L'Antigravity CLI a permis à un développeur d'assembler un front-end Angular, le Firebase Hybrid Web SDK et des modèles Gemini Nano embarqués pour livrer une application d'analyse d'images qui s'exécute dans Chrome sans solliciter le cloud. Le même code bascule sur Gemini 3.5 Flash pour les navigateurs ne pouvant pas exécuter le modèle Nano, garantissant ainsi une expérience fonctionnelle partout.

Pourquoi cette combinaison est importante

Le marquage d'images par IA, la génération de textes alternatifs et les suggestions CSS améliorent l'accessibilité et le design, mais l'envoi de chaque image à un modèle distant finit par coûter cher. En exécutant Gemini Nano directement dans le navigateur, la démo évite la facturation au jeton (token) pour la plupart des utilisateurs. Seuls Safari ou d'autres navigateurs autres que Chrome déclenchent le repli vers le cloud, entraînant des frais.

Les éléments qui ont permis la réussite

  • Antigravity CLI – un assistant piloté par l'IA qui réside dans le terminal du développeur. Il invoque des « compétences » spécialisées telles que la génération de documentation, la modélisation de domaine ou la revue de code sans quitter la ligne de commande.
  • Stitch MCP Server – un service fourni par Google qui transforme des invites en langage naturel en écrans d'interface utilisateur interactifs. Dans la démo, il a produit le design initial, que le CLI a exporté sous la forme d'un fichier de jetons DESIGN.md.
  • Angular MCP Server – fournit l'échafaudage et les outils de bonnes pratiques pour le serveur de développement Angular, garantissant que le projet suit des modèles modernes comme les Signals.
  • Firebase Hybrid Web SDK – fait le pont entre le front-end et la couche AI Logic de Firebase ainsi que l'API Prompt utilisée pour appeler les modèles Gemini.

L'API Prompt décide si la requête reste sur l'appareil (Gemini Nano) ou est envoyée vers le cloud (Gemini 3.5 Flash). Chrome 148+ inclut l'environnement d'exécution nécessaire au modèle Nano ; les autres navigateurs déclenchent automatiquement le chemin vers le cloud.

Comment le développeur a maintenu un haut niveau de qualité

Quatre compétences d'IA ont été exécutées de manière répétée :

  1. grill-with-docs – a produit un Architecture Decision Record (ADR) capturant la conception de haut niveau et les compromis.
  2. domain-modeling – a défini les structures de données qui alimentent le pipeline d'analyse d'images.
  3. code-review – une paire de sous-agents a scanné le dépôt pour détecter des « code smells », des incohérences avec l'ADR et tout écart par rapport à la spécification originale.
  4. angular / firebase – a vérifié que le code suivait les idiomes Angular modernes et que les appels Firebase AI Logic étaient correctement formés.

Deux flux de travail ont émergé. Premièrement, l'ADR généré automatiquement avec /grill-with-docs ; puis /goal a ordonné à l'IA d'implémenter l'enregistrement de décision de bout en bout. Deuxièmement, le développeur a écrit l'ADR manuellement et a lancé /code-review pour laisser l'IA vérifier l'implémentation. La méthode manuelle développe la « mémoire musculaire » tout en détectant les régressions précocement.

Le pipeline d'interface utilisateur en pratique

Le développeur a saisi une courte description de l'écran souhaité dans Stitch. Stitch a renvoyé une maquette. L'Antigravity CLI a analysé la maquette, extrait les jetons de design (design tokens) et les a écrits dans DESIGN.md. Ces jetons ont permis de mapper les designs vers des composants Angular prêts pour la production.

Le front-end charge le modèle Gemini Nano localement sur Chrome 148+ et bascule sur Gemini 3.5 Flash via Firebase lorsque l'environnement d'exécution requis est absent, entraînant des frais de jetons.

Les compromis

Les modèles embarqués vous limitent aux tâches qui entrent dans la capacité de Nano : classification simple, légendes et suggestions de style. Les travaux de vision plus complexes nécessitent toujours un modèle cloud.

À retenir

L'Antigravity CLI montre que les développeurs peuvent désormais assembler un flux complet d'analyse d'images par IA — interface Angular, backend Firebase et inférence Gemini sur l'appareil — sans payer pour la plupart des appels d'inférence. L'approche repose sur le support des modèles embarqués de Chrome, mais elle offre un modèle clair pour les applications sensibles aux coûts qui peuvent tolérer un repli vers le cloud pour les cas particuliers.