Terminez d'abord "Leçon 3 : Ingénierie de prompts pour un comportement applicatif fiable" pour débloquer cette leçon.Aller à la leçon précédente

Introduction

Jusqu'à présent, votre application peut communiquer avec sa propre base de données, mais elle ne peut pas réfléchir ni récupérer d'informations externes. Dans cette leçon, vous connectez les deux pièces manquantes : un modèle d'IA (pour générer des réponses, des résumés ou des classifications) et une API externe (pour des données en direct comme la météo, les taux de change ou les cours boursiers). Les deux connexions suivent le même schéma — envoyer une requête, attendre une réponse, traiter le résultat — donc une fois que vous en maîtrisez un, l'autre n'est qu'une adresse différente et une forme de données différente.

Comment fonctionnent les appels aux modèles d'IA

Un appel à un modèle d'IA n'est qu'une requête texte entrant, texte sortant. Vous empaquetez la question de l'utilisateur (ainsi que d'éventuelles instructions système) dans un payload JSON, vous le POSTez vers l'endpoint du modèle, et vous lisez le texte généré en retour. Les outils no-code enveloppent cela dans un bloc visuel, mais en dessous le format sur le fil est identique.

Un corps de requête typique ressemble à ceci :

json
{
"model": "gpt-4o-mini",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Summarize this product review in one sentence."}
],
"temperature": 0.3
}

Le message `system` définit le comportement ; le message `user` est l'entrée réelle. `temperature` contrôle à quel point la sortie est créative plutôt que déterministe — basse pour les tâches factuelles, haute pour le brainstorming.

Comment fonctionnent les appels aux API externes

Les API externes (météo, devises, actualités) fonctionnent de la même manière, mais le payload est généralement plus simple — quelques paramètres de requête au lieu d'un historique de conversation. Par exemple, une recherche météo peut juste nécessiter un nom de ville et une clé API.

bash
GET https://api.weatherapi.com/v1/current.json?key=YOUR_KEY&q=Hanoi&aqi=no

La réponse revient en JSON. Votre outil no-code vous permet de choisir quels champs extraire et où les stocker dans votre base de données ou votre interface utilisateur.

schéma de flux en 4 étapes depuis la saisie utilisateur jusqu'au résultat renvoyé par l'app : entrée → envoi de la requête à l'IA ou à l'API externe → réception de la réponse → affichage ou enregistrement du résultat

Gestion des entrées, des sorties et des erreurs

Trois problèmes surviennent dans presque chaque intégration : champs manquants, réponses lentes et formes de réponse inattendues.

Premièrement, validez les entrées avant l'envoi. Si l'utilisateur n'a pas fourni de nom de ville, n'appelez pas l'API météo — affichez plutôt une invite conviviale.

javascript
if (!userInput.city || userInput.city.trim() === "") {
return { error: "Please enter a city name." };
}

Deuxièmement, définissez des timeouts. La plupart des plateformes no-code permettent de définir un temps d'attente maximum (8 à 15 secondes est raisonnable). Si l'IA ou l'API ne répond pas à temps, affichez un message de repli plutôt que de laisser l'écran bloqué.

Troisièmement, protégez-vous contre les réponses mal formées. Les modèles d'IA renvoient parfois des chaînes vides ou refusent de répondre ; les API renvoient parfois des objets d'erreur dans une réponse 200.

javascript
if (!response.choices || response.choices.length === 0) {
return { error: "The AI did not return a result. Please try again." };
}

Un schéma courant consiste à envelopper chaque appel externe dans un try/catch (ou l'équivalent no-code : une branche d'erreur sur le nœud du workflow) et à enregistrer l'échec pour vous-même tout en affichant un message poli à l'utilisateur.

Résumé

Les appels aux modèles d'IA et aux API externes partagent la même structure : valider l'entrée, envoyer une requête structurée, analyser la réponse et gérer l'échec avec élégance. Dans votre workflow no-code, chaque étape est un bloc visuel, mais la logique est identique aux extraits de code ci-dessus. Familiarisez-vous avec ce schéma requête-réponse-erreur, car chaque intégration que vous construirez à partir de maintenant le suivra.

Dans la prochaine leçon, vous combinerez plusieurs appels API en un seul workflow afin que votre application puisse, par exemple, récupérer la météo, la transmettre à un modèle d'IA et renvoyer une recommandation de voyage — trois intégrations enchaînées.

Entraînement

Point de contrôle de la leçon

Révisez la leçon et recevez des conseils sur votre travail.

0/1
Répondu · 0/1