Leçon 21 · Expert · 15 min
Google AI Studio : température, System Instructions et JSON
Prendre en main Google AI Studio : régler la température, définir des System Instructions et contraindre les sorties en Structured JSON.
- Objectif
- Vous saurez naviguer dans l'interface de prototypage Google AI Studio pour tester les modèles Gemini avec contrôle total des hyperparamètres.
- Compétences
- Cadrer
Votre première tentative, sans aide
Ouvrez Google AI Studio, créez un prompt système avec température à 0,2 et imposez une réponse validée par un schéma JSON strict.
Google AI Studio est l'environnement de prototypage rapide offert par Google pour tester les modèles Gemini sans écrire de code. Cette interface épurée donne un contrôle direct sur les instructions système permanentes, la température, la fenêtre de contexte et permet d'exiger des sorties au format JSON strictement conforme à un schéma prédéfini.
1L'antichambre des API : piloter les hyperparamètres sans coder
L'antichambre des API permet de piloter les hyperparamètres sans coder grâce à une interface d'expérimentation directe. Google AI Studio dévoile le moteur brut de Gemini sans les filtres conversationnels de l'interface grand public.
Dans l'application gemini.google.com, Google applique des réglages invisibles par défaut. Dans Google AI Studio, vous choisissez le modèle exact (Gemini 2.5 Flash ou Pro), ajustez la température (de 0.0 pour une fidélité mathématique à 1.0 pour l'exploration créative) et activez le mode JSON structuré. Ce mode garantit que la réponse respectera une syntaxe informatique stricte sans aucun mot de bavardage d'introduction.
Paramètre clé Réglage possible Effet sur la réponse Cas d'usage recommandé Température 0.0 à 2.0 Réduit ou augmente la variabilité statistique 0.0 pour extraire des chiffres ; 0.7 pour rédiger System Instructions Texte permanent Cadre immuable appliqué avant chaque prompt Rôle, charte et interdictions fermes Structured Output Schéma JSON formel Force une sortie machine 100 % exploitable Intégration dans des bases de données et ERP 
Schéma « Console Google AI Studio »Schéma généré par IA et relu 2Forcer une extraction de facture en schéma JSON garanti
Forcer une extraction de facture en schéma JSON garanti démontre comment Google AI Studio élimine les erreurs de formatage pour transmettre des données comptables sans aucune ressaisie manuelle.
Un responsable des opérations financières doit automatiser la lecture des factures fournisseurs au format PDF.
Prompt faible.
Extraits les données de cette facture PDF sous forme de JSON s'il te plaît.Gemini répond avec des blocs de code Markdown et ajoute une formule de politesse (« Voici le JSON extrait ») qui fait planter le script informatique récepteur.
Prompt fort.
Dans Google AI Studio, configurez le mode « Structured Output » avec le schéma suivant : {"type": "object", "properties": {"fournisseur": {"type": "string"}, "montant_ht": {"type": "number"}, "tva": {"type": "number"}, "date_echeance": {"type": "string"}}}. Déposez le PDF de la facture.Ce qui change. Le modèle est contraint par le compilateur au niveau de l'API : il renvoie un flux JSON pur, garanti sans le moindre mot superflu et immédiatement intégrable dans un progiciel de gestion.
3Régler la température et tester la variabilité d'une réponse
Régler la température et tester la variabilité d'une réponse vous permet de mesurer concrètement l'impact des hyperparamètres sur la reproductibilité de vos analyses d'entreprise.
Ouvrez aistudio.google.com avec votre compte professionnel. Créez un nouveau prompt. Réglez la température sur 0.0 et soumettez une question d'analyse financière. Relancez trois fois : constatez l'identité exacte des réponses. Passez la température à 1.2 et observez la dispersion.
Lancez ce test de stabilité :
« À partir du compte de résultat ci-joint, isole les trois postes de charges les plus élevés et calcule leur part relative dans le total des dépenses. Présente en 3 puces datées. »
Grille d'auto-évaluation : (a) à température 0.0, les sorties sont strictement identiques d'un essai à l'autre ; (b) le mode Structured Output est testé avec succès ; (c) les instructions système permanentes sont distinguées du prompt utilisateur.
4Confondre l'environnement de prototypage avec une interface de production sécurisée
Confondre l'environnement de prototypage avec une interface de production sécurisée expose votre organisation à des failles de gouvernance et à des ruptures de service imprévues.
Google AI Studio est une console d'expérimentation pour tester des idées, pas une application métier pour les salariés. Y coller des données ultra confidentielles sans vérifier les conditions associées à votre projet Google Cloud peut exposer vos flux à des limites de requêtes par minute non adaptées aux opérations réelles.
Correction : utilisez AI Studio pour prototyper vos prompts et schémas JSON, puis déployez-les en production via Vertex AI ou au sein de vos Gems Workspace protégés.
Règle à retenir : AI Studio sert au laboratoire d'essai ; Vertex AI et Google Workspace gèrent la production sécurisée.
5Quiz
Trois questions, correction immédiate. Le retour explique chaque option.
6Preuve de maîtrise
Configurez un prototype dans Google AI Studio : partagez les System Instructions, la température choisie, le schéma JSON imposé et le résultat obtenu.
Critères
Ce que vous écriviez au début de la leçon
Pour aller plus loin
Examinez les notions de Google AI Studio, de température et de JSON Schema. La leçon suivante, Jeux de tests et robustesse, vous apprend à industrialiser vos vérifications. Pour les questions de conformité réglementaire, consultez Politique d'usage et souveraineté.
Questions fréquentes
Qu'est-ce que Google AI Studio ?
C'est l'environnement web gratuit mis à disposition par Google pour prototyper, régler et tester les modèles Gemini (Flash, Pro) avant de déployer des prompts en API.
Comment fonctionne le réglage de la température ?
Une température proche de 0 (ex: 0,1 ou 0,2) rend le modèle déterministe, logique et rigoureux pour les données. Une température de 0,8 à 1,0 favorise la créativité et la diversité lexicale.
Pourquoi utiliser le format Structured JSON ?
Parce qu'il force mathématiquement le modèle à respecter une structure de champs sans aucun texte d'introduction ni bavardage, permettant une intégration directe dans vos systèmes.