Utiliser l’API Gemini avec un client compatible OpenAI : guide Python et JavaScript

Ce que vous allez apprendre dans ce guide

Ce tutoriel présente les étapes de connexion essentielles pour les développeurs qui souhaitent rediriger vers l’API Gemini leur code utilisant déjà un client compatible OpenAI. D’après la documentation de Google, les modèles Gemini sont accessibles avec les bibliothèques clientes Python et TypeScript/JavaScript ou via l’API REST. Pour les utilisateurs d’un client existant, la transition consiste principalement à configurer la clé API, l’adresse de la requête et le nom du modèle.

Les exemples utilisent une requête de complétion de chat. Les équipes d’architecture et de design d’intérieur peuvent envisager d’intégrer ce mode de connexion de base à une application pour traiter des textes de projet, des notes de conception ou des questions relatives à des présentations visuelles. Ce guide montre toutefois uniquement comment se connecter à l’API : il ne propose ni intégration à un logiciel d’architecture particulier, ni garantie sur l’exactitude des réponses du modèle, ni extension dédiée à un flux de travail de conception.

Prérequis : clé, client et modèle

Avant de commencer, vous devez disposer d’une clé API Gemini obtenue dans Google AI Studio. La documentation de Google fournit des exemples utilisant les bibliothèques clientes OpenAI pour Python et JavaScript/TypeScript, ainsi que des requêtes REST. Le nom de modèle utilisé dans les exemples de code est gemini-3.8-flash ; si vous choisissez un autre modèle compatible, modifiez le champ correspondant. La source ne précise ni le numéro de version de la bibliothèque cliente ni les tarifs.

Google recommande aux personnes qui n’utilisent pas encore les bibliothèques clientes OpenAI d’appeler directement l’API Gemini. Si vous disposez déjà d’une application, vérifiez d’abord que le client utilisé convient à cette méthode. Pour une nouvelle application, évaluez si l’appel direct à l’API répond à vos besoins. Dans les exemples ci-dessous, GEMINI_API_KEY est un espace réservé : remplacez-le par votre véritable clé.

Envoyer une première requête, étape par étape

1. Obtenez une clé API. Récupérez une clé API Gemini dans Google AI Studio. Elle sert à authentifier les requêtes ; les exemples utilisent un espace réservé et non une véritable clé.

2. Pointez le client vers le point de terminaison Gemini. Dans l’exemple Python, le champ base_url indique l’adresse de l’API Gemini ; dans l’exemple JavaScript, il s’agit de baseURL. Ce réglage envoie les requêtes du client à l’adresse Gemini documentée plutôt qu’à l’adresse par défaut.

3. Indiquez le nom du modèle. L’exemple utilise gemini-3.8-flash. Le nom du modèle figure dans un champ distinct de la requête ; si vous en utilisez un autre, veillez à ce que ce champ corresponde au modèle choisi.

4. Exécutez une première requête textuelle. L’exemple Python ci-dessous envoie les messages système et utilisateur dans une requête de complétion de chat, puis affiche le message reçu. Le code est tiré de la documentation de Google publiée sous licence libre.

from openai import OpenAI
client = OpenAI(
api_key="GEMINI_API_KEY",
base_url="https://generativelanguage.googleapis.com/v1beta/openai/"
)
response = client.chat.completions.create(
model="gemini-3.8-flash",
messages=[
{ "role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "Explain to me how AI works"
}
]
)
print(response.choices[0].message)

Le message utilisateur de l’exemple demande une explication générale. Dans une application destinée à l’architecture, vous pouvez le remplacer par un contenu adapté à l’objectif de l’application, par exemple une demande de résumé d’une note de projet. Il s’agit d’une adaptation de l’utilisation du code ; la source ne garantit pas de résultats pour une tâche architecturale particulière.

