Créez votre première app d’IA avec l’API OpenAI
Les bases posées, place au code. Avec Node.js en exemple, ce tutoriel vous accompagne dans votre première requête de chat vers l’API OpenAI, puis aborde les détails de production : streaming, coût et gestion des erreurs.
ParAI Resource Hub
Prérequis
Commencez par créer un compte sur la plateforme OpenAI et générer une clé d’API, puis stockez-la dans une variable d’environnement. Ne la codez jamais en dur et ne la poussez jamais dans un dépôt.
export OPENAI_API_KEY="sk-..."Installez le SDK
Le SDK Node.js officiel est le moyen le plus rapide de démarrer :
npm install openaiEnvoyez votre première requête de chat
Le code ci-dessous envoie un message à gpt-4o-mini et affiche la réponse. Le tableau messages porte l’historique de la conversation, et role peut valoir system, user ou assistant.
import OpenAI from 'openai';
const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });
const res = await client.chat.completions.create({
model: 'gpt-4o-mini',
messages: [
{ role: 'system', content: 'You are a helpful assistant.' },
{ role: 'user', content: 'Describe large language models in one sentence.' },
],
});
console.log(res.choices[0].message.content);Utilisez la sortie en streaming
Les applis de chat recherchent l’effet « frappe en direct ». En activant stream, vous recevez la sortie au fil de sa génération — l’expérience y gagne énormément.
const stream = await client.chat.completions.create({
model: 'gpt-4o-mini',
messages: [{ role: 'user', content: 'Write a short poem about spring' }],
stream: true,
});
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? '');
}Coût et gestion des erreurs
L’API est facturée au token : fixez un max_tokens raisonnable et surveillez la consommation ; opter pour un modèle plus petit (la série mini, par exemple) peut réduire les coûts de façon spectaculaire.
Les requêtes réseau peuvent expirer ou être limitées en débit : en production, ajoutez des retries, des timeouts et une gestion des exceptions, ainsi qu’une validation et une modération du contenu saisi par l’utilisateur.
Construire des conversations multi-tours
Un seul appel d’API répond à une question, mais les applications réelles maintiennent une conversation. La clé est d’accumuler le tableau messages : après chaque tour, ajoutez le message utilisateur et la réponse de l’assistant, puis envoyez l’historique complet lors de l’appel suivant. Le message système reste en position zéro pour ancrer le comportement du modèle.
Surveillez votre fenêtre de contexte : chaque tour ajoute des tokens. Pour les longues conversations, pensez à résumer les anciens messages ou à tronquer l’historique afin de rester dans les limites et de maîtriser les coûts.
Du prototype à la production
Avant de livrer, ajoutez quelques essentiels de production : fixez une limite max_tokens pour éviter les factures surprises, implémentez une logique de retry avec backoff exponentiel pour les erreurs 429, mettez en cache les prompts fréquents pour économiser des tokens et ajoutez des logs structurés pour suivre les schémas d’utilisation et déboguer.