Recherchez à la fois dans des PDF et des images avec Gemini

Extrayez des données de documents complexes mêlant texte et graphiques sans la complexité de l'OCR. La recherche de fichiers multimodale de Gemini indexe désormais les PDF et les images dans une seule base de données vectorielle, vous permettant d'interroger des rapports financiers aux côtés de photos de produits ou de documents juridiques comportant des schémas - en répondant à des questions comme « Quels graphiques montrent la croissance du chiffre d'affaires au T3 ? » avec citations complètes à l'appui.

Les données d'entreprise sont hétérogènes : les rapports financiers contiennent des graphiques intégrés, les contrats comportent des annotations manuscrites, les spécifications techniques mêlent schémas et texte. Jusqu'à récemment, extraire des informations de ces documents multimédias nécessitait de convertir les images en texte via l'OCR - un goulot d'étranglement lent et sujet aux erreurs. L'outil File Search de Gemini a changé la donne en mai 2026 en ajoutant une prise en charge multimodale native propulsée par le modèle Gemini Embedding 2.

L'approche est plus simple que les pipelines RAG traditionnels. Vous créez un magasin File Search en spécifiant le modèle d'embedding (pour le multimodal, utilisez gemini-embedding-2), vous téléchargez vos fichiers (PDF, PNG, JPEG, WebP), et le système indexe automatiquement à la fois le contenu textuel et visuel dans un espace vectoriel unique et partagé. Un professionnel qui explore sa bibliothèque de communiqués de résultats n'a plus besoin de bases distinctes pour le texte et les images - une seule requête comme « Montre-moi les graphiques comparant la croissance du chiffre d'affaires d'une année sur l'autre » retrouve les visualisations pertinentes dans les PDF sans prétraitement.

Sur le plan pratique : les juristes examinant des avenants contractuels aux côtés de schémas réglementaires, les analystes extrayant des tendances de rapports trimestriels contenant des graphiques intégrés, ou les équipes produit analysant des photos de produits concurrents mêlées à des fiches techniques bénéficient tous de cette recherche unifiée. Le filtrage par métadonnées permet d'affiner les résultats (par exemple, uniquement les documents du service financier datant de 2025), et les citations de pages indiquent précisément l'origine de chaque réponse.

La structure de coûts avantage les développeurs : le stockage et les embeddings au moment de la requête sont gratuits ; vous ne payez que l'indexation et les tokens. La configuration nécessite l'API Gemini (SDK Python, JavaScript ou Java pris en charge), mais la courbe d'apprentissage est douce - la documentation de File Search comprend des exemples de code fonctionnels pour expérimenter immédiatement.