API key »

  4. Selectionnez ou creez un projet

  5. Enregistrez la cle API generee en lieu sur

Avertissement

La cle API est une information confidentielle. Faites attention aux points suivants :

  • Ne pas la commiter dans un systeme de gestion de versions

  • Ne pas l’afficher dans les logs

  • La gerer via des variables d’environnement ou des fichiers de configuration securises

Configuration de base

Ajoutez les parametres suivants dans app/WEB-INF/conf/system.properties.

Configuration minimale

# Activer la fonctionnalite de mode IA
rag.chat.enabled=true

# Definir le fournisseur LLM sur Gemini
rag.llm.type=gemini

# Cle API Gemini
rag.llm.gemini.api.key=AIzaSyxxxxxxxxxxxxxxxxxxxxxxxxx

# Modele a utiliser
rag.llm.gemini.model=gemini-2.5-flash

Configuration recommandee (environnement de production)

# Activer la fonctionnalite de mode IA
rag.chat.enabled=true

# Configuration du fournisseur LLM
rag.llm.type=gemini

# Cle API Gemini
rag.llm.gemini.api.key=AIzaSyxxxxxxxxxxxxxxxxxxxxxxxxx

# Configuration du modele (utiliser le modele rapide)
rag.llm.gemini.model=gemini-2.5-flash

# Point de terminaison API (generalement pas besoin de modifier)
rag.llm.gemini.api.url=https://generativelanguage.googleapis.com/v1beta

# Configuration du timeout
rag.llm.gemini.timeout=60000

Elements de configuration

Tous les elements de configuration disponibles pour le client Gemini.

Propriete Description Valeur par defaut
rag.llm.gemini.api.key Cle API Google AI (Requis)
rag.llm.gemini.model Nom du modele a utiliser gemini-2.5-flash
rag.llm.gemini.api.url URL de base de l’API https://generativelanguage.googleapis.com/v1beta
rag.llm.gemini.timeout Timeout de la requete (millisecondes) 60000

Configuration via variables d’environnement

Pour des raisons de securite, il est recommande de configurer la cle API via des variables d’environnement.

Environnement Docker

docker run -e RAG_LLM_GEMINI_API_KEY=AIzaSy... codelibs/fess:15.5.0

docker-compose.yml

services:
  fess:
    image: codelibs/fess:15.5.0
    environment:
      - RAG_CHAT_ENABLED=true
      - RAG_LLM_TYPE=gemini
      - RAG_LLM_GEMINI_API_KEY=${GEMINI_API_KEY}
      - RAG_LLM_GEMINI_MODEL=gemini-2.5-flash

Environnement systemd

/etc/systemd/system/fess.service.d/override.conf :

[Service]
Environment="RAG_LLM_GEMINI_API_KEY=AIzaSy..."

Utilisation via Vertex AI

Si vous utilisez Google Cloud Platform, vous pouvez egalement utiliser Gemini via Vertex AI. Pour Vertex AI, le point de terminaison API et la methode d’authentification different.

Note

Fess actuel utilise l’API Google AI (generativelanguage.googleapis.com). Si l’utilisation via Vertex AI est necessaire, une implementation personnalisee peut etre requise.

Guide de selection des modeles

Guide pour la selection du modele selon l’usage.

Modele Vitesse Qualite Usage
gemini-2.5-flash Rapide Elevee Usage general, equilibre (recommande)
gemini-2.5-pro Moyenne Maximale Raisonnement complexe, haute qualite requise
gemini-1.5-flash Rapide Bonne Priorite au cout, stabilite
gemini-1.5-pro Moyenne Elevee Long contexte requis

Fenetre de contexte

Les modeles Gemini prennent en charge des fenetres de contexte tres longues :

  • Gemini 1.5/2.5 Flash : Maximum 1 million de tokens

  • Gemini 1.5/2.5 Pro : Maximum 2 millions de tokens

Cette caracteristique permet d’inclure davantage de resultats de recherche dans le contexte.

# Inclure plus de documents dans le contexte
rag.chat.context.max.documents=10
rag.chat.context.max.chars=20000

Estimation des couts

L’API Google AI est facturee a l’usage (avec une offre gratuite).

Modele Entree (1M caracteres) Sortie (1M caracteres)
Gemini 1.5 Flash $0.075 $0.30
Gemini 1.5 Pro $1.25 $5.00
Gemini 2.5 Flash Les prix peuvent varier Les prix peuvent varier

Note

Pour les derniers prix et informations sur l’offre gratuite, consultez Google AI Pricing.

Limitation de debit

L’API Google AI a des limites de debit. Configurez-les de maniere appropriee en combinaison avec la fonction de limitation de debit de Fess.

# Configuration de limitation de debit Fess
rag.chat.rate.limit.enabled=true
rag.chat.rate.limit.requests.per.minute=10

Limites de l’offre gratuite

L’API Google AI a une offre gratuite avec les limites suivantes :

  • Requetes/minute : 15 RPM

  • Tokens/minute : 1 million TPM

  • Requetes/jour : 1,500 RPD

Depannage

Erreur d’authentification

Symptome : Erreur liee a la cle API

Points a verifier :

  1. Verifier si la cle API est correctement configuree

  2. Verifier si la cle API est valide dans Google AI Studio

  3. Verifier si la cle API a les permissions necessaires

  4. Verifier si l’API est activee dans le projet

Erreur de limitation de debit

Symptome : Erreur « 429 Resource has been exhausted »

Solution :

  1. Configurer une limitation de debit plus stricte dans Fess

    rag.chat.rate.limit.requests.per.minute=5

  2. Attendre quelques minutes avant de reessayer

  3. Demander une augmentation de quota si necessaire

Restriction de region

Symptome : Erreur indiquant que le service n’est pas disponible

Points a verifier :

L’API Google AI n’est disponible que dans certaines regions. Consultez la documentation Google pour les regions prises en charge.

Timeout

Symptome : La requete expire

Solution :

  1. Augmenter le temps de timeout

    rag.llm.gemini.timeout=120000

  2. Envisager l’utilisation du modele Flash (plus rapide)

Configuration de debogage

Pour investiguer les problemes, ajustez le niveau de log de Fess pour afficher des logs detailles lies a Gemini.

app/WEB-INF/classes/log4j2.xml :

<Logger name="org.codelibs.fess.llm.gemini" level="DEBUG"/>

Notes de securite

Lors de l’utilisation de l’API Google AI, faites attention aux points de securite suivants.

  1. Confidentialite des donnees : Le contenu des resultats de recherche est envoye aux serveurs Google

  2. Gestion des cles API : La fuite de cles peut entrainer une utilisation non autorisee

  3. Conformite : Si les donnees contiennent des informations confidentielles, verifiez les politiques de votre organisation

  4. Conditions d’utilisation : Respectez les conditions d’utilisation et la Politique d’utilisation acceptable de Google

Informations de reference