GSP1264

Présentation

L'ancrage dans Vertex AI permet d'utiliser des modèles de texte génératifs pour générer du contenu ancré dans vos propres documents et données. Cette fonctionnalité permet au modèle d'accéder à des informations qui vont au-delà de ses données d'entraînement lors de son exécution. En ancrant les réponses du modèle dans les résultats de recherche Google ou les datastores de Vertex AI Search, les LLM ancrés dans les données peuvent produire des réponses plus justes, plus à jour et plus adaptées.

L'ancrage offre les avantages suivants :

- Réduction des hallucinations du modèle (les cas où le modèle génère un contenu qui n'est pas factuel) - Ancrage des réponses du modèle dans des informations, des documents et des sources de données spécifiques - Meilleures fiabilité, justesse et applicabilité du contenu généré

Vous pouvez configurer deux sources d'ancrage différentes dans Vertex AI :

1. Les résultats de recherche Google pour les données indexées et accessibles au public

• Si vous utilisez ce service dans une application de production, vous devrez également utiliser un point d'entrée dans la recherche Google.

2. Les datastores dans Vertex AI Search, qui peuvent inclure vos propres données sous forme de données de site Web, de données non structurées ou de données structurées

Gemini

Gemini est une famille de modèles d'IA générative puissants développés par Google DeepMind, capables de comprendre et de générer plusieurs formes de contenu, comme du texte, du code, des images, du son et des vidéos.

API Gemini dans Vertex AI

L'API Gemini dans Vertex AI fournit une interface unifiée pour interagir avec les modèles Gemini. Elle permet aux développeurs d'intégrer facilement ces puissantes fonctionnalités d'IA dans leurs applications. Pour connaître les dernières actualités et les fonctionnalités spécifiques des versions les plus récentes, veuillez consulter la documentation officielle sur Gemini.

Modèles Gemini

• Gemini Pro : conçu pour les tâches de raisonnement complexe, par exemple :
  • l'analyse et la synthèse de grands volumes d'informations ;
  • le raisonnement multimodal sophistiqué (sur du texte, du code, des images, etc.) ;
  • la résolution efficace de problèmes à l'aide de codebases complexes.
• Gemini Flash : optimisé pour être rapide et efficace, il offre :
  • des temps de réponse inférieurs à une seconde et un haut débit ;
  • une qualité élevée à moindre coût pour une grande variété de tâches ;
  • des fonctionnalités multimodales améliorées, dont une meilleure compréhension spatiale, de nouvelles modalités de sortie (texte, audio, images) et l'utilisation native d'outils (recherche Google, exécution de code et fonctions tierces).

Prérequis

Avant de commencer cet atelier, vous devez :

• avoir des connaissances de base en programmation Python ;
• connaître les concepts généraux sur les API ;
• savoir exécuter du code Python dans un notebook Jupyter dans Vertex AI Workbench.

Objectifs

Dans cet atelier, vous allez apprendre à :

• générer des réponses de modèles LLM de texte et de chat ancrées dans les résultats de recherche Google ;
• comparer des réponses de LLM ancrées et non ancrées ;
• créer et utiliser un datastore dans Vertex AI Search pour ancrer les réponses dans des documents et des données personnalisés ;
• générer des réponses de modèles LLM de texte et de chat ancrées dans les résultats de Vertex AI Search.

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).

Remarque : Ouvrez une fenêtre de navigateur en mode incognito (recommandé) ou de navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le compte temporaire de participant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.

• Vous disposez d'un temps limité. N'oubliez pas qu'une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Remarque : Utilisez uniquement le compte de participant pour cet atelier. Si vous utilisez un autre compte Google Cloud, des frais peuvent être facturés à ce compte.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

   • Le bouton "Ouvrir la console Google Cloud"
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

   {{{user_0.username | "Username"}}}

   Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

   {{{user_0.password | "Password"}}}

   Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Tâche 1 : Ouvrir le notebook dans Vertex AI Workbench

1. Dans la console Google Cloud, accédez au menu de navigation () et cliquez sur Vertex AI > Workbench.

2. Recherchez l'instance , puis cliquez sur le bouton Ouvrir JupyterLab.

L'interface JupyterLab de votre instance Workbench s'ouvre dans un nouvel onglet de navigateur.

Tâche 2 : Configurer le notebook

1. Ouvrez le fichier .

2. Dans la boîte de dialogue Select Kernel (Sélectionner le kernel), sélectionnez Python 3 dans la liste des kernels disponibles.

