Structured output avec Gemini

Structured Output avec Gemini

Gemini permet de forcer le modèle à produire des réponses dans un format JSON structuré défini par un schéma. Cela garantit des sorties parsables et prévisibles pour vos applications.

Pourquoi le structured output ?

• Parsing fiable : Plus besoin de regex pour extraire des données
• Validation automatique : Le schéma garantit la structure
• Intégration simplifiée : Les réponses s'intègrent directement dans votre code
• Moins d'erreurs : Pas de format inattendu ou de texte parasite

Configuration via l'API

import google.generativeai as genai
import typing_extensions as typing

class Recipe(typing.TypedDict):
    name: str
    ingredients: list[str]
    prep_time_minutes: int
    difficulty: str

model = genai.GenerativeModel('gemini-2.5-pro')

result = model.generate_content(
    "Donne-moi une recette de quiche lorraine",
    generation_config=genai.GenerationConfig(
        response_mime_type="application/json",
        response_schema=Recipe
    )
)

import json
recipe = json.loads(result.text)
print(recipe["name"])  # Quiche Lorraine

Schémas supportés

Gemini supporte les types JSON Schema suivants :

• string, number, integer, boolean
• array (avec items typés)
• object (avec properties typées)
• enum (valeurs restreintes)
• Combinaisons imbriquées

Exemples de schémas courants

Extraction d'entités

class Entity(typing.TypedDict):
    name: str
    type: str  # person, organization, location
    confidence: float

class Extraction(typing.TypedDict):
    entities: list[Entity]
    summary: str

Classification

class Classification(typing.TypedDict):
    category: str
    confidence: float
    reasoning: str

Bonnes pratiques

• Définissez des schémas aussi précis que possible
• Utilisez des enums pour les champs à valeurs limitées
• Ajoutez des descriptions dans votre prompt pour guider le contenu
• Testez avec des cas limites (textes vides, langues différentes)
• Combinez avec un system prompt pour contrôler le style du contenu

Limites

• Le schéma ne peut pas être trop complexe (profondeur limitée)
• Les très longues listes peuvent être tronquées
• Le modèle peut retourner des valeurs par défaut si le contenu est ambigu