Google Search Grounding : Permettre à Gemini de rechercher des informations en ligne

Ce que vous apprendrez

Activer Google Search pour les modèles Gemini, permettant à l'IA de rechercher des informations en temps réel sur le web
Régler le seuil de recherche pour contrôler la fréquence des recherches du modèle
Comprendre le fonctionnement et les cas d'usage de Google Search Grounding
Choisir la configuration appropriée selon les besoins de votre tâche

Votre problème actuel

Qu'est-ce que Google Search Grounding ?

Google Search Grounding est une fonctionnalité de Gemini qui permet au modèle de rechercher automatiquement sur Google pour obtenir des informations en temps réel (actualités, statistiques, prix de produits, etc.), au lieu de s'appuyer entièrement sur les données d'entraînement.

Quand vous demandez à Gemini "Quel temps fait-il aujourd'hui ?" ou "Quelle est la dernière version de VS Code ?", le modèle peut ne pas répondre car ses données d'entraînement sont obsolètes. En activant Google Search Grounding, le modèle peut rechercher lui-même les réponses en ligne, comme vous le faites avec votre navigateur.

Quand utiliser cette fonctionnalité

Scénario	Activer ?	Raison
Génération de code, problèmes de programmation	❌ Non nécessaire	Les connaissances en programmation sont relativement stables, les données d'entraînement suffisent
Obtenir les dernières informations (actualités, prix, versions)	✅ Fortement recommandé	Nécessite des données en temps réel
Vérification de faits (dates, statistiques)	✅ Recommandé	Évite que le modèle invente des informations
Écriture créative, brainstorming	❌ Non nécessaire	Pas besoin de précision factuelle
Recherche de documentation technique	✅ Recommandé	Recherche de la dernière documentation d'API

Concept clé

Le cœur de Google Search Grounding est de permettre au modèle de rechercher automatiquement quand nécessaire, pas à chaque fois. Le plugin injecte l'outil googleSearchRetrieval, permettant à Gemini d'appeler l'API Google Search.

Concepts clés

Mode Auto : Le modèle décide lui-même s'il doit rechercher (selon le seuil)
Seuil (grounding_threshold) : Contrôle la "barrière" pour la recherche du modèle. Plus la valeur est petite, plus la recherche est fréquente

🎒 Prérequis

Vérifications préalables

Avant de commencer, assurez-vous :

[ ] D'avoir terminé l'installation rapide
[ ] D'avoir ajouté au moins un compte Google
[ ] D'avoir réussi à faire votre première requête (voir première requête)

Procédure

Étape 1 : Vérifier l'emplacement du fichier de configuration

Le fichier de configuration du plugin se trouve à :

macOS/Linux : ~/.config/opencode/antigravity.json
Windows : %APPDATA%\opencode\antigravity.json

Si le fichier n'existe pas, créez-le :

bash

# macOS/Linux
cat > ~/.config/opencode/antigravity.json << 'EOF'
{
  "$schema": "https://raw.githubusercontent.com/NoeFabris/opencode-antigravity-auth/main/assets/antigravity.schema.json"
}
EOF

powershell

# Windows
@"
{
  "$schema": "https://raw.githubusercontent.com/NoeFabris/opencode-antigravity-auth/main/assets/antigravity.schema.json"
}
"@ | Out-File -FilePath "$env:APPDATA\opencode\antigravity.json" -Encoding utf8

Vous devriez voir : Le fichier de configuration est créé, contenant le champ $schema

Étape 2 : Activer Google Search

Ajoutez la configuration web_search dans le fichier de configuration :

json

{
  "$schema": "https://raw.githubusercontent.com/NoeFabris/opencode-antigravity-auth/main/assets/antigravity.schema.json",
  "web_search": {
    "default_mode": "auto",
    "grounding_threshold": 0.3
  }
}

Description de la configuration :

Champ	Valeur	Description
`web_search.default_mode`	`"auto"` ou `"off"`	Active ou désactive Google Search, `"off"` par défaut
`web_search.grounding_threshold`	`0.0` - `1.0`	Seuil de recherche, `0.3` par défaut, fonctionne uniquement en mode `auto`

Vous devriez voir : Le fichier de configuration est mis à jour, contenant la configuration web_search

Étape 3 : Ajuster le seuil de recherche (optionnel)