1. Configurez la même connexion de base en JavaScript. L’exemple JavaScript définit lui aussi la clé API, le point de terminaison, le modèle et les messages. Une fois la requête terminée, le message renvoyé est affiché dans la console.

import OpenAI from "openai";
const openai = new OpenAI({
apiKey: "GEMINI_API_KEY",
baseURL: "https://generativelanguage.googleapis.com/v1beta/openai/"
});
const response = await openai.chat.completions.create({
model: "gemini-3.8-flash",
messages: [
{ role: "system",
content: "You are a helpful assistant."
},
{
role: "user",
content: "Explain to me how AI works",
},
],
});
console.log(response.choices[0].message);

1. Envoyez une requête REST sans client. L’exemple cURL ci-dessous réalise la même opération de base au moyen d’une requête HTTP. La clé figure dans l’en-tête Authorization ; le modèle et le message se trouvent dans le corps de la requête.

curl "https://generativelanguage.googleapis.com/v1beta/openai/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $GEMINI_API_KEY" \
-d '{
"model": "gemini-3.8-flash",
"messages": [
{
"role": "user",
"content": "Explain to me how AI works"
}
]
}'

Dans les trois méthodes, l’essentiel est de diriger la requête vers l’API Gemini et d’utiliser la bonne clé ainsi que le bon nom de modèle. Google résume la migration avec des clients compatibles comme une modification de trois lignes de configuration. Cette formulation décrit les réglages de connexion de base ; elle ne signifie pas que toutes les applications pourront fonctionner sans autre changement de code.

Erreurs fréquentes et points à vérifier

• Conserver le point de terminaison par défaut : si le client n’est pas dirigé vers l’API Gemini, la requête risque de ne pas être envoyée à l’adresse attendue. Vérifiez les réglages base_url en Python et baseURL en JavaScript, ainsi que l’adresse REST.

• Ne pas remplacer l’espace réservé : GEMINI_API_KEY dans les exemples n’est pas une véritable clé. Remplacez-le par la clé obtenue dans Google AI Studio.

• Mal saisir le nom du modèle : les exemples indiquent gemini-3.8-flash dans le champ du modèle. Vérifiez que la valeur de la requête correspond au nom du modèle choisi.

• Supposer que toutes les fonctionnalités sont prises en charge de la même façon : le guide aborde également les réponses en streaming, l’appel de fonctions et la compréhension des images, en plus de la complétion de chat. Toutefois, les requêtes et la configuration peuvent varier pour chacune de ces fonctionnalités ; l’exemple de chat de base présenté ici ne couvre pas tous les détails de leur mise en place.

• Combiner les réglages de réflexion : la documentation précise que reasoning_effort recoupe certaines fonctions des paramètres propres à Gemini thinking_level et thinking_budget, et qu’ils ne doivent pas être utilisés simultanément. Consultez donc la documentation du modèle concerné lorsque vous ajoutez des paramètres avancés de réflexion.

Dans les flux de travail d’architecture, de design d’intérieur et d’archviz, cette méthode peut constituer un point de départ pour les développeurs qui souhaitent tester l’accès à une API textuelle depuis un client existant. Vous pouvez tester des idées comme l’ajout, à un outil interne, de requêtes textuelles concernant des descriptions de projet ou des notes de conception. Toutefois, la source ne précise ni la compatibilité avec des logiciels particuliers, ni l’existence d’un flux de génération d’images, ni les exigences matérielles locales. Avant le passage en production, il faut également évaluer les licences et les coûts de l’API, les conditions du modèle utilisé et la circulation des données dans l’application ; la source ne fournit aucune information sur les tarifs ou le matériel.

Étapes suivantes

Une fois la première requête textuelle exécutée, vous pouvez consulter les sections de la même documentation de Google consacrées aux réponses en streaming, à l’appel de fonctions et à la compréhension des images. Ces fonctionnalités ne sont pas prêtes à l’emploi dans l’exemple de chat de base : chacune doit être étudiée en fonction de son propre format de requête et de ses exigences. Si votre application n’utilise pas déjà la bibliothèque cliente OpenAI, l’appel direct à l’API Gemini doit également être envisagé dès le choix de l’approche.

Pour les équipes d’architecture, la méthode d’essai la plus sûre consiste à créer d’abord un petit prototype avec des exemples de textes de projet non sensibles et à traiter les réponses comme du contenu auxiliaire à vérifier, et non comme un substitut aux décisions de conception. Cela ne signifie pas que l’API garantit un résultat de conception particulier. Il s’agit d’une démarche pratique qui permet à l’équipe de définir son propre processus de validation avant d’intégrer la connexion technique à un flux de travail réel.

Source et licence

Ce tutoriel est une adaptation en turc des exemples Python, JavaScript et REST du guide « OpenAI compatibility » de l’API Gemini de Google. La source est publiée sous licence CC BY 4.0.