Gemini 2.5 Pro : Fiche complète (juin 2026)

Gemini 2.5 Pro est le modèle phare de Google DeepMind dans la famille Gemini 2.x, lancé en mars 2025. Il a succédé à Gemini 2.0 Pro (qui lui-même avait remplacé Gemini 1.5 Pro fin 2024) et a apporté trois sauts qualitatifs : mode thinking natif (budget de raisonnement configurable par appel), vision de qualité tier-2 rivalisant avec les benchmarks de vision de GPT-5, et comportement stable du contexte 1M avec un rappel qui se maintient sur toute la fenêtre.

Ce qui rend Gemini 2.5 Pro structurellement différent de GPT-5 ou Claude Opus : il est nativement multimodal sur plus de modalités que l'un ou l'autre. Les entrées texte, image, audio, vidéo et PDF circulent toutes dans le même tableau `contents`. Passez un fichier vidéo MP4, un enregistrement audio, une pile de PDFs et une question en texte libre — Gemini accepte tout cela en un seul appel et raisonne entre les différentes entrées. GPT-5 supporte texte + image. Claude supporte texte + image. Seul Gemini 2.5 Pro (et son homologue Flash) supportent vidéo et audio nativement en production.

Le mode thinking (nom de Google pour le raisonnement configurable) est activé par défaut sur Gemini 2.5 Pro avec un budget déterminé par le modèle. Forcez un budget spécifique avec `thinking_config: {thinking_budget: 5000}` ; désactivez entièrement le thinking avec `thinking_budget: 0` pour la réponse la plus rapide possible. Les tokens de thinking se facturent au tarif de sortie comme les tokens de raisonnement sur GPT-5 et les tokens de thinking sur Claude.

Gemini 2.5 Pro utilise un modèle tarifaire par paliers unique parmi les fournisseurs frontier. Sous 200 000 tokens d'entrée par appel : 1,25 $/M d'entrée, 10 $/M de sortie. Au-dessus de 200 000 tokens d'entrée : 2,50 $/M d'entrée, 15 $/M de sortie. Le palier s'applique à l'appel entier — si vous envoyez 250K tokens d'entrée, les 250K complets se facturent au palier supérieur, pas seulement la portion au-dessus de 200K.

Exemple : un appel avec 100K tokens d'entrée + 1K de sortie se facture `(0,100 × $1,25) + (0,001 × $10) = $0,125 + $0,01 = $0,135`. Le même appel avec 250K + 1K de sortie se facture `(0,250 × $2,50) + (0,001 × $15) = $0,625 + $0,015 = $0,640`. Franchir le seuil de 200K est une fonction d'escalier — multiplier le prix d'entrée par 2 et celui de la sortie par 1,5 —, pas une rampe douce.

Implication : gardez les appels sous 200K d'entrée quand vous le pouvez. Si vous êtes à 195K, passer à 205K pour en ajouter un morceau de plus représente une augmentation tarifaire de 5×. Si vous allez dépasser 200K, allez tout le chemin — 250K et 500K se facturent au même tarif par token.

Mise en cache : explicite, via le point de terminaison API `cachedContents`. Pré-créez un bloc de contenu mis en cache (TTL par défaut 1 heure, configurable jusqu'à 24 heures), référencez-le par ID dans les appels suivants. La portion mise en cache se lit avec 75% de réduction ($0,31/M au palier ≤200K, $0,625/M au palier >200K). Levier de coût majeur sur les charges de travail de long contexte. Calculs $ transfournisseurs : calculateur de coût GPT/Claude/Gemini.

Gemini 2.5 Pro accepte 1 000 000 tokens en un seul appel. Pour référence : un scénario de long-métrage complet représente ~30K tokens, un roman de 300 pages ~150K tokens, la base de code d'une application SaaS moyenne 200-500K tokens, la trilogie du Seigneur des Anneaux complète ~600K tokens. Gemini 2.5 Pro tient tout cela dans un seul appel.

Le rappel se maintient sur la fenêtre 1M entière — les benchmarks aiguille-dans-meule de Google montrent >99% de rappel sur ~1M tokens pour le modèle Pro. Le goulot d'étranglement pratique est le coût et la latence, pas le rappel. Un appel 1M se facture `1,0 × $2,50 + (sortie × $15) = $2,50+` par appel avant les coûts de sortie et s'exécute en 30-60 secondes end-to-end aux débits de streaming typiques.

Quand 1M compte réellement : raisonnement sur base de code complète (planifier une refonte sur l'ensemble d'un référentiel), Q&A sur document complet de livres ou contrats légaux, compréhension audio/vidéo de long format (transcrire et analyser une réunion d'une heure en un seul coup), synthèse de recherche multi-documents.

Quand 1M ne compte pas : classification, extraction, chat, tâches de données structurées, tout ce qui tient en 50K tokens avec RAG. Pour la plupart des charges de travail en production, le palier inférieur ≤200K sur Gemini 2.5 Pro (ou même Gemini 2.5 Flash à $0,30/M) est le bon choix.

Passez un fichier vidéo en tant que blob base64 en ligne ou via l'API Fichiers Google (recommandé pour les fichiers >20 Mo). Gemini extrait les images à 1 IPS par défaut, transcrit l'audio, et raisonne sur le flux combiné. Comptabilité des tokens : la vidéo se facture à ~258 tokens par seconde de vidéo (compressée sur vidéo + audio).

