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 de recherche 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-3.1-flash-lite-preview - Modele rapide leger et a faible cout (par defaut)

  • gemini-3-flash-preview - Modele Flash standard

  • gemini-3.1-pro / gemini-3-pro - Modeles de raisonnement avance

  • gemini-2.5-flash - Version stable du modele rapide

  • gemini-2.5-pro - Version stable du modele de raisonnement

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

Installation du plugin

Dans Fess 15.6, la fonctionnalite d’integration Gemini est fournie sous forme de plugin fess-llm-gemini. Pour utiliser Gemini, l’installation du plugin est necessaire.

  1. Telechargez fess-llm-gemini-15.6.0.jar

  2. Placez-le dans le repertoire app/WEB-INF/plugin/ de Fess

  3. Redemarrez Fess

# Exemple de placement du plugin
cp fess-llm-gemini-15.6.0.jar /path/to/fess/app/WEB-INF/plugin/

Note

La version du plugin doit correspondre a la version de Fess.

Configuration de base

Dans Fess 15.6, l’activation de la fonctionnalite de mode de recherche IA et les parametres specifiques a Gemini s’effectuent dans fess_config.properties, et la selection du fournisseur LLM (rag.llm.name) s’effectue via l’administration ou dans system.properties.

Configuration de fess_config.properties

Ajoutez la configuration d’activation de la fonctionnalite de mode de recherche IA dans app/WEB-INF/conf/fess_config.properties.

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

Configuration du fournisseur LLM

Le fournisseur LLM se configure via l’administration (Administration > Systeme > General) ou dans system.properties.

Configuration minimale (fess_config.properties)

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

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

# Modele a utiliser
rag.llm.gemini.model=gemini-3.1-flash-lite-preview

Configuration minimale (system.properties)

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

Configuration recommandee (environnement de production, fess_config.properties)

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

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

# Configuration du modele (utiliser le modele rapide)
rag.llm.gemini.model=gemini-3-flash-preview

# 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

Configuration recommandee (environnement de production, system.properties)

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

Elements de configuration

Tous les elements de configuration disponibles pour le client Gemini. Tous se configurent dans fess_config.properties.

Propriete Description Valeur par defaut
rag.llm.gemini.api.key Cle API Google AI (doit etre definie pour utiliser l’API Gemini) ""
rag.llm.gemini.model Nom du modele a utiliser gemini-3.1-flash-lite-preview
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
rag.llm.gemini.availability.check.interval Intervalle de verification de disponibilite (secondes) 60
rag.llm.gemini.max.concurrent.requests Nombre maximum de requetes simultanees 5
rag.llm.gemini.chat.evaluation.max.relevant.docs Nombre maximum de documents pertinents lors de l’evaluation 3
rag.llm.gemini.chat.evaluation.description.max.chars Nombre maximum de caracteres pour la description du document lors de l’evaluation 500
rag.llm.gemini.concurrency.wait.timeout Delai d’attente des requetes simultanees (millisecondes) 30000
rag.llm.gemini.history.max.chars Nombre maximum de caracteres de l’historique de chat 10000
rag.llm.gemini.intent.history.max.messages Nombre maximum de messages d’historique pour la determination d’intention 10
rag.llm.gemini.intent.history.max.chars Nombre maximum de caracteres d’historique pour la determination d’intention 5000
rag.llm.gemini.history.assistant.max.chars Nombre maximum de caracteres de l’historique de l’assistant 1000
rag.llm.gemini.history.assistant.summary.max.chars Nombre maximum de caracteres du resume de l’historique de l’assistant 1000
rag.llm.gemini.retry.max Nombre maximum de tentatives HTTP (lors d’erreurs 429 et 5xx) 10
rag.llm.gemini.retry.base.delay.ms Delai de base du backoff exponentiel (millisecondes) 2000

Methode d’authentification

Depuis Fess 15.6.1, la cle API est transmise via l’en-tete HTTP x-goog-api-key (methode recommandee par Google). Elle n’est plus ajoutee a l’URL en tant que parametre de requete ?key=... comme auparavant ; la cle API ne reste donc plus dans les journaux d’acces.

Comportement de reessai

Les requetes vers l’API Gemini sont automatiquement reessayees pour les codes de statut HTTP suivants :

  • 429 Resource Exhausted (depassement de quota / limitation de debit)

  • 500 Internal Server Error

  • 503 Service Unavailable

  • 504 Gateway Timeout

Lors d’un reessai, Fess attend selon un backoff exponentiel (valeur de base rag.llm.gemini.retry.base.delay.ms millisecondes, jusqu’a rag.llm.gemini.retry.max tentatives, avec une gigue de +/-20%). Pour les requetes en streaming, seule la connexion initiale est sujette aux reessais ; les erreurs survenant apres le debut de la reception du corps de la reponse sont propagees immediatement.

Configuration par type de prompt

Dans Fess, les parametres du LLM peuvent etre configures finement par type de prompt. La configuration par type de prompt s’ecrit dans fess_config.properties.

