Ton premier appel API à un LLM

Tu as utilisé l'IA via des interfaces web et des automatisations no-code. Maintenant, on passe à l'étape d'après : parler directement au LLM via son API. C'est ce qui te permet d'intégrer l'IA dans tes propres outils, applications ou scripts.

Pas besoin d'être développeur senior. Si tu sais copier-coller du code et modifier une variable, tu peux faire un appel API.

Ce qu'il te faut

1. Une clé API — c'est ton mot de passe pour accéder au service. Tu l'obtiens en créant un compte sur la plateforme du fournisseur :

• Claude : console.anthropic.com
• OpenAI : platform.openai.com
• Mistral : console.mistral.ai

2. Un environnement pour exécuter du code — soit Python (le plus courant), soit JavaScript/Node.js, soit même un simple terminal.

3. Un budget — tu charges quelques euros de crédits sur la plateforme. Un premier test coûte moins d'un centime.

Exemple en Python (API Claude)

Installe le SDK :

pip install anthropic

Puis exécute ce script :

import anthropic

client = anthropic.Anthropic(api_key="ta-cle-api-ici")

message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Résume en 3 points les avantages de l'IA pour une TPE."
        }
    ]
)

print(message.content[0].text)

C'est tout. 15 lignes. Tu envoies une question, tu reçois une réponse.

Exemple en JavaScript (API Claude)

Installe le SDK :

npm install @anthropic-ai/sdk

Puis :

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({ apiKey: "ta-cle-api-ici" });

const message = await client.messages.create({
  model: "claude-sonnet-4-20250514",
  max_tokens: 1024,
  messages: [
    {
      role: "user",
      content: "Résume en 3 points les avantages de l'IA pour une TPE.",
    },
  ],
});

console.log(message.content[0].text);

Même logique, même résultat.

Anatomie d'un appel API

Chaque appel contient toujours les mêmes éléments :

Le modèle (model) — quel LLM utiliser. Claude Haiku pour le rapide et pas cher, Sonnet pour l'équilibre, Opus pour le premium.

Le nombre max de tokens (max_tokens) — combien de tokens le LLM peut utiliser pour sa réponse. 1024 ≈ ~750 mots. Mets-le bas pour économiser, haut pour les réponses longues.

Les messages (messages) — la conversation. Chaque message a un rôle (user pour toi, assistant pour le LLM) et un contenu.

Le system prompt (optionnel) — des instructions permanentes qui cadrent le comportement du LLM. Par exemple :

message = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=1024,
    system="Tu es un assistant spécialisé dans le conseil aux TPE-PME françaises. Tu réponds en français, de manière concise et actionnable.",
    messages=[
        {"role": "user", "content": "Comment réduire mes charges sociales ?"}
    ]
)

Le system prompt est envoyé à chaque requête mais n'apparaît pas dans la conversation visible. C'est ton cadrage permanent.

Gérer les erreurs courantes

Erreur 401 — Clé API invalide. Tu t'es trompé de clé, ou elle est expirée. Vérifie dans le dashboard du fournisseur.

Erreur 429 — Rate limit. Tu envoies trop de requêtes trop vite. Attends quelques secondes et réessaie. Les plans gratuits ont des limites strictes.

Erreur 400 — Requête malformée. Il manque un champ obligatoire (model, messages, max_tokens). Vérifie la documentation.

Réponse tronquée. Le max_tokens est trop bas. La réponse a été coupée. Augmente la valeur.

Sécurité : les règles absolues

Ne mets JAMAIS ta clé API dans du code public. Pas sur GitHub, pas dans un fichier partagé, pas dans un email. Utilise des variables d'environnement :

import os
client = anthropic.Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])

Mets une limite de dépense. Dans le dashboard du fournisseur, configure un plafond mensuel. Un script buggé qui boucle peut consommer des centaines d'euros en quelques heures.

Régénère ta clé en cas de doute. Si tu penses que ta clé a été compromise, régénère-la immédiatement. L'ancienne est désactivée instantanément.

Et maintenant ?

Tu sais faire un appel API. Dans la dernière leçon, on aborde l'optimisation des contextes : comment tirer le maximum de chaque token envoyé, structurer tes prompts système, et gérer les conversations longues efficacement.

Abonne-toi à la newsletter pour la dernière leçon du parcours.