Gemini CLI : modèles, quotas et coûts

Gemini CLI ne facture rien en soi : ce qui compte, c'est le modèle appelé et le quota de votre accès. Ce guide explique quel modèle l'agent utilise (Flash ou Pro), comment le choisir, quels sont les quotas de la clé API en 2026, et comment suivre puis maîtriser votre consommation de tokens. Il s'adresse à qui veut travailler sans exploser son quota ni sa facture, débutant comme intermédiaire.

Ce que vous allez apprendre

• Comment l'agent est authentifié en 2026 et ce que ça change
• La différence entre Gemini Flash et Gemini Pro, et lequel choisir
• Forcer un modèle par la ligne de commande, le REPL ou settings.json
• Suivre votre consommation de tokens avec /stats
• Réduire vos coûts sans dégrader la qualité

Prérequis

• Gemini CLI installé et authentifié. Voir Installer Gemini CLI.
• Notions de configuration. Voir Configurer avec settings.json.

Sur quelle version les mesures de cette page ont été prises

La stable courante est la 0.60.0, publiée le 15 septembre 2026. Les mesures de cette page qui passent par des appels à l'API ont été relevées avec la 0.47.0, du 18 juin, et chacune porte sa version en clair. Je ne les ai pas rejouées sur la 0.60.0, faute de clé disponible au moment du contrôle. Traitez-les comme datées : le catalogue de modèles servi par défaut suit la version de la CLI, c'est précisément ce que cette page démontre.

Ce que la 0.60 change, elle, est documenté sur la page d'installation : elle refuse de démarrer hors d'un répertoire approuvé, avant même le moindre appel réseau.

L'authentification a changé en 2026

Ce qui a disparu le 18 juin 2026, c'est la voie GRATUITE par compte Google, pas le compte Google lui-même. La documentation officielle le formule sans détour : « Gemini CLI was replaced by Antigravity CLI on June 18th, 2026 », pour les utilisateurs du palier gratuit et de Google One. Les paliers payants, eux, continuent de fonctionner avec Gemini CLI.

Quatre voies restent ouvertes, et leur quota diffère d'un facteur six :

Méthode	Palier	Requêtes par jour	Modèles accessibles
Compte Google	Gemini Code Assist	1 000	toute la famille Gemini, choisie par la CLI
Compte Google	Google AI Pro	1 500	idem
Compte Workspace	Code Assist Standard	1 500	idem
Clé API Gemini	gratuit	250	Flash uniquement
Vertex AI	Express	variable	selon le projet

Glissez pour voir

Deux lignes méritent qu'on s'y arrête. La clé API gratuite plafonne à 250 requêtes par jour et ne sert que du Flash : c'est quatre fois moins qu'un compte Code Assist, et sans accès aux modèles de raisonnement. Et une requête « par jour » n'est pas une requête « que vous tapez », la suite de cette page le mesure.

La méthode active se lit dans votre configuration, et pas ailleurs :

python3 -c "import json,pathlib;print(json.loads((pathlib.Path.home()/'.gemini'/'settings.json').read_text())['security']['auth']['selectedType'])"
# gemini-api-key

Le symptôme d'une clé absente ne parle pas de clé

Si selectedType vaut gemini-api-key mais qu'aucune clé n'est visible depuis le répertoire courant, la CLI retombe sur un jeton OAuth que l'API refuse, avec un message qui envoie sur une fausse piste :

401 UNAUTHENTICATED
"reason": "ACCESS_TOKEN_TYPE_UNSUPPORTED"
"Expected OAuth 2 access token, login cookie or other valid
 authentication credential"

Le message parle d'OAuth, le problème est une clé API introuvable. Relevé le 20 septembre 2026 avec Gemini CLI 0.47.0 : la clé était dans un .gemini/.env du projet, donc invisible depuis un autre répertoire. La CLI lit ce fichier depuis le répertoire de travail, pas depuis votre profil de shell.

Flash ou Pro : quel modèle

Gemini CLI s'appuie sur la famille Gemini 3. Deux profils de modèles couvrent l'essentiel des usages, et ils n'ont ni le même coût ni la même vocation :

Modèle	Pour quoi	Accès
Gemini Flash (gemini-3.5-flash)	Vitesse et volume : édition, questions, itérations rapides	Éligible au free tier
Gemini Pro (gemini-3.1-pro-preview)	Raisonnement complexe, gros refactors, analyse profonde	Payant

Glissez pour voir

Le réflexe économique est simple : rester sur Flash par défaut, et ne basculer sur Pro que pour les tâches qui le justifient vraiment.

