Learn AI with Python · Leçon

API Anthropic Claude en Python

anthropic.Anthropic(), messages.create(), blocs de contenu, réflexion approfondie, diffusion en continu.

API Anthropic Claude en Python est une leçon Learn AI with Python gratuite sur CoddyKit. Ceci est la leçon 2 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Learn AI with Python, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Learn AI with Python comprend 4 leçons au total.

Le SDK Anthropic

Les modèles Claude d’Anthropic sont accessibles via le paquet Python anthropic. Installez-le avec pip install anthropic. Claude excelle dans le raisonnement avec un long contexte, le respect précis des instructions et l’utilisation d’outils.

pip install anthropic

import anthropic

Créer le client

Construisez le client avec anthropic.Anthropic(). Par défaut, il lit votre clé dans la variable d’environnement ANTHROPIC_API_KEY, ce qui évite de mettre les identifiants dans le code.

import anthropic

client = anthropic.Anthropic()

# Or explicitly
client = anthropic.Anthropic(api_key="sk-ant-...")

L’API des messages

Claude utilise client.messages.create(). Contrairement à OpenAI, l’instruction système est un paramètre distinct et non un message de la liste. La liste messages contient uniquement les tours de l’utilisateur et de l’assistant.

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    system="You are a concise expert.",
    messages=[{"role": "user", "content": "Explain RAG in one sentence."}]
)

max_tokens est obligatoire

Une différence essentielle : max_tokens est obligatoire dans l’API Anthropic. Il limite le nombre de jetons que Claude peut générer dans sa réponse. Définissez-le à une valeur suffisamment élevée pour la sortie attendue, tout en sachant qu’il protège également contre des coûts qui s’emballent.

message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=2048,
    messages=[{"role": "user", "content": "Write a haiku about Python."}]
)

Lire la réponse

Claude renvoie une liste content composée de blocs. Pour du texte brut, la réponse se trouve à message.content[0].text. Il s’agit d’une liste, car une réponse peut contenir plusieurs blocs, par exemple du texte accompagné d’une demande d’utilisation d’un outil.

print(message.content[0].text)

# Inspect block type
print(message.content[0].type)  # "text"

Historique de la conversation

Comme les autres API de conversation, Claude est sans état. Pour poursuivre une conversation, utilisez vous-même append afin d’ajouter la réponse de l’assistant et le tour suivant de l’utilisateur dans messages.

messages = [{"role": "user", "content": "Hello"}]
resp = client.messages.create(model="claude-opus-4-8", max_tokens=512, messages=messages)

messages.append({"role": "assistant", "content": resp.content[0].text})
messages.append({"role": "user", "content": "Tell me more"})

Diffuser avec un gestionnaire de contexte

Pour obtenir une sortie en temps réel, Claude propose client.messages.stream(), utilisé comme gestionnaire de contexte avec l’instruction with. Cela ouvre et ferme la connexion de manière sûre.

with client.messages.stream(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Count to five."}]
) as stream:
    pass  # iterate inside

Parcourir le flux de texte

À l’intérieur du bloc with, parcourez stream.text_stream pour recevoir les deltas de texte au fur et à mesure que Claude les génère. Chaque élément est une chaîne prête à être affichée.

with client.messages.stream(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Count to five."}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

Obtenir le message final

Une fois la diffusion terminée, appelez stream.get_final_message() pour récupérer l’objet de message complet reconstitué, avec les données d’utilisation et l’intégralité des blocs de contenu.

with client.messages.stream(model="claude-opus-4-8", max_tokens=1024,
        messages=[{"role": "user", "content": "Hi"}]) as stream:
    for text in stream.text_stream:
        print(text, end="")
    final = stream.get_final_message()

Utilisation des jetons

La réponse contient un objet usage avec input_tokens et output_tokens. Notez que la dénomination diffère de celle d’OpenAI, qui utilise prompt/completion, mais le sens reste le même : suivre le coût de chaque appel.

print(message.usage.input_tokens)
print(message.usage.output_tokens)

Différences entre OpenAI et Anthropic

Voici les principaux contrastes à retenir : Anthropic place l’instruction système dans son propre paramètre, exige max_tokens, lit le texte depuis content[0].text et diffuse au moyen d’un gestionnaire de contexte with. Les connaître vous permet de passer d’un fournisseur à l’autre en toute confiance.

Vérification rapide

Vérifiez vos connaissances sur Anthropic.

Récapitulatif : Claude en Python

Vous avez créé un client anthropic.Anthropic() et appelé messages.create() avec un max_tokens obligatoire et une instruction system distincte. Vous avez lu les réponses depuis content[0].text et suivi le coût au moyen de usage.input_tokens / output_tokens.

Pour la diffusion en continu, vous avez utilisé client.messages.stream() comme gestionnaire de contexte with, parcouru text_stream et récupéré le résultat reconstitué avec get_final_message().

Questions Fréquemment Posées

La leçon « API Anthropic Claude en Python » est-elle gratuite ?

Oui — le texte complet de « API Anthropic Claude en Python » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Learn AI with Python, passe à CoddyKit PRO. Le cours Learn AI with Python comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « API Anthropic Claude en Python » ?

anthropic.Anthropic(), messages.create(), blocs de contenu, réflexion approfondie, diffusion en continu. Tu pratiques Learn AI with Python avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Learn AI with Python ?

Aucune expérience préalable n'est requise. Learn AI with Python sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 2 sur 4.

Combien de temps prend la leçon « API Anthropic Claude en Python » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Learn AI with Python ?

Oui. Chaque leçon Learn AI with Python inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

API OpenAI : chat.completions et diffusion en continu
API Anthropic Claude en Python
Appels de fonctions et utilisation d’outils avec les LLM
Ingénierie des prompts pour les applications LLM en production

← Retour à Learn AI with Python