Le grounding_threshold contrôle la fréquence de recherche du modèle :

Seuil	Comportement	Scénario d'usage
`0.0 - 0.2`	Recherche fréquente, presque à chaque incertitude	Besoin de données en temps réel hautement précises
`0.3` (défaut)	Équilibré, le modèle recherche seulement avec une certaine confiance	Usage quotidien, équilibre entre précision et vitesse
`0.7 - 1.0`	Recherche rare, uniquement à haute confiance	Réduire les recherches, améliorer la vitesse

Conseil d'expert

Commencez avec la valeur par défaut 0.3, puis ajustez :

Si le modèle ne recherche pas → Diminuez le seuil (par exemple 0.2)
Si la recherche est trop fréquente, ralentit les réponses → Augmentez le seuil (par exemple 0.5)

Vous devriez voir : Le seuil est ajusté, peut être optimisé selon l'expérience d'utilisation réelle

Étape 4 : Vérifier la configuration

Redémarrez OpenCode, ou rechargez la configuration (si supporté), puis faites une requête nécessitant des informations en temps réel :

Entrée utilisateur :
Quelle est la dernière version de VS Code ?

Réponse système (avec Google Search activé) :
La dernière version stable de VS Code est 1.96.4 (à partir de janvier 2026)...

[citation:1] ← Marque de source de référence

Vous devriez voir :

La réponse du modèle inclut des sources de référence ([citation:1], etc.)
Le contenu de la réponse est à jour, pas une ancienne version des données d'entraînement

Étape 5 : Tester différents seuils

Essayez d'ajuster le grounding_threshold et observez les changements de comportement du modèle :

json

// Seuil bas (recherche fréquente)
"grounding_threshold": 0.1

// Seuil élevé (recherche rare)
"grounding_threshold": 0.7

Après chaque ajustement, testez avec la même question et observez :

Si la recherche a lieu (vérifiez si des citations sont présentes dans la réponse)
Le nombre de recherches (plusieurs citation)
La vitesse de réponse

Vous devriez voir :

Seuil bas : recherches plus fréquentes, mais réponses légèrement plus lentes
Seuil élevé : moins de recherches, mais risque de réponses inexactes

Points de contrôle ✅

Cliquez pour déplier la liste de vérification

Effectuez les vérifications suivantes pour confirmer que la configuration est correcte :

[ ] Le fichier de configuration contient la configuration web_search
[ ] default_mode est défini sur "auto"
[ ] grounding_threshold est entre 0.0 et 1.0
[ ] Faites une requête nécessitant des informations en temps réel, le modèle retourne une réponse incluant des citations
[ ] Après ajustement du seuil, le comportement de recherche du modèle change

Si tout est validé, Google Search Grounding est correctement activé !

Pièges à éviter

Problème 1 : Le modèle ne recherche pas

Symptôme : Après activation du mode auto, le modèle ne recherche toujours pas et n'indique pas de source de référence.

Cause :

Seuil trop élevé (par exemple 0.9), le modèle nécessite une confiance très élevée pour rechercher
La question elle-même ne nécessite pas de recherche (comme un problème de programmation)

Solution :

Diminuez le grounding_threshold à 0.2 ou moins
Testez avec une question nécessitant explicitement des informations en temps réel (comme "Quel temps fait-il aujourd'hui ?", "Dernières actualités")

Problème 2 : Recherche trop fréquente, réponse lente

Symptôme : Chaque question déclenche une recherche, le temps de réponse augmente significativement.

Cause :

Seuil trop bas (par exemple 0.1), le modèle déclenche les recherches trop fréquemment
Le type de question nécessite des informations en temps réel (comme le prix des actions, l'actualité)

Solution :

Augmentez le grounding_threshold à 0.5 ou plus
Si la tâche ne nécessite pas d'informations en temps réel, changez default_mode en "off"

Problème 3 : Erreur de format du fichier de configuration

Symptôme : Le plugin signale une erreur, impossible de charger la configuration.

Cause : Erreur de format JSON (virgule en trop, guillemets non appariés, etc.).

