Gemini Embedding 2
Gemini Embedding 2 transforme texte, images, vidéos, audio et documents en vecteurs dans un même espace sémantique pour la recherche, le RAG et la classification.
Une option structurante pour un moteur de recherche réellement multimodal. Le gain de simplicité doit être comparé au coût par modalité et à la qualité sur les données de l’entreprise.
01 Ce que fait Gemini Embedding 2
Un embedding convertit un contenu en vecteur numérique pour mesurer des proximités sémantiques. Gemini Embedding 2 place texte, image, vidéo, audio et documents dans un espace commun afin de rechercher une modalité avec une autre.
Le modèle est en disponibilité générale depuis le 22 avril 2026 via Gemini API et Gemini Enterprise Agent Platform.
02 Capacités documentées
- Entrées texte, image, vidéo, audio et documents, y compris PDF.
- Entrées entremêlées de plusieurs modalités dans une même requête.
- Contexte maximal de 8 192 tokens.
- Dimensions de sortie configurables de 128 à 3 072.
- Plus de 100 langues annoncées.
- Usages de recherche, RAG, classification, regroupement et recommandation.
03 Limites à connaître
- Les performances publiées sont celles de Google ou de tiers cités par Google.
- Réduire la dimension économise du stockage mais peut dégrader le rappel.
- La qualité dépend fortement des données, des requêtes et du moteur vectoriel.
- Une migration depuis un autre modèle impose généralement de recalculer les vecteurs.
- Les contenus sensibles nécessitent une politique d’accès et de rétention adaptée.
04 Prix API standard
Tarifs revérifiés le 12 août 2026. Montants en dollars par million de tokens, avec équivalences publiées par Google.
- Texte
- 0,20 $ par million de tokens.
- Image
- 0,45 $ par million de tokens, environ 0,00012 $ par image.
- Audio
- 6,50 $ par million de tokens, environ 0,00016 $ par seconde.
- Vidéo
- 12 $ par million de tokens, environ 0,00079 $ par image vidéo.
05 Quand le choisir
- Tu veux rechercher des images, de l’audio ou de la vidéo avec une requête texte.
- Tu veux éviter plusieurs modèles d’embeddings spécialisés dans un même pipeline.
- Tu construis un RAG multimodal dans l’écosystème Google.
- Tu peux constituer un jeu de vérité terrain pour mesurer rappel et précision.
06 Questions fréquentes
À quoi sert Gemini Embedding 2 ?
Une option structurante pour un moteur de recherche réellement multimodal. Le gain de simplicité doit être comparé au coût par modalité et à la qualité sur les données de l’entreprise.
Combien coûte Gemini Embedding 2 ?
Les tarifs officiels sont détaillés et datés dans la section Prix ci-dessus. Vérifie la grille avant un déploiement important.
07 Sources officielles
- Source officielle 1 : capacités, accès ou tarifs utilisés dans cette fiche.
- Source officielle 2 : capacités, accès ou tarifs utilisés dans cette fiche.
- Source officielle 3 : capacités, accès ou tarifs utilisés dans cette fiche.
Sources primaires consultées le 12 août 2026. Les performances annoncées restent attribuées à Google.
Comparer avant de choisir
Valide la qualité, le coût et les contraintes de Gemini Embedding 2 sur un cas réel avant de l’intégrer.