Maîtriser les paramètres de réponse

Utiliser l'API Responses d'OpenAI

James Chapman

AI Curriculum Manager, DataCamp

Choisir un modèle

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

¹ https://platform.openai.com/docs/models

Choisir un modèle

response = client.responses.create(
    model="gpt-5.4-mini",
    input="What is recursion?",
)

Règle générale : utilisez le modèle le moins cher qui répond aux exigences

Model	Speed	Cost	Best For
gpt-5.4-mini	Fast	Low	Simple tasks, Q&A
gpt-5.5	Moderate	Higher	Complex reasoning

¹ https://platform.openai.com/docs/models

LLM et jetons

Jetons : unités de texte qui aident l'IA à comprendre et interpréter le texte

La phrase « How can the OpenAI API deliver business value? », chaque jeton étant d'une couleur différente.

¹ https://platform.openai.com/tokenizer

LLM et jetons

LLM sans raisonnement : génèrent les jetons ayant la plus forte probabilité de suivre l'invite

LLM et jetons

Niveau de raisonnement

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",

    reasoning={"effort": "none"}

)

Niveau de raisonnement

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"}
)

Effort	Idéal pour
none	Tâches triviales ou mécaniques.
low	Tâches simples, priorité à la vitesse et au coût.
medium	Valeur par défaut : équilibre raisonnement/efficacité.
high	Tâches complexes, à étapes multiples ou très logiques.
xhigh	Tâches les plus ardues, aux limites du possible

Résumés de raisonnement

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={
        "effort": "medium",

        "summary": "auto"

    }
)

Limiter les jetons de sortie

response = client.responses.create(
    model="gpt-5.4-mini",
    input="Explain LLMs to a 6yr old.",
    reasoning={"effort": "none"},

    max_output_tokens=500

)

max_output_tokens inclut les jetons de raisonnement

Résumé

Tâches simples → commencez par de petits modèles, sans raisonnement et peu de jetons
Tâches complexes → commencez par des modèles moyens avec raisonnement, puis peaufinez

Passons à la pratique !

Utiliser l'API Responses d'OpenAI