Passer au contenu principal

Sélection du modèle

Choisir le bon modèle peut avoir un impact significatif sur le coût et la qualité.

Recommandations par type de tâche

TâcheModèles recommandésJustification
Questions-réponses simplesgpt-5-mini, gemini-2.5-flashRapide, peu coûteux, suffisant
Raisonnement complexegpt-5.4, claude-opus-4-6, deepseek-r1Meilleure logique et planification
Codageclaude-sonnet-4-6, gpt-4o, deepseek-v3.2Optimisé pour le code
Écriture créativeclaude-sonnet-4-6, gpt-4oMeilleure qualité rédactionnelle
Vision/Imagesgpt-4o, claude-sonnet-4-6, gemini-2.5-flashPrise en charge native de la vision
Contexte longgemini-2.5-pro, claude-sonnet-4-6Fenêtres de 1M+ token
Sensible au coûtgpt-5-mini, gemini-2.5-flash, deepseek-v3.2Meilleur rapport qualité-prix

Niveaux de coût

$$$$ Premium: gpt-5.4, claude-opus-4-6
$$$  Standard: claude-sonnet-4-6, gpt-4o
$$   Budget:   gpt-5-mini, gemini-2.5-flash
$    Economy:  deepseek-v3.2, deepseek-r1

Optimisation des coûts

1. Utilisez d’abord des modèles plus petits

def smart_query(question: str, complexity: str = "auto"):
    """Use cheaper models for simple tasks."""

    if complexity == "simple":
        model = "gpt-5-mini"
    elif complexity == "complex":
        model = "gpt-4o"
    else:
        # Start cheap, escalate if needed
        model = "gpt-5-mini"

    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": question}]
    )
    return response

2. Définissez max_tokens

Définissez toujours une limite max_tokens raisonnable :
# ❌ Bad: No limit, could generate thousands of tokens
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}]
)

# ✅ Good: Limit response length
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Summarize this article"}],
    max_tokens=500  # Reasonable limit for a summary
)

3. Optimisez les prompts

# ❌ Verbose prompt (more input tokens)
prompt = """
I would like you to please help me by analyzing the following text
and providing a comprehensive summary of the main points. Please be
thorough but also concise in your response. The text is as follows:
{text}
"""

# ✅ Concise prompt (fewer tokens)
prompt = "Summarize the key points:\n{text}"

4. Activez la mise en cache

Profitez du semantic caching :
# For repeated similar queries, caching provides major savings
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "What is machine learning?"}],
    temperature=0  # Deterministic = better cache hits
)

5. Regroupez les requêtes similaires

# ❌ Many small requests
for question in questions:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": question}]
    )

# ✅ Fewer larger requests
combined_prompt = "\n".join([f"{i+1}. {q}" for i, q in enumerate(questions)])
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": f"Answer each question:\n{combined_prompt}"}]
)

Optimisation des performances

1. Utilisez le streaming pour l’UX

Le streaming améliore les performances perçues :
stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Write a long essay"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

2. Choisissez des modèles rapides pour un usage interactif

Cas d’usageRecommandéLatence
Interface de chatgpt-5-mini, gemini-2.5-flash~200ms jusqu’au premier token
Complétion d’ongletclaude-haiku-4-5~150ms jusqu’au premier token
Traitement en arrière-plangpt-4o, claude-sonnet-4-6~500ms jusqu’au premier token

3. Définissez des timeouts

client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.lemondata.cc/v1",
    timeout=60.0  # 60 second timeout
)

Fiabilité

1. Implémentez des retries

import time
from openai import RateLimitError, APIError

def chat_with_retry(messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            return client.chat.completions.create(
                model="gpt-4o",
                messages=messages
            )
        except RateLimitError:
            wait = 2 ** attempt
            print(f"Rate limited, waiting {wait}s...")
            time.sleep(wait)
        except APIError as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(1)
    raise Exception("Max retries exceeded")

2. Gérez les erreurs proprement

from openai import APIError, AuthenticationError, RateLimitError

try:
    response = client.chat.completions.create(...)
except AuthenticationError:
    # Check API key
    notify_admin("Invalid API key")
except RateLimitError:
    # Queue for later or use backup
    add_to_queue(request)
except APIError as e:
    if e.status_code == 402:
        notify_admin("Balance low")
    elif e.status_code >= 500:
        # Server error, retry later
        schedule_retry(request)

3. Utilisez des modèles de secours

FALLBACK_CHAIN = ["gpt-4o", "claude-sonnet-4-6", "gemini-2.5-flash"]

def chat_with_fallback(messages):
    for model in FALLBACK_CHAIN:
        try:
            return client.chat.completions.create(
                model=model,
                messages=messages
            )
        except APIError:
            continue
    raise Exception("All models failed")

Sécurité

1. Protégez les clés API

# ❌ Never hardcode keys
client = OpenAI(api_key="sk-abc123...")

# ✅ Use environment variables
import os
client = OpenAI(api_key=os.environ["LEMONDATA_API_KEY"])

2. Validez les entrées utilisateur

def validate_message(content: str) -> bool:
    """Validate user input before sending to API."""
    if len(content) > 100000:
        raise ValueError("Message too long")
    # Add other validation as needed
    return True

3. Définissez des limites pour les clés API

Créez des clés API distinctes avec des limites de dépenses pour :
  • Développement/tests
  • Production
  • Différentes applications

Monitoring

1. Suivez l’utilisation

Vérifiez régulièrement votre tableau de bord pour :
  • L’utilisation des token par modèle
  • La répartition des coûts
  • Les taux de succès du cache
  • Les taux d’erreur

2. Journalisez les métriques importantes

import logging

response = client.chat.completions.create(...)

logging.info({
    "model": response.model,
    "prompt_tokens": response.usage.prompt_tokens,
    "completion_tokens": response.usage.completion_tokens,
    "total_tokens": response.usage.total_tokens,
})

3. Configurez des alertes

Configurez des alertes de solde faible dans votre tableau de bord pour éviter toute interruption de service.

Checklist

  • Utilisation du modèle approprié pour chaque tâche
  • Définition de limites max_tokens
  • Prompts concis
  • Mise en cache activée lorsque pertinent
  • Regroupement des requêtes similaires
  • Streaming pour une UX interactive
  • Modèles rapides pour un usage en temps réel
  • Timeouts configurés
  • Logique de retry implémentée
  • Gestion des erreurs en place
  • Modèles de secours configurés
  • Clés API dans des variables d’environnement
  • Validation des entrées
  • Clés séparées pour dev/prod
  • Limites de dépenses définies