Modèles d'IA Gemini

Les familles de modèles Gemini Pro et Gemini Flash offrent aux développeurs Android des capacités d'IA multimodales, exécutant l'inférence dans le cloud et traitant les entrées d'image, audio, vidéo et de texte dans les applications Android.

  • Gemini Pro : Gemini Pro est le modèle de réflexion de pointe de Google. Il est capable de raisonner sur des problèmes complexes de code, de mathématiques et de STEM, ainsi que d'analyser de grands ensembles de données, des codebases et des documents à l'aide d'un contexte long.
  • Gemini Flash : les modèles Gemini Flash offrent des fonctionnalités de nouvelle génération et des capacités améliorées, y compris une vitesse supérieure, l'utilisation d'outils intégrés et une fenêtre de contexte d'un million de jetons.

Firebase AI Logic

Firebase AI Logic permet aux développeurs d'ajouter de l'IA générative Google de manière sécurisée et directe à leurs applications, ce qui simplifie le développement. Il propose également des outils et des intégrations de produits pour une mise en production réussie. Il fournit des SDK Android client pour intégrer et appeler directement l'API Gemini à partir du code client, ce qui simplifie le développement en éliminant le besoin d'un backend.

Fournisseurs d'API

Firebase AI Logic vous permet d'utiliser les fournisseurs d'API Google Gemini suivants : API Gemini Developer et API Agent Platform Gemini (anciennement Vertex AI).

Illustration montrant une application Android utilisant le SDK Firebase pour Android pour envoyer des requêtes au backend Firebase dans le cloud. Les requêtes peuvent être routées vers l'API Gemini Developer ou l'API Gemini Agent Platform, qui utilisent toutes deux les modèles Gemini Pro et Flash.
Figure 1. Architecture d'intégration de Firebase AI Logic.

Voici les principales différences pour chaque fournisseur d'API :

API Gemini Developer :

  • Lancez-vous sans frais avec un niveau sans frais avantageux, sans avoir à fournir d'informations de paiement.
  • Vous pouvez également passer à la version payante de l'API Gemini Developer pour évoluer à mesure que votre base d'utilisateurs s'agrandit.
  • Itérez et testez des requêtes, et obtenez même des extraits de code à l'aide de Google AI Studio.

API Gemini Agent Platform (anciennement Vertex AI) :

Le choix du fournisseur d'API Gemini approprié pour votre application dépend de vos contraintes commerciales et techniques. La plupart des développeurs Android qui débutent avec les modèles Gemini Pro et Flash doivent commencer par l'API Gemini Developer. Pour passer d'un fournisseur à un autre, il suffit de modifier le paramètre dans le constructeur du modèle :

Kotlin

// For the Agent Platform Gemini API, use `backend = GenerativeBackend.agentPlatform()`
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel("gemini-3.5-flash")

val response = model.generateContent("Write a story about a magic backpack")
val output = response.text

Java

// For the Agent Platform Gemini API, use `backend = GenerativeBackend.agentPlatform()`
GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.5-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        // ...
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Accéder aux modèles sur l'appareil, dans le cloud ou de manière hybride

En plus des modèles Gemini hébergés dans le cloud décrits dans la section précédente, le SDK Firebase AI Logic vous permet également d'accéder à des modèles sur l'appareil pour créer les fonctionnalités d'IA de votre application. Si vous configurez le SDK pour l'inférence hybride, votre application peut utiliser un modèle sur l'appareil lorsqu'il est disponible, mais revenir de manière transparente à un modèle hébergé dans le cloud si nécessaire (et vice versa).

Voici les principaux avantages d'une approche hybride :

  • Acheminement intelligent : les tâches simples sont traitées sur votre appareil, tandis que les questions complexes sont automatiquement envoyées au cloud pour une analyse plus approfondie.

  • Disponibilité hors connexion : vos applications continuent de fonctionner sans Internet en exécutant des modèles directement sur votre appareil. Lorsque vous êtes de nouveau en ligne, vous pouvez accéder aux modèles hébergés dans le cloud.

  • Réduction des coûts : l'exécution des tâches quotidiennes sur l'appareil plutôt que dans le cloud réduit les dépenses d'inférence.

Sécurité de vos fonctionnalités d'IA

Firebase AI Logic est compatible avec plusieurs fonctionnalités qui vous permettent de créer des fonctionnalités d'IA de manière sécurisée dans votre application :

  • Vérifiez l'authenticité de l'application : lorsque vous appelez l'API Gemini directement depuis votre application Android, l'API est vulnérable aux utilisations abusives par des clients non autorisés. Vous devez le protéger contre les utilisations abusives en utilisant Firebase AI Logic et en appliquant Firebase App Check. Lorsque vous appliquez App Check, il n'autorise que les requêtes entrantes dont il est vérifié qu'elles proviennent de votre application ou d'un appareil non altéré. App Check est compatible avec Play Integrity et reCAPTCHA Enterprise en tant que fournisseurs d'attestation de production.

  • Stocker les prompts côté serveur : pour vos requêtes envoyées à l'API Gemini à l'aide de Firebase AI Logic, vous pouvez stocker vos prompts, schémas et configurations dans des modèles de prompts côté serveur. Votre application ne transmet que la clé (l'ID du modèle) du client au serveur. L'utilisation de modèles de prompts côté serveur permet de protéger vos prompts contre l'exposition côté client.

  • Accéder aux modèles sur l'appareil : vous pouvez utiliser Firebase AI Logic pour acheminer vos requêtes vers un modèle sur l'appareil lorsqu'il est disponible. La requête, y compris la requête elle-même, ne quitte jamais l'appareil.

Créer pour la production

Firebase AI Logic vous aide à créer des fonctionnalités d'IA robustes dans votre application et à vous assurer qu'elles fonctionnent en production. Pour en savoir plus, consultez la checklist de production Firebase AI Logic.

Accès et sécurité

  • Appliquez Firebase App Check pour protéger l'API Gemini contre les utilisations abusives lorsqu'elle est appelée directement depuis votre application. Lorsque App Check est appliqué, il vérifie que les requêtes entrantes proviennent de votre application authentique ou d'un appareil non altéré.

  • Activez le mode "Utilisateurs authentifiés" pour que toutes les requêtes de Firebase AI Logic incluent des identifiants valides de Firebase Authentication.

Surveillance, limites et facturation

Gestion des configurations

  • Modifiez à la demande le nom du modèle utilisé pour votre fonctionnalité d'IA à mesure que de nouveaux modèles sont publiés ou que d'autres sont arrêtés. Pour en savoir plus sur l'utilisation de Remote Config ou des modèles de prompt de serveur, consultez les pages correspondantes.

  • Utilisez Remote Config pour définir une version minimale pour votre application afin de pouvoir afficher une notification de mise à niveau aux utilisateurs ou les forcer à effectuer la mise à niveau.

  • Testez des modèles et des prompts auprès de petits groupes d'utilisateurs à l'aide de Remote Config et de Firebase A/B Testing.