0Pricing
NLP Academy · Leçon

Appeler un LLM depuis Python

Envoyer des prompts et analyser les réponses

Appeler un LLM depuis Python est une leçon NLP Academy 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 NLP Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours NLP Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Talk to a Model in Code

You do not run giant models on your laptop. Instead you send text to a hosted model over an API and get a reply back. 🌐

Install a Client

Most providers ship a Python client library so you can call the model with a few clean lines instead of raw HTTP.

pip install openai

Keep Your Key Secret

Calls are authenticated with an API key. Store it in an environment variable, never hard-coded in your source files.

import os
key = os.environ["OPENAI_API_KEY"]

Create the Client

You start by building a client object. It reads your key and handles the network details for every request you make.

from openai import OpenAI
client = OpenAI()

Messages, Not Just Text

Chat models take a list of messages, each tagged with a role like system, user, or assistant.

The System Role

A system message sets the model's behavior up front, like telling it to answer briefly or act as a helpful tutor.

Send Your Prompt

You put your question in a user message and send the whole list to the model in a single call.

resp = client.chat.completions.create(
  model="gpt-4o-mini",
  messages=[{"role": "user", "content": "Hi!"}])

Parse the Response

The reply is a structured object. The text you want sits inside the first choice, ready to read or store.

text = resp.choices[0].message.content
print(text)

Control With Temperature

The temperature setting controls randomness. Low values give steady answers; high values give more creative, varied ones.

Cap the Output

Setting max tokens limits how long the reply can be, which keeps responses tidy and your costs predictable.

Handle Failures

Networks fail and limits get hit, so wrap calls in try/except and retry gracefully when an error comes back.

Quick Check

Where do you find the model's text in a chat completion response?

Recap

Install a client, load your key from the environment, send role-tagged messages, then read the text from the first choice. ✅

Questions Fréquemment Posées

La leçon « Appeler un LLM depuis Python » est-elle gratuite ?

Oui — le texte complet de « Appeler un LLM depuis 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 NLP Academy, passe à CoddyKit PRO. Le cours NLP Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Appeler un LLM depuis Python » ?

Envoyer des prompts et analyser les réponses Tu pratiques NLP Academy 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 NLP Academy ?

Aucune expérience préalable n'est requise. NLP Academy 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 « Appeler un LLM depuis 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 NLP Academy ?

Oui. Chaque leçon NLP Academy 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

  1. Ce qui rend un modèle volumineux
  2. Appeler un LLM depuis Python
  3. Prompts zero-shot et few-shot
  4. Sortie structurée et garde-fous
← Retour à NLP Academy