Format de configuration

rag.llm.gemini.{promptType}.temperature
rag.llm.gemini.{promptType}.max.tokens
rag.llm.gemini.{promptType}.thinking.budget
rag.llm.gemini.{promptType}.context.max.chars

Types de prompt disponibles

Type de prompt Description
intent Prompt pour determiner l’intention de l’utilisateur
evaluation Prompt pour evaluer la pertinence des documents
unclear Prompt pour le cas ou la question est peu claire
noresults Prompt pour le cas ou il n’y a pas de resultats de recherche
docnotfound Prompt pour le cas ou le document n’est pas trouve
answer Prompt de generation de reponse
summary Prompt de generation de resume
faq Prompt de generation de FAQ
direct Prompt de reponse directe
queryregeneration Prompt de regeneration de requete

Valeurs par defaut par type de prompt

Valeurs par defaut pour chaque type de prompt. Ces valeurs sont utilisees lorsqu’aucune configuration explicite n’est definie.

Type de prompt temperature max.tokens thinking.budget
intent 0.1 512 0
evaluation 0.1 256 0
unclear 0.7 512 0
noresults 0.7 512 0
docnotfound 0.7 512 0
direct 0.7 2048 0
faq 0.7 2048 0
answer 0.5 8192 0
summary 0.3 4096 0
queryregeneration 0.3 256 0

Exemple de configuration

# Configuration de la temperature pour la generation de reponse
rag.llm.gemini.answer.temperature=0.7

# Nombre maximum de tokens pour la generation de resume
rag.llm.gemini.summary.max.tokens=2048

# Nombre maximum de caracteres du contexte pour la generation de reponse
rag.llm.gemini.answer.context.max.chars=16000

# Nombre maximum de caracteres du contexte pour la generation de resume
rag.llm.gemini.summary.context.max.chars=16000

# Nombre maximum de caracteres du contexte pour la generation de FAQ
rag.llm.gemini.faq.context.max.chars=10000

Note

La valeur par defaut de context.max.chars varie selon le type de prompt. answer et summary sont a 16000, faq est a 10000, et les autres types de prompt sont a 10000.

Prise en charge des modeles de reflexion

Gemini prend en charge les modeles de reflexion (Thinking Model). L’utilisation de modeles de reflexion permet au modele d’executer un processus de raisonnement interne avant de generer une reponse, produisant ainsi des reponses plus precises.

Le budget de reflexion se configure par type de prompt dans fess_config.properties. Fess convertit automatiquement la valeur entiere (nombre de tokens) de rag.llm.gemini.{promptType}.thinking.budget vers le champ d’API approprie en fonction de la generation du modele resolue lors de la requete.

# Budget de reflexion pour la generation de reponse
rag.llm.gemini.answer.thinking.budget=1024

# Budget de reflexion pour la generation de resume
rag.llm.gemini.summary.thinking.budget=1024

Mappage selon la generation du modele

  • Gemini 2.x (par exemple gemini-2.5-flash) : la valeur entiere configuree est envoyee telle quelle en tant que thinkingConfig.thinkingBudget. Specifier 0 desactive completement la reflexion.

  • Gemini 3.x (par exemple gemini-3.1-flash-lite-preview) : la valeur entiere est regroupee en compartiments et envoyee comme valeur enumeree de thinkingConfig.thinkingLevel (MINIMAL / LOW / MEDIUM / HIGH).

Le mappage des compartiments pour Gemini 3.x est le suivant :

Valeur du budget thinkingLevel Remarques
<=0 MINIMAL ou LOW MINIMAL pour les modeles Flash / Flash-Lite ; LOW pour les modeles de la famille Pro qui ne prennent pas en charge MINIMAL (gemini-3-pro / gemini-3.1-pro)
<=4096 MEDIUM
>4096 HIGH

Note

Gemini 3.x consomme toujours un certain nombre de tokens de reflexion, quel que soit le compartiment (meme avec thinkingLevel=MINIMAL, plusieurs centaines de tokens peuvent etre consommes). Pour cette raison, lors de l’utilisation d’un modele Gemini 3.x, Fess ajoute automatiquement une marge supplementaire (1024 tokens) a la valeur maxOutputTokens par defaut, afin d’eviter une troncature de la reponse due a finishReason=MAX_TOKENS. Avec Gemini 2.x, thinkingBudget=0 desactive la reflexion elle-meme, donc aucune marge supplementaire n’est ajoutee.

Note

Configurer un budget de reflexion eleve peut allonger le temps de reponse. Configurez une valeur appropriee selon l’usage.

Configuration via options JVM

Pour des raisons de securite, il est recommande de configurer la cle API via l’environnement d’execution (options JVM) plutot que via des fichiers versionnes.

