Donner des consignes à un modèle de langage

Un LLM est un modèle de langage capable de produire du texte à partir de ce qu’on lui fournit. Son API reçoit une requête et renvoie un résultat. Un prompt est un texte donné au modèle pour orienter sa réponse.

Les instructions définissent la personnalité et la manière de répondre. Le message utilisateur contient la demande du moment. Par exemple, « Tu es Nila, une bibliothécaire de science-fiction. Réponds en deux phrases et pose une question » peut servir d’instruction. « Tu me conseilles quoi pour ce soir ? » est un message utilisateur. Inventez un personnage et essayez de formuler deux demandes différentes qui lui seraient adressées.

Faire passer le message par le serveur

Interface HTML → POST vers Express → API OpenAI → Express → interface.

Dans le navigateur, le clic ou la validation du formulaire déclenche un POST avec { message }. Express valide la saisie, appelle l’API et retourne un objet { reply }. Le navigateur lit reply et ajoute la réplique à la conversation. Testez ce trajet avec une réplique fixe côté serveur avant d’activer l’appel réel.

Configurer la clé côté serveur

Une clé API authentifie les appels auprès du fournisseur. La clé OPENAI_API_KEY appartient à l’environnement du serveur. Elle doit rester hors du HTML, du JavaScript chargé par le navigateur, du dépôt, du rendu et des journaux.

Téléchargez le fichier .env.example, puis copiez-le sous le nom .env à la racine de votre projet. Ajoutez .env à votre .gitignore avant de renseigner la clé remise par l’enseignant. En Node.js 22 ou plus récent, lancez le serveur avec node --env-file=.env app.js. Lisez les valeurs côté serveur via process.env. Le SDK OpenAI lit OPENAI_API_KEY par défaut.

Pour servir l’interface depuis Express, placez les fichiers du navigateur dans public/ et ajoutez app.use(express.static("public")). Le navigateur peut alors appeler votre route avec une URL relative.

Appeler le modèle depuis Express

Dans votre projet, installez le SDK avec npm install openai. Créez un client OpenAI côté serveur, uniquement en mode réel. Dans un fichier CommonJS, utilisez const OpenAI = require("openai") puis new OpenAI({ timeout: 15000, maxRetries: 0 }). Placez ce fragment dans une fonction asynchrone appelée par votre route.

const resultat = await client.responses.create({
  model: process.env.OPENAI_MODEL,
  instructions: personnalite,
  input: message,
  reasoning: { effort: "none" },
  max_output_tokens: 180,
  store: false,
});

Dans la requête à OpenAI, instructions porte la personnalité et input porte le message de l’utilisateur. Pour une génération de texte réussie, le SDK expose la réplique dans resultat.output_text. Vérifiez que la génération est terminée et que le texte est présent avant d’envoyer reply. Commencez par modifier le ton dans vos instructions et observez l’effet sur une même demande lorsque le mode réel est activé.

Le fichier d’exemple propose gpt-6-luna, un modèle économique compatible avec Responses et les sorties structurées. Le réglage reasoning: { effort: "none" } convient aux réponses courtes du TP. OPENAI_MODEL permet de changer le modèle selon les accès du projet. Vérifiez alors les options acceptées par le modèle choisi. Fiche du modèle et tarifs.

Pour activer le mode réel, choisissez MODE_LLM=reel dans .env et redémarrez Node.js. Votre code doit appeler le fournisseur uniquement avec cette valeur et utiliser la réplique simulée par défaut.

Limiter les appels et gérer les erreurs

Un token est une petite unité de texte. Le fournisseur facture les tokens d’entrée et de sortie selon le tarif du modèle. max_output_tokens fixe le budget maximal de sortie pour un appel. Demandez deux phrases et commencez sans historique conversationnel. Si vous ajoutez un historique, limitez le nombre de messages envoyés.

Construire « Mon Alter Ego Numérique »

  1. Créez une zone de conversation, un champ et un bouton Envoyer. Distinguez visuellement vos messages et ceux du personnage.
  2. Créez le POST dans Express. Faites fonctionner la conversation avec une réponse simulée. Testez un message valide et un message vide.
  3. Écrivez le prompt de personnalité dans le serveur. Inventez le pseudonyme, les goûts et le style du personnage. Intégrez ensuite l’appel OpenAI et ajoutez un message lisible si la requête échoue.
  4. Testez la limite d’envoi et un double clic. Vérifiez que l’écriture dans le champ ne déclenche aucun appel et que la clé n’apparaît pas dans la requête issue du navigateur.

Vous pouvez ajouter un avatar, un indicateur de chargement, un bouton d’effacement ou un historique court.

Pour la prochaine rencontre. Terminez le projet. Préparez un projet Node.js/Express fonctionnel avec un README qui explique l’installation des dépendances, la configuration et le démarrage. Remettez uniquement le fichier d’exemple de configuration. En séance 5, vous montrerez le trajet d’un message, la lecture du corps, le rôle du prompt et l’emplacement de la clé.