Leçon 3 sur 3 · 7 minutes

Vérifier la sortie

Les modèles peuvent paraître sûrs d’eux et se tromper : ancrez leurs réponses dans des sources et testez avant de vous y fier.

Un modèle écrit le texte le plus probable pour la suite. La plupart du temps, c’est aussi le bon. Mais quand il ne sait pas quelque chose, il peut quand même écrire une réponse fluide et assurée qui est fausse. C’est ce qu’on appelle une hallucination. Les faits, citations, liens et chiffres inventés en sont des exemples courants.

Ancrez les réponses dans des données réelles, et vérifiez les sources. Un modèle est bien plus fiable quand il a les faits sous les yeux. Mettez vos propres documents dans le prompt et demandez-lui de répondre uniquement à partir d’eux, en indiquant d’où vient chaque fait. Pour des informations récentes, ajoutez l’outil serveur phaseo:web_search (en Bêta) : le modèle cherche sur le web et rédige une réponse à partir des résultats, qui incluent des URL que vous pouvez ouvrir. Ouvrez-les vraiment, car un modèle peut aussi inventer un lien qui a l’air réel.

Obtenez une forme fiable avec les sorties structurées. Si votre code doit lire la réponse, envoyez un JSON Schema avec la requête. Le modèle renvoie alors du JSON dans cette forme au lieu de texte libre. Votre code doit quand même vérifier le résultat avant de l’utiliser, car la forme peut être juste alors que le contenu est faux.

Baissez la température pour plus de cohérence. temperature contrôle la part de variété que le modèle ajoute. Des valeurs plus basses donnent des réponses plus stables et reproductibles. Pour l’extraction, la classification et le JSON, la documentation suggère 0.0 à 0.2.

Testez sur de vrais exemples avant de livrer. Rassemblez de vraies entrées, y compris des cas désordonnés et inhabituels, et vérifiez les réponses à la main. Recommencez chaque fois que vous changez le prompt ou le modèle.

Vérifiez votre compréhension

Votre application demande à un modèle l’année de fondation d’une entreprise, et la réponse doit être juste. Quelle est la meilleure approche ?

Mettez-le en pratique

Vous avez créé un outil qui extrait le total, la date et le fournisseur des factures. En démo, tout fonctionnait, mais en production votre code plante parfois parce que le modèle répond par une phrase au lieu des champs. Que changez-vous ?

Afficher la réponse

Utilisez les sorties structurées : envoyez un JSON Schema avec les champs nécessaires, pour que le modèle renvoie du JSON dans cette forme. Fixez une temperature basse, par exemple de 0.0 à 0.2. Validez le JSON dans votre code avant de l’utiliser, et testez sur un ensemble de vraies factures, y compris des désordonnées, avant de livrer.

À retenir

Traitez les réponses des modèles comme des brouillons : ancrez-les dans de vraies sources, demandez une forme fixe, gardez une température basse pour la cohérence, et testez sur de vrais exemples.

Liens utiles

La progression est enregistrée dans ce navigateur.

Dernière vérification le 17 novembre 2026