Environnement Docker

Le depot officiel docker-fess fournit un overlay Gemini (compose-gemini.yaml). Etapes minimales :

export GEMINI_API_KEY="AIzaSy..."
docker compose -f compose.yaml -f compose-opensearch3.yaml -f compose-gemini.yaml up -d

Contenu de compose-gemini.yaml (reference pour un setup equivalent) :

services:
  fess01:
    environment:
      - "FESS_PLUGINS=fess-llm-gemini:15.6.0"
      - "FESS_JAVA_OPTS=-Dfess.config.rag.chat.enabled=true -Dfess.config.rag.llm.gemini.api.key=${GEMINI_API_KEY:-} -Dfess.config.rag.llm.gemini.model=${GEMINI_MODEL:-gemini-3.1-flash-lite-preview} -Dfess.system.rag.llm.name=gemini"

Notes :

  • FESS_PLUGINS=fess-llm-gemini:15.6.0 fait que run.sh du conteneur telecharge et installe automatiquement le plugin dans app/WEB-INF/plugin/

  • -Dfess.config.rag.chat.enabled=true active le mode IA

  • -Dfess.config.rag.llm.gemini.api.key=... definit la cle API, -Dfess.config.rag.llm.gemini.model=... choisit le modele

  • -Dfess.system.rag.llm.name=gemini n’agit que comme valeur par defaut initiale avant qu’une valeur ne soit persistee dans OpenSearch. Apres demarrage, le parametre peut aussi etre modifie sous Administration > Systeme > General (section RAG)

Si l’acces Internet passe par un proxy, specifiez la configuration http.proxy.* de Fess via FESS_JAVA_OPTS (voir la section « Utilisation via un proxy HTTP » ci-dessous).

Environnement systemd

Ajouter a FESS_JAVA_OPTS dans /etc/sysconfig/fess (ou /etc/default/fess) :

FESS_JAVA_OPTS="-Dfess.config.rag.chat.enabled=true -Dfess.config.rag.llm.gemini.api.key=AIzaSy... -Dfess.system.rag.llm.name=gemini"

Utilisation via un proxy HTTP

Depuis Fess 15.6.1, le client Gemini partage la configuration de proxy HTTP commune a Fess. Specifiez les proprietes suivantes dans fess_config.properties.

Propriete Description Valeur par defaut
http.proxy.host Nom d’hote du proxy (chaine vide pour ne pas utiliser de proxy) ""
http.proxy.port Numero de port du proxy 8080
http.proxy.username Nom d’utilisateur pour l’authentification du proxy (facultatif ; lorsqu’il est renseigne, l’authentification Basic est activee) ""
http.proxy.password Mot de passe pour l’authentification du proxy ""

Dans un environnement Docker, specifiez ce qui suit dans FESS_JAVA_OPTS:

-Dfess.config.http.proxy.host=proxy.example.com
-Dfess.config.http.proxy.port=8080

Note

Cette configuration s’applique egalement a tous les acces HTTP de Fess, notamment ceux du crawler. Les proprietes systeme Java traditionnelles (-Dhttps.proxyHost, etc.) ne sont pas prises en compte par le client Gemini.

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-3.1-flash-lite-preview Rapide Elevee Leger et a faible cout (par defaut, prend en charge thinkingLevel=MINIMAL)
gemini-3-flash-preview Rapide Maximale Usage general (prend en charge thinkingLevel=MINIMAL)
gemini-3.1-pro / gemini-3-pro Moyenne Maximale Raisonnement complexe (MINIMAL non pris en charge ; au minimum LOW)
gemini-2.5-flash Rapide Elevee Version stable, priorite au cout
gemini-2.5-pro Moyenne Elevee Version stable, long contexte

Fenetre de contexte

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

  • Gemini 3 Flash / 2.5 Flash : Maximum 1 million de tokens

  • Gemini 3.1 Pro / 2.5 Pro : Maximum 1 million de tokens (3.1 Pro) / 2 millions de tokens (2.5 Pro)

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

# Inclure davantage de documents dans le contexte (a configurer dans fess_config.properties)
rag.llm.gemini.answer.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 3 Flash Preview $0.50 $3.00
Gemini 3.1 Pro Preview $2.00 $12.00
Gemini 2.5 Flash $0.075 $0.30
Gemini 2.5 Pro $1.25 $5.00

Note

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

Controle des requetes simultanees

Dans Fess, le nombre de requetes simultanees vers Gemini peut etre controle. Configurez la propriete suivante dans fess_config.properties.

# Nombre maximum de requetes simultanees (par defaut : 5)
rag.llm.gemini.max.concurrent.requests=5

Cette configuration permet d’eviter les requetes excessives vers l’API Google AI et de prevenir les erreurs de limitation de debit.

Limites de l’offre gratuite (a titre indicatif)

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

  • Requetes/minute : 15 RPM

  • Tokens/minute : 1 million TPM

  • Requetes/jour : 1,500 RPD

Lors de l’utilisation de l’offre gratuite, il est recommande de configurer rag.llm.gemini.max.concurrent.requests a une valeur basse.

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. Reduire le nombre de requetes simultanees dans fess_config.properties:

    rag.llm.gemini.max.concurrent.requests=3

  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