Une vidéo de 5 minutes se facture `300 secondes × 258 tokens = 77 400 tokens` — toujours sous le palier 200K. Une transcription de réunion de 30 minutes représente ~465K tokens — au-delà du seuil 200K, dans le palier >200K. Planifiez en conséquence.

Les PDFs sont traités page par page avec extraction d'image + texte. Une page PDF typique riche en texte représente ~258 tokens ; les pages riches en images peuvent être substantiellement plus. Passez via l'API Fichiers pour les documents dépassant 20 Mo.

L'audio (sans vidéo) se facture à ~32 tokens par seconde. Un enregistrement audio de 10 minutes représente ~19 200 tokens. Utilisez pour la transcription de réunion + résumé, analyse de podcast, structuration de notes vocales.

Caveat pratique : les entrées multimodales gonflent rapidement les comptages de tokens. Un appel naïf 'résumez cette réunion d'une heure' peut facilement dépasser 200K tokens (1 heure vidéo = ~930K tokens). Mettez plutôt la vidéo en cache via l'API Fichiers et référencez-la sur plusieurs appels analytiques au lieu de la réuploader.

Gemini 2.5 Pro supporte les appels de fonction JSON Schema : déclarez les fonctions dans le paramètre `tools`, le modèle en choisit une (ou plusieurs en parallèle) et renvoie les arguments. Les appels de fonction parallèles sont supportés et activés par défaut pour le modèle Pro.

Les sorties structurées sont une primitive : passez un `responseSchema` (sous-ensemble JSON Schema) dans `generationConfig` et Google garantit que la sortie du modèle se valide par rapport à ce schéma. Supporte les objets imbriqués, les tableaux, les énumérations — comparable aux sorties structurées d'OpenAI et au motif appels-d'outils-en-sortie d'Anthropic.

Outils intégrés que vous n'avez pas à implémenter vous-même : **exécution de code** (le modèle écrit et exécute Python dans un sandbox, voit la sortie, itère), **ancrage de recherche Google** (le modèle émet une recherche Google et cite les résultats dans sa réponse, avec attribution), **contexte URL** (le modèle récupère et lit les URLs dans la conversation). Les outils intégrés sont uniques à Gemini dans le menu des modèles frontier et réduisent dramatiquement le code d'orchestration pour les flux de travail agentic.

Le mode thinking est activé par défaut sur Gemini 2.5 Pro avec un budget de thinking déterminé par le modèle. Remplacez par `thinking_config: {thinking_budget: N}` où N est le nombre maximum de tokens de thinking pour l'appel. Réglez N=0 pour désactiver le thinking complètement ; réglez N=-1 (ou très élevé) pour laisser le modèle décider dynamiquement.

Les tokens de thinking se facturent au tarif de sortie (comme les tokens de raisonnement sur GPT-5 et les tokens de thinking sur Claude). Sur Gemini 2.5 Pro : `$10/M` au palier ≤200K, `$15/M` au palier >200K. Un budget de thinking de 3 000 tokens sur un appel ≤200K ajoute $0,03 à l'appel.

Quand définir des budgets de thinking explicites : contrôle de coût (limiter à 1 000 pour les tâches de routine), contrôle de qualité (augmenter à 5 000-10 000 pour le raisonnement complexe), contrôle de latence (réglez à 0 pour la réponse la plus rapide sur les tâches simples). Quand laisser le thinking en auto : chat généraliste où l'étalonnage de Gemini est bien accordé au mélange de tâches.

**Choisissez Gemini 2.5 Pro** quand vous avez besoin de multimodal natif sur vidéo/audio/PDF, quand vous avez besoin du contexte 1M en disponibilité générale, quand les outils intégrés (exécution de code, ancrage Search) remplacent l'orchestration personnalisée, ou quand vous êtes déjà dans l'écosystème Google Cloud / Workspace et la facturation Vertex AI simplifie l'approvisionnement.

**Choisissez Claude Opus 4.7** quand la voix d'écriture de long format, la discipline d'étalonnage du refus, ou le raisonnement difficile est le goulot d'étranglement. Opus coûte 15 $/75 $ vs 1,25 $/10 $ (≤200K) pour Gemini 2.5 Pro — Gemini est dramatiquement moins cher pour tout sauf les tâches étroites où la prime de qualité d'Opus se justifie.

**Choisissez GPT-5** quand vous avez besoin du contexte 400K sans la surcharge tarifaire du palier >200K de Gemini, quand vous êtes dans l'écosystème d'outils OpenAI (Responses API, Assistants, ChatGPT Pro), ou quand les sorties structurées avec l'application JSON Schema la plus mature comptent.

Comparaison transfournisseurs : GPT-4o vs Gemini 2.5 Pro.

Chaque chiffre de cette page a été vérifié par rapport à la documentation en direct de Google le 2026-06-20. Sources : ai.google.dev/gemini-api/docs/models/gemini pour le contexte, les modalités et le support des fonctionnalités ; ai.google.dev/pricing pour la tarification directe AI Studio ; cloud.google.com/vertex-ai/generative-ai/pricing pour la tarification Vertex AI (actuellement identique à la tarification directe AI Studio).

Les mises à jour tarifaires de Google sont annoncées via les notes de publication de Vertex AI et le journal des modifications ai.google.dev. Les prix ont changé deux fois sur Gemini 2.5 Pro depuis le lancement (les deux fois à la baisse). Re-vérifiez trimestriellement si votre facture est significative.

Méthodologie : quand un chiffre ne pouvait pas être recoupé par rapport à une page officielle de Google à la date de vérification, il a été omis de cette fiche plutôt que d'être deviné.