Écrivez le nom exact, la CLI ne vous rattrapera pas

Un nom de modèle inexistant produit un message qui ne nomme ni le modèle ni l'erreur. Relevé le 20 septembre 2026 avec Gemini CLI 0.47.0 :

gemini -m gemini-3-pro -p "OK"
# An unexpected critical error occurred:[object Object]

Derrière ce message se cache un 404 de l'API, avec is not found. Le nom gemini-3-pro n'existe pas : la famille Pro s'appelle gemini-3.1-pro-preview. La liste réelle se demande à l'API, pas à la documentation :

curl -s -H "x-goog-api-key: $GEMINI_API_KEY" \
  https://generativelanguage.googleapis.com/v1beta/models \
  | jq -r '.models[] | select(.supportedGenerationMethods[]? == "generateContent")
           | .name | sub("^models/";"")' | grep '^gemini-3'

Relevé ce jour-là, 50 modèles servis par la clé, dont ces familles :

Famille	Modèles réellement servis
Flash	gemini-3.5-flash, gemini-3.6-flash, gemini-3.7-flash, gemini-3.8-flash
Flash Lite	gemini-3.1-flash-lite, gemini-3.5-flash-lite
Pro	gemini-3.1-pro-preview
Image	gemini-3-pro-image, gemini-3.1-flash-image

Glissez pour voir

Le modèle servi par défaut n'est pas le plus récent. La CLI 0.47.0 utilise gemini-3.5-flash alors que gemini-3.8-flash est disponible : le défaut suit la version de la CLI, pas le catalogue de l'API.

Une requête, deux modèles, deux fois votre quota

Un seul prompt consomme des requêtes sur deux modèles différents, et c'est invisible si on ne regarde pas les statistiques. Mesuré sur un prompt trivial, gemini -p "OK" :

Modèle	Rôle	Requêtes
gemini-3.5-flash	main	4
gemini-3.1-flash-lite	utility_router	1

Glissez pour voir

Le second modèle est le routeur : il décide quel modèle traitera la demande, et il a son propre coût. Quand vous comptez « 250 requêtes par jour », ce n'est donc pas 250 prompts que vous pouvez taper.

Le mode Auto et comment forcer un modèle

Par défaut, la barre d'état du REPL affiche /model : Auto : la CLI choisit le modèle adapté à la demande. C'est confortable, mais quand on surveille un quota, on veut parfois imposer un modèle précis. Trois moyens, du plus ponctuel au plus permanent :

1. Le temps d'une commande, avec le drapeau -m :

   gemini -m gemini-3.5-flash -p "Résume ce dépôt"

2. Pendant une session, avec la commande /model. L'option --persist écrit le choix dans votre configuration :

   > /model set gemini-3.5-flash --persist

3. De façon durable, dans un settings.json, via la clé model.name :

   {
     "model": {
       "name": "gemini-3.5-flash"
     }
   }

Qui gagne quand les trois se contredisent

L'ordre de priorité est -m, puis GEMINI_MODEL, puis model.name. Le plus ponctuel l'emporte, ce qui est l'ordre attendu, mais le guide ne l'affirmait pas et il valait mieux le vérifier que le supposer. Mesuré le 20 septembre 2026 en empilant les trois contraintes, avec trois modèles différents pour distinguer lequel agit :

Contraintes posées	Modèle réellement servi
model.name: gemini-3.5-flash-lite	gemini-3.5-flash-lite
la même, plus GEMINI_MODEL=gemini-3.1-flash-lite	gemini-3.1-flash-lite
les deux, plus -m gemini-3.5-flash	gemini-3.5-flash

Glissez pour voir

Un modèle indisponible est ignoré en silence

Demander un modèle que votre accès ne sert pas ne produit aucune erreur : la CLI retombe sur son modèle par défaut. C'est le comportement le plus dangereux des trois, parce qu'on croit travailler avec le modèle demandé.

Trois comportements distincts, tous mesurés le 20 septembre 2026 :

Ce que vous demandez	Ce qui se passe
un modèle servi par votre accès	il est utilisé
un modèle du catalogue mais que votre accès ne sert pas	repli silencieux sur le modèle par défaut
un nom inexistant	plantage, An unexpected critical error occurred:[object Object]

Glissez pour voir

D'où le réflexe : vérifier ce qui a réellement servi, plutôt que ce que vous avez demandé.

gemini -m gemini-3.5-flash-lite -p "OK" -o json \
  | jq -r '.stats.models | to_entries[]
           | select(.value.roles.main) | .key'
# gemini-3.5-flash-lite

Placé dans le settings.json d'un projet, ce choix s'applique à toute l'équipe qui travaille sur le dépôt, comme vu dans le guide de configuration.

Comprendre les quotas de la clé API

Les limites de la clé API gratuite sont pensées pour l'essai, pas pour un usage soutenu. La page officielle des quotas de Gemini CLI publie un seul chiffre pour cette voie : 250 requêtes par jour, sur le modèle Flash uniquement. C'est le même que celui du tableau plus haut, et il n'y a pas d'autre plafond journalier à connaître.