Solution : Utilisez un outil de validation JSON pour vérifier le fichier de configuration, assurez-vous que le format est correct.

bash

# Valider le format JSON
cat ~/.config/opencode/antigravity.json | python3 -m json.tool

Résumé de ce cours

Google Search Grounding permet aux modèles Gemini de rechercher des informations en temps réel sur le web
Activez avec web_search.default_mode: "auto", désactivez avec "off"
grounding_threshold contrôle la fréquence de recherche : plus la valeur est petite, plus la recherche est fréquente
Le seuil par défaut 0.3 convient à la plupart des scénarios, ajustable selon l'expérience réelle
Le modèle indique les sources dans ses réponses, marquées comme [citation:1], etc.

Aperçu du prochain cours

Dans le prochain cours, nous apprendrons le Système de double quota.
Vous apprendrez :
Comment fonctionnent les deux pools de quotas indépendants d'Antigravity et de Gemini CLI
Comment basculer entre les pools de quotas pour maximiser l'utilisation
Les meilleures pratiques pour le partage des quotas

Annexe : Référence du code source

Cliquez pour déplier l'emplacement du code source

Dernière mise à jour : 2026-01-23

Fonctionnalité	Chemin du fichier	Lignes
Schéma de configuration Google Search	`src/plugin/config/schema.ts`	303-319
Définition des types Google Search	`src/plugin/transform/types.ts`	85-88
Logique d'injection Google Search	`src/plugin/transform/gemini.ts`	402-419
Chargement de la configuration Google Search	`src/plugin/config/loader.ts`	173-184
Application de la configuration Google Search	`src/plugin.ts`	1194-1196

Options de configuration clés :

web_search.default_mode: "auto" ou "off", par défaut "off"
web_search.grounding_threshold: 0.0 - 1.0, par défaut 0.3

Fonctions clés :

applyGeminiTransforms() : Applique toutes les transformations Gemini, y compris l'injection de Google Search
normalizeGeminiTools() : Normalise le format des outils, conserve l'outil googleSearchRetrieval
wrapToolsAsFunctionDeclarations() : Encapsule les outils au format functionDeclarations

Principe de fonctionnement :

Le plugin lit web_search.default_mode et web_search.grounding_threshold depuis le fichier de configuration

Quand mode === "auto", injecte l'outil googleSearchRetrieval dans le tableau tools de la requête :

json

{
  "googleSearchRetrieval": {
    "dynamicRetrievalConfig": {
      "mode": "MODE_DYNAMIC",
      "dynamicThreshold": 0.3  // grounding_threshold
    }
  }
}

Le modèle Gemini décide d'appeler ou non l'outil de recherche selon le seuil
Les résultats de recherche sont inclus dans la réponse, avec les sources de référence marquées ([citation:1], etc.)

Google Search Grounding : Permettre à Gemini de rechercher des informations en ligne ​

Ce que vous apprendrez ​

Votre problème actuel ​

Quand utiliser cette fonctionnalité ​

Concept clé ​

🎒 Prérequis ​

Procédure ​

Étape 1 : Vérifier l'emplacement du fichier de configuration ​

Étape 2 : Activer Google Search ​

Étape 3 : Ajuster le seuil de recherche (optionnel) ​

Étape 4 : Vérifier la configuration ​

Étape 5 : Tester différents seuils ​

Points de contrôle ✅ ​

Pièges à éviter ​

Problème 1 : Le modèle ne recherche pas ​

Problème 2 : Recherche trop fréquente, réponse lente ​

Problème 3 : Erreur de format du fichier de configuration ​

Résumé de ce cours ​

Aperçu du prochain cours ​

Annexe : Référence du code source ​

Google Search Grounding : Permettre à Gemini de rechercher des informations en ligne

Ce que vous apprendrez

Votre problème actuel

Quand utiliser cette fonctionnalité

Concept clé

🎒 Prérequis

Procédure

Étape 1 : Vérifier l'emplacement du fichier de configuration

Étape 2 : Activer Google Search

Étape 3 : Ajuster le seuil de recherche (optionnel)

Étape 4 : Vérifier la configuration

Étape 5 : Tester différents seuils

Points de contrôle ✅

Pièges à éviter

Problème 1 : Le modèle ne recherche pas

Problème 2 : Recherche trop fréquente, réponse lente

Problème 3 : Erreur de format du fichier de configuration

Résumé de ce cours

Aperçu du prochain cours

Annexe : Référence du code source