Qu’est-ce que Gemini Embedding 2 ?
Gemini Embedding 2 est le premier modèle d'embedding multimodal de Google. Il a été lancé en préversion le 10 mars 2026 et est passé en disponibilité générale le 22 avril sous l'identifiant gemini-embedding-2 ; l'ancienne page gemini-embedding-2-preview reste en ligne. Les modèles d'embedding transforment un contenu en vecteurs pour que les logiciels puissent trouver des contenus proches pour la recherche, les recommandations et la génération augmentée par récupération (RAG).
Il accepte texte, images, vidéo, audio et fichiers PDF et les place dans un même espace vectoriel partagé, si bien qu'une requête textuelle peut trouver une image ou un extrait vidéo correspondant. Chaque requête est plafonnée à 8 192 tokens toutes entrées confondues, et la sortie peut être réglée entre 128 et 3 072 dimensions, les vecteurs plus courts étant normalisés automatiquement.
Le prix par million de tokens est de 0,20 $ pour le texte, 0,45 $ pour les images, 6,50 $ pour l'audio et 12 $ pour la vidéo, Batch étant à moitié prix. Il figure dans le niveau gratuit de la Gemini API, où Google peut utiliser les entrées pour améliorer ses produits.
Combien coûte Gemini Embedding 2 ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Text | $0.20 per 1M tokens | |
| Image | $0.45 per 1M tokens | |
| Audio | $6.50 per 1M tokens | |
| Video | $12 per 1M tokens |
Par million de tokens : texte 0,20 $, image 0,45 $, audio 6,50 $, vidéo 12 $ ; Batch à moitié prix ; niveau gratuit avec limites (entrées utilisées pour l'amélioration des produits).
Gemini Embedding 2 vaut-il le coup ?
Gemini Embedding 2 mérite sa place sur les médias mixtes, pas sur le texte. Texte, images, audio, vidéo et PDF arrivent dans un même espace, ce qui transforme « trouver le moment de cet enregistrement où l'intervenant parle de remboursements » en une seule recherche du plus proche voisin au lieu d'une chaîne de transcription. Il est en disponibilité générale depuis le 22 avril, si bien que la réserve liée à la préversion qui pesait sur lui au printemps ne s'applique plus.
Pour le texte seul, c'est l'option chère. À 0,20 $ par million de tokens, il coûte plus que voyage-4-large à 0,12 $, et la documentation de Google ne publie aucun score MTEB pour lui ; le seul tableau MTEB de la page embeddings concerne l'ancien gemini-embedding-001. Les vecteurs de 001 ne sont pas compatibles, si bien que monter de version implique de réencoder tout le corpus.
Les limites par requête façonnent l'architecture plus que le prix. Chaque appel accepte au plus six images, 180 secondes d'audio, 120 secondes de vidéo échantillonnées à 32 images, ou un PDF de six pages au plus, et tout ce qui dépasse 8 192 tokens est tronqué sans avertissement. Les fichiers vidéo perdent aussi leur bande son : la piste audio est ignorée, si bien qu'un enregistrement de réunion doit être encodé deux fois, une fois en vidéo et une fois en audio, pour être interrogeable par les deux.
Le prix des médias est plus bas que ne le suggère le tarif par token. Google convertit la vidéo à environ 0,00079 $ l'image, si bien qu'un clip de deux minutes à 32 images coûte environ 2,5 centimes, et Batch divise ce montant par deux. Le risque de coût n'est pas un clip mais la réindexation d'une archive chaque fois que vous changez la taille des fragments.
Là où il fait la différence
Un ingénieur des archives médias chez un diffuseur régional disposant de 10 000 heures d'images
Permettre aux producteurs de trouver un plan en le décrivant en une phrase
Découper les images en segments de deux minutes qui se chevauchent et encoder chacun à 32 images. Au tarif publié par image, cela fait à peu près 7 600 $ pour l'archive, ou environ 3 800 $ via Batch, plus une passe audio séparée si la parole doit être interrogeable.
Une cheffe de produit dans une place de marché d'e-commerce de 30 personnes
Ajouter la « recherche par photo » à côté de la recherche texte pour 2 millions d'annonces
Encoder l'image principale (environ 0,00012 $ par image, 0,00006 $ en Batch) et le titre de chaque annonce dans le même espace, si bien que la photo d'un acheteur et une requête tapée interrogent un seul index. Deux millions d'images coûtent environ 240 $ aux tarifs standard.
Un développeur dans une start-up legal tech européenne
Encoder des contrats scannés avec tableaux et tampons pour la récupération
Envoyer les PDF page par page, ce qui selon Google donne la meilleure qualité, avec l'OCR toujours activé. Les applications destinées à l'EEE doivent utiliser le niveau payant, où Google n'utilise pas les entrées pour améliorer ses produits.
