---
title: &quot;Utiliser Gemini dans OpenClaw via RunAPI — Guide API LLM&quot;
url: &quot;https://runapi.ai/fr/openclaw-gemini.md&quot;
canonical: &quot;https://runapi.ai/fr/openclaw-gemini&quot;
locale: &quot;fr&quot;
model: &quot;gemini&quot;
---

# Utiliser Gemini dans OpenClaw.

Google Gemini est disponible via l&#39;endpoint compatible OpenAI de RunAPI — Gemini 3.5 Flash pour une latence de premier token inférieure à 100ms, 3.x Pro pour un raisonnement complexe et 2.5 Pro pour les charges de travail de production. OpenClaw le traite comme un autre modèle compatible OpenAI, donc la même configuration de fournisseur et la même RUNAPI_API_KEY qui alimente GPT appellent également Gemini. Aucun projet Google Cloud, aucun service account, aucune configuration Vertex AI.

## API example

```bash
curl -X POST https://runapi.ai/v1/chat/completions \
  -H &quot;Authorization: Bearer $RUNAPI_API_KEY&quot; \
  -H &quot;Content-Type: application/json&quot; \
  -d &#39;{
    &quot;model&quot;: &quot;gemini-3.5-flash&quot;,
    &quot;messages&quot;: [
      {&quot;role&quot;: &quot;system&quot;, &quot;content&quot;: &quot;You are a concise technical assistant.&quot;},
      {&quot;role&quot;: &quot;user&quot;, &quot;content&quot;: &quot;Explain the difference between gRPC and REST in three sentences.&quot;}
    ],
    &quot;temperature&quot;: 0.7,
    &quot;max_tokens&quot;: 256
  }&#39;

```

### Response

```json
{
  &quot;id&quot;: &quot;chatcmpl-abc123&quot;,
  &quot;object&quot;: &quot;chat.completion&quot;,
  &quot;model&quot;: &quot;gemini-3.5-flash&quot;,
  &quot;choices&quot;: [
    {
      &quot;index&quot;: 0,
      &quot;message&quot;: {
        &quot;role&quot;: &quot;assistant&quot;,
        &quot;content&quot;: &quot;gRPC uses HTTP/2 and Protocol Buffers for strongly-typed, multiplexed RPC calls with built-in code generation. REST uses HTTP/1.1 (or 2) with JSON payloads and relies on URL paths and HTTP verbs for resource semantics. gRPC is faster for service-to-service calls; REST is simpler to debug and more widely supported by browsers.&quot;
      },
      &quot;finish_reason&quot;: &quot;stop&quot;
    }
  ],
  &quot;usage&quot;: {
    &quot;prompt_tokens&quot;: 34,
    &quot;completion_tokens&quot;: 71,
    &quot;total_tokens&quot;: 105
  }
}

```

## How it works

1. **Configurer RunAPI** — Définissez la variable d&#39;environnement RUNAPI_API_KEY. Si vous avez déjà configuré RunAPI comme fournisseur OpenClaw, la même clé et baseUrl fonctionnent pour Gemini — changez simplement l&#39;ID du modèle. Aucune configuration Google Cloud requise.
2. **Appeler Gemini via chat completions** — Envoyez une requête POST à /v1/chat/completions avec le modèle défini sur gemini-3.5-flash. Passez un tableau messages avec les rôles system et user. L&#39;endpoint accepte la même forme compatible OpenAI que votre agent utilise déjà pour les modèles GPT.
3. **Lire la réponse** — La réponse arrive de manière synchrone au format openai chat completion. La réponse assistant est dans choices[0].message.content, avec l&#39;utilisation des tokens dans l&#39;objet usage. Pour le streaming, définissez stream sur true et analysez les événements SSE.

## Parameters

| Parameter | Type | Description |
|-----------|------|-------------|
| `model` | `string` | Requis. gemini-3.5-flash, gemini-2.5-flash, gemini-2.5-pro, gemini-3-flash-preview, gemini-3-pro-preview ou gemini-3.1-pro-preview. |
| `messages` | `array` | Requis. Tableau d&#39;objets de message avec les champs role (system, user, assistant) et content. |
| `temperature` | `number` | Optionnel. Température d&#39;échantillonnage entre 0 et 2. Des valeurs plus basses produisent une sortie plus déterministe. La valeur par défaut varie selon le modèle. |
| `max_tokens` | `integer` | Optionnel. Nombre maximum de tokens à générer dans la réponse. |
| `stream` | `boolean` | Optionnel. Si true, la réponse est diffusée comme événements server-sent. Chaque événement contient un delta avec du contenu partiel. |
| `top_p` | `number` | Optionnel. Seuil d&#39;échantillonnage nucleus entre 0 et 1. Alternative à temperature pour contrôler le caractère aléatoire de la sortie. |

## FAQ

### Puis-je utiliser Google Gemini dans OpenClaw sans projet Google Cloud ?

Oui. RunAPI fournit l&#39;accès à Gemini via son endpoint compatible OpenAI. Vous avez uniquement besoin d&#39;une RUNAPI_API_KEY — aucun projet Google Cloud, aucun service account JSON, aucune configuration de facturation Vertex AI.

### Quels modèles Gemini sont disponibles via RunAPI ?

RunAPI propose Gemini 3.5 Flash (le plus récent, le plus rapide), Gemini 2.5 Flash, Gemini 2.5 Pro, Gemini 3 Flash Preview, Gemini 3 Pro Preview et Gemini 3.1 Pro Preview. Passez le slug de version comme paramètre model — par exemple, gemini-3.5-flash ou gemini-2.5-pro.

### Comment fonctionne la tarification Gemini sur RunAPI ?

Gemini est facturé par token sur RunAPI avec une tarification pay-as-you-go. Les tokens d&#39;entrée et de sortie sont mesurés séparément. Aucun abonnement mensuel, aucune dépense minimale. Consultez la page de tarification RunAPI pour les tarifs actuels par million de tokens.

### Puis-je basculer entre Gemini et GPT dans la même session OpenClaw ?

Oui. Les deux utilisent la même configuration de fournisseur RunAPI et la même clé API. Changez le paramètre model de gemini-3.5-flash à gpt-5.5 (ou tout autre modèle RunAPI) sans reconfigurer le fournisseur. OpenClaw sélectionne les modèles par requête.

### Gemini via RunAPI prend-il en charge les réponses en streaming ?

Oui. Définissez stream sur true dans le corps de la requête. RunAPI diffuse les réponses Gemini comme événements server-sent au format delta compatible OpenAI, donc OpenClaw les traite de la même façon qu&#39;il gère le streaming GPT.


## Links

- [Guide de configuration OpenClaw →](https://runapi.ai/fr/openclaw)
- [Modèles Gemini →](https://runapi.ai/fr/models/gemini)
- [Model catalog](https://runapi.ai/fr/models)
- [API docs](https://runapi.ai/fr/docs)