Elle ne publie en revanche aucune limite par minute, quelle que soit la méthode. Cette limite existe pourtant, et elle se découvre à l'usage : le serveur la nomme lui-même dans son refus, ce que la page d'installation détaille avec un 429 relevé sur une clé gratuite. Retenir un ordre de grandeur lu ailleurs serait donc une erreur, puisque la valeur dépend du modèle et du palier. Deux règles structurent ces limites :

• Le quota est par projet, pas par clé : créer plusieurs clés sous le même projet n'augmente pas votre quota.
• Le compteur journalier se remet à zéro à minuit, heure du Pacifique, pas à votre minuit local.

Les chiffres exacts bougent, la doc fait foi

Les valeurs précises de requêtes par minute et par jour changent régulièrement et dépendent du modèle. Le tableau du haut de cette page a été relu sur la documentation officielle le 20 septembre 2026 ; ne le figez pas dans votre tête, la référence à jour reste la page quotas and pricing de Gemini CLI. Ce guide vous donne la méthode pour vivre avec, pas seulement un tableau qui périmera.

Au-delà du free tier, activer la facturation sur le projet lève l'essentiel des limites basses et donne accès à Pro. La consommation devient alors un coût à surveiller, ce qui rend le suivi ci-dessous encore plus utile.

Suivre sa consommation de tokens

Gemini CLI expose sa consommation, ce qui évite de découvrir le problème une fois le quota atteint. En session, la commande /stats affiche le détail par session, par modèle et par outil.

En mode headless, la sortie JSON contient un bloc stats exploitable dans un script. Sur une simple requête de test, on lit le modèle servi et le décompte précis des tokens :

"stats": {
  "models": {
    "gemini-3.5-flash": {
      "api": { "totalRequests": 1, "totalErrors": 0 },
      "tokens": {
        "input": 2005,
        "prompt": 8098,
        "cached": 6093,
        "thoughts": 291,
        "total": 8390
      }
    }
  }
}

Deux chiffres méritent l'attention. Le champ cached (ici 6093 tokens sur 8390) correspond au contexte réutilisé d'un tour à l'autre, souvent facturé moins cher : un contexte stable coûte moins. Le champ thoughts mesure les tokens de raisonnement interne, plus élevés sur les modèles Pro.

Maîtriser ses coûts

Quelques réglages et habitudes suffisent à garder la consommation sous contrôle, sans sacrifier la qualité des réponses :

• Garder Flash par défaut et réserver Pro aux tâches complexes.
• Limiter la longueur des sessions avec model.maxSessionTurns dans settings.json : un plafond évite les boucles qui consomment sans avancer.
• Compresser le contexte : la clé model.compressionThreshold déclenche un résumé automatique quand la conversation grossit, ce qui réduit les tokens renvoyés à chaque tour.
• Cadrer avant d'exécuter : préparer la tâche en lecture seule (le plan mode) évite les allers-retours coûteux dus à des actions mal ciblées.

Un contexte propre coûte moins

La plus grosse source de tokens n'est pas vos questions, c'est le contexte traîné à chaque tour. Un GEMINI.md concis et un dépôt bien filtré font plus pour votre facture que n'importe quel réglage.

Dépannage : quota atteint

Quand l'agent renvoie une erreur de type quota exceeded ou un code 429, la cause et la parade sont généralement claires :

Symptôme	Cause probable	Solution
Erreur 429 en rafale	Requêtes par minute dépassées	Ralentir la cadence, espacer les prompts
Blocage en fin de journée	Plafond journalier atteint	Attendre le reset (minuit Pacifique) ou activer la facturation
Pro inaccessible	Modèle payant sans facturation	Activer la facturation, ou rester sur Flash
Quota inchangé malgré une 2ᵉ clé	Limite par projet	Utiliser un autre projet, pas une autre clé

Glissez pour voir

À retenir

1. La voie dépend de votre palier, pas de vos préférences. Palier gratuit ou Google One : Gemini CLI a été remplacé par Antigravity CLI le 18 juin 2026. Paliers payants (Code Assist, AI Pro, AI Ultra, Workspace) : la connexion par compte Google reste la voie recommandée par Google. La clé API Gemini reste ouverte à tous, à 250 requêtes par jour sur Flash.
2. Flash est rapide et éligible au free tier ; Pro est payant et réservé aux tâches complexes.
3. Le mode Auto choisit pour vous ; on force un modèle avec -m, /model set --persist ou model.name.
4. Le quota gratuit est par projet et se réinitialise à minuit Pacifique ; les chiffres exacts évoluent, la doc officielle fait foi.
5. /stats et la sortie JSON headless donnent la consommation réelle de tokens (dont cached et thoughts).
6. On maîtrise les coûts avec Flash par défaut, maxSessionTurns, compressionThreshold et un contexte propre.

Prochaines étapes

Configurer avec settings.json Fixer le modèle et les réglages de session pour votre projet.

GEMINI.md : le contexte projet Réduire les tokens avec un contexte concis et bien ciblé.

Gemini CLI : le hub complet Le pilier de la formation et tous les guides par phase.

Installer et s'authentifier Mettre en place la clé API qui conditionne vos quotas.

×

📖 Voir la documentation →