Avant de vous engager
- Mise en route
- Un appel à embedContent avec le modèle gemini-embedding-2 dans les SDK Gemini ; le paramètre task_type n'est pas pris en charge, les tâches textuelles utilisent donc des préfixes comme « task: search result | query: ».
- Intégrations
- Gemini API, Google AI Studio, la Batch API et Gemini File Search, qui utilise ce modèle pour la recherche multimodale avec citations de numéros de page et de médias.
- Données et confidentialité
- Sur le niveau payant, Google n'utilise pas prompts ni réponses pour améliorer ses produits mais les journalise pendant une durée limitée non précisée pour la surveillance des abus. Les entrées du niveau gratuit peuvent servir à améliorer les produits et technologies d'apprentissage automatique de Google et être lues par des relecteurs humains, et les applications qui servent des utilisateurs dans l'EEE, en Suisse ou au Royaume-Uni doivent utiliser les services payants.
- Coût à grande échelle
- Un corpus texte de 100M de tokens coûte 20 $ à encoder (10 $ en Batch) ; 10 000 heures d'audio coûtent environ 5 760 $ à 0,00016 $ la seconde ; la vidéo revient à environ 0,00079 $ l'image. Le réencodage à chaque changement de découpage est le coût à prévoir.
- Limites
- 8 192 tokens par requête toutes entrées confondues, tronqués sans avertissement ; six images, 180 secondes d'audio, 120 secondes de vidéo (32 images, audio ignoré) ou un PDF de six pages par requête. Aucun score MTEB publié.
Les points forts
- Texte, image, vidéo, audio et PDF dans un même espace vectoriel, en disponibilité générale
- De 128 à 3 072 dimensions avec normalisation automatique
- Batch à moitié prix ; vidéo à environ 0,0008 $ l'image
Les points faibles
- Aucun benchmark de récupération publié
- Plafond de 8 192 tokens par requête, tronqué sans avertissement ; pistes audio des vidéos ignorées
- Plus cher que voyage-4-large pour le texte ; incompatible avec les vecteurs de gemini-embedding-001
Idéal pour
Les développeurs qui construisent une recherche ou des recommandations sur des médias mixtes comme les images, les enregistrements et la vidéo.
Alternatives à Gemini Embedding 2
Gemini Embedding 2 : questions fréquentes
- Gemini Embedding 2 vaut-il le coup ?
- Gemini Embedding 2 est le moyen le plus simple de chercher dans la vidéo et l'audio avec une phrase, et un moyen trop cher de chercher dans du texte brut. Nous lui donnons 4.3 sur 5.
- Combien coûte Gemini Embedding 2 ?
- Par million de tokens : texte 0,20 $, image 0,45 $, audio 6,50 $, vidéo 12 $ ; Batch à moitié prix ; niveau gratuit avec limites (entrées utilisées pour l'amélioration des produits).
- Quels sont les inconvénients de Gemini Embedding 2 ?
- Aucun benchmark de récupération publié; plafond de 8 192 tokens par requête, tronqué sans avertissement ; pistes audio des vidéos ignorées; plus cher que voyage-4-large pour le texte ; incompatible avec les vecteurs de gemini-embedding-001.
- À qui s’adresse Gemini Embedding 2 ?
- Les développeurs qui construisent une recherche ou des recommandations sur des médias mixtes comme les images, les enregistrements et la vidéo.
- Combien coûte Gemini Embedding 2 pour une équipe ou en production ?
- Un corpus texte de 100M de tokens coûte 20 $ à encoder (10 $ en Batch) ; 10 000 heures d'audio coûtent environ 5 760 $ à 0,00016 $ la seconde ; la vidéo revient à environ 0,00079 $ l'image. Le réencodage à chaque changement de découpage est le coût à prévoir.
- Gemini Embedding 2 est-il sûr pour les données de l’entreprise ?
- Sur le niveau payant, Google n'utilise pas prompts ni réponses pour améliorer ses produits mais les journalise pendant une durée limitée non précisée pour la surveillance des abus. Les entrées du niveau gratuit peuvent servir à améliorer les produits et technologies d'apprentissage automatique de Google et être lues par des relecteurs humains, et les applications qui servent des utilisateurs dans l'EEE, en Suisse ou au Royaume-Uni doivent utiliser les services payants.
- Quelles sont les meilleures alternatives à Gemini Embedding 2 ?
- Les alternatives les plus proches que nous avons testées sont Cohere Embed 5, voyage-4-large, text-embedding-3-large et EmbeddingGemma 2.
Réponses vérifiées le 22 oct. 2026.