Learn AI with Python · Leçon

Utiliser les API de données publiques

OpenWeatherMap, Wikipedia et API publiques gouvernementales — exemples pratiques de collecte de données.

Utiliser les API de données publiques est une leçon Learn AI with Python gratuite sur CoddyKit. Ceci est la leçon 4 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.

S’exercer avec des API publiques

La meilleure façon d’apprendre la collecte de données est d’interroger de véritables API. Cette leçon en utilise trois, faciles à prendre en main :

JSONPlaceholder — une fausse API REST pour s’exercer, sans clé requise
OpenWeatherMap — de véritables données météorologiques, avec une clé API gratuite
Wikipedia API — le contenu et la recherche d’articles

JSONPlaceholder pour s’exercer

JSONPlaceholder fournit de fausses publications, de faux utilisateurs et de faux commentaires, sans authentification. C’est l’outil idéal pour tester votre code de requête et d’analyse.

import requests

resp = requests.get("https://jsonplaceholder.typicode.com/posts", timeout=10)
resp.raise_for_status()
posts = resp.json()
print(len(posts), "posts")
print(posts[0]["title"])

Des réponses au flux de travail avec DataFrame

Le flux de travail standard consiste à récupérer le JSON, puis à le charger directement dans un DataFrame pour l’analyse.

import pandas as pd

posts = requests.get("https://jsonplaceholder.typicode.com/posts", timeout=10).json()
df = pd.DataFrame(posts)
print(df.head())
print(df["userId"].value_counts())

OpenWeatherMap — obtenir une clé

OpenWeatherMap exige une clé API gratuite, transmise comme paramètre appid. Ne mettez pas les clés dans le code : lisez-les depuis une variable d’environnement.

import os

API_KEY = os.environ["OWM_API_KEY"]   # set OWM_API_KEY in your shell

OpenWeatherMap — paramètres de requête

Le point de terminaison de la météo actuelle accepte q (ville), appid (clé) et units (unités métriques/impériales).

import requests, os

params = {
    "q": "Istanbul",
    "appid": os.environ["OWM_API_KEY"],
    "units": "metric",
}
resp = requests.get("https://api.openweathermap.org/data/2.5/weather", params=params, timeout=10)
resp.raise_for_status()
data = resp.json()

Extraire des champs JSON imbriqués

Les réponses des API réelles sont profondément imbriquées. Parcourez-les à l’aide de clés enchaînées et utilisez .get() avec des valeurs par défaut pour les champs susceptibles d’être absents.

temp = data["main"]["temp"]
humidity = data["main"]["humidity"]
desc = data["weather"][0]["description"]
print(f"{temp} C, {humidity}% humidity, {desc}")

Collecter la météo de nombreuses villes

Parcourez les villes en boucle, aplatissez les champs qui vous intéressent dans une liste de dictionnaires, puis construisez un DataFrame.

cities = ["Istanbul", "London", "Tokyo"]
rows = []
for c in cities:
    p = {"q": c, "appid": os.environ["OWM_API_KEY"], "units": "metric"}
    d = requests.get("https://api.openweathermap.org/data/2.5/weather", params=p, timeout=10).json()
    rows.append({"city": c, "temp": d["main"]["temp"], "desc": d["weather"][0]["description"]})
import pandas as pd
df = pd.DataFrame(rows)

L’API Wikipédia

Wikipedia API expose la recherche et le contenu des articles. Elle attend un action et format=json, ainsi qu’un en-tête User-Agent descriptif.

params = {
    "action": "query",
    "list": "search",
    "srsearch": "machine learning",
    "format": "json",
}
headers = {"User-Agent": "data-collector/1.0 (you@example.com)"}
resp = requests.get("https://en.wikipedia.org/w/api.php", params=params, headers=headers, timeout=10)
results = resp.json()["query"]["search"]

Récupérer des extraits d’articles

Utilisez prop=extracts avec exintro=True pour récupérer le paragraphe introductif d’un article — pratique pour créer des jeux de données textuelles.

params = {
    "action": "query",
    "prop": "extracts",
    "exintro": True,
    "explaintext": True,
    "titles": "Artificial intelligence",
    "format": "json",
}
resp = requests.get("https://en.wikipedia.org/w/api.php", params=params, timeout=10)
pages = resp.json()["query"]["pages"]
for pid, page in pages.items():
    print(page["extract"][:300])

Lire la documentation des API

Chaque API est différente. Avant de coder, consultez la documentation concernant : l’URL de base, les paramètres requis, la méthode d’authentification, la structure de la réponse et les limites de débit.

Testez une requête de manière interactive, examinez resp.json(), puis construisez votre boucle autour de la structure réelle.

Bien utiliser les API

Les API publiques sont des ressources partagées. Respectez-les :

Envoyez un User-Agent qui vous identifie
Mettez les résultats en cache pour ne pas récupérer plusieurs fois les mêmes données
Attendez entre les requêtes et respectez les limites de débit
Lisez et suivez les conditions d’utilisation de chaque API

Vérification rapide : API d’exercice

Vous souhaitez vérifier votre code de requête et d’analyse sans vous inscrire pour obtenir une clé API.

Récapitulatif : API de données publiques

Vous vous êtes exercé à collecter des données auprès d’API réelles :

JSONPlaceholder pour vous exercer sans authentification
OpenWeatherMap avec les paramètres q, appid et units, ainsi qu’une clé provenant de l’environnement
Wikipedia API pour la recherche et les extraits d’articles
Le flux de travail allant de la récupération au DataFrame, ainsi que la façon de parcourir un JSON imbriqué
Les bonnes pratiques : User-Agent, mise en cache, limites de débit et conditions d’utilisation

La collecte de données est terminée. Ensuite : les expressions régulières pour l’IA textuelle.

Questions Fréquemment Posées

La leçon « Utiliser les API de données publiques » est-elle gratuite ?

Oui — le texte complet de « Utiliser les API de données publiques » 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 « Utiliser les API de données publiques » ?

OpenWeatherMap, Wikipedia et API publiques gouvernementales — exemples pratiques de collecte de données. 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 4 sur 4.

Combien de temps prend la leçon « Utiliser les API de données publiques » ?

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

Principes fondamentaux des API REST pour la collecte de données
Paginer et collecter de grands jeux de données
Stocker efficacement les données collectées
Utiliser les API de données publiques

← Retour à Learn AI with Python