3. Parcourez les sections Getting Started (Premiers pas) et Import libraries (Importer des bibliothèques) du notebook.

   • Pour Project ID (ID du projet), utilisez et pour Location (Emplacement), utilisez .

Remarque : Vous pouvez ignorer les cellules du notebook avec la mention Colab only (Colab uniquement). Si l'exécution d'une cellule renvoie l'erreur 429, patientez une minute avant de la réexécuter pour poursuivre.

Cliquez sur Vérifier ma progression pour valider l'objectif. Installer les packages et importer les bibliothèques

Tâche 3 : Ancrer avec les résultats de recherche Google

1. Parcourez la section Exemple : Ancrer avec les résultats de recherche Google du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Ancrer avec les résultats de recherche Google

Tâche 4 : Créer un datastore Vertex AI

Dans cette section, vous allez créer un datastore Vertex AI dans la console Cloud.

1. Dans le champ de recherche en haut, saisissez Applications d'IA, puis sélectionnez AI Applications dans les résultats.

2. Sur la page de destination Bienvenue dans AI Applications, cliquez sur CONTINUER ET ACTIVER L'API.

3. Accédez à la page Datastores > Créer un datastore.

4. Dans le volet Sélectionner une source de données, choisissez Contenu de site Web.

5. Dans le volet Spécifier les sites Web de votre datastore, assurez-vous que l'option Indexation avancée de sites Web est désactivée.

6. Dans le champ Sites à inclure, saisissez :

cloud.google.com/generative-ai-app-builder/*

7. Cliquez sur Continuer.

8. Dans le volet Configurer votre datastore, sélectionnez global (Global) comme emplacement pour votre datastore.

9. Attribuez un nom à votre datastore et notez l'ID généré. Vous en aurez besoin plus tard.

10. Cliquez sur Créer.

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer un datastore Vertex AI

Tâche 5 : Créer une application Vertex AI Search

Dans cette section, vous allez créer une application Vertex AI Search dans la console Cloud.

1. Accédez à la page Applications > Créer une application.

2. Sur la page "Créer une application", sous Recherche pour votre site Web, cliquez sur Créer.

3. Assurez-vous que les fonctionnalités de l'édition Enterprise sont activées.

4. Dans le champ Nom de votre application, saisissez le nom de votre application. L'identifiant de l'application figure sous son nom.

5. Dans le champ "Nom externe de votre entreprise ou organisation", saisissez le nom de l'entreprise ou de l'organisation. Pour ce tutoriel, vous pouvez utiliser Google Cloud, car l'application va rechercher un site Web Google Cloud.

6. Sélectionnez global (Global) comme emplacement pour votre application, puis cliquez sur Continuer.

7. Dans la liste des datastores, sélectionnez celui que vous avez créé précédemment, puis cliquez sur Créer.

Remarque : Une fois l'application créée, vous devrez patienter au moins cinq minutes pour qu'elle indexe les sites Web inclus pour la recherche. Attendez que l'index soit créé avant de passer aux cellules suivantes du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer une application Vertex AI Search

Tâche 6 : Ancrer avec des données et des documents personnalisés

1. Parcourez la section Exemple : Ancrer avec des données et des documents personnalisés du notebook. Lorsqu'un ID vous est demandé, utilisez celui du datastore créé dans les tâches précédentes.

Cliquez sur Vérifier ma progression pour valider l'objectif. Ancrer avec des données et des documents personnalisés

Tâche 7 : Réponses de chat ancrées

1. Parcourez la section Exemple : Réponses de chat ancrées du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Réponses de chat ancrées

Félicitations !

Dans cet atelier, vous avez appris à ancrer de grands modèles de langage (LLM) dans la recherche Google et dans des sources de données personnalisées. En comparant des réponses de LLM ancrées et non ancrées, vous avez pu constater l'impact significatif de l'ancrage sur la qualité et la justesse des réponses. De plus, vous avez acquis une expérience pratique en créant et en utilisant un datastore dans Vertex AI Search, ce qui vous a permis d'ancrer des modèles LLM de texte et de chat dans vos propres documents et données.

Étapes suivantes et informations supplémentaires

Consultez les ressources suivantes pour en savoir plus sur Gemini :

• Présentation de Gemini
• Documentation sur l'IA générative sur Vertex AI
• Chaîne YouTube sur l'IA générative
• Livre de recettes Vertex AI, doté d'un index de recherche et proposant une sélection de notebooks pour l'IA générative
• Dépôt Google Cloud pour l'IA générative, contenant d'autres notebooks et exemples

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 3 avril 2025

Dernier test de l'atelier : 3 avril 2025

Copyright 2025 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.