API LLM : clé, premier appel, paramètres et coûts

Pour utiliser l’API d’un LLM, vous créez une clé d’accès, choisissez un modèle et envoyez une requête contenant vos instructions et votre texte. Le service renvoie une réponse que votre programme doit contrôler, avec une consommation à surveiller. Ce guide présente un premier appel reproductible, puis les réglages, le budget et les protections nécessaires avant une utilisation régulière.

Comprendre ce que vous allez connecter

Une API permet à un programme de demander un service à un autre programme. Avec un modèle de langage, votre application transmet généralement des messages et reçoit du texte ou des données structurées. Elle peut ainsi résumer un document, classer une demande ou préparer un brouillon sans passer par une interface de discussion.

L’appel ne donne pas automatiquement au modèle accès à vos fichiers, à Internet ou à votre messagerie. Ces capacités exigent des connexions et des permissions supplémentaires. Pour commencer, gardez une tâche limitée : transformer un court texte public en résumé.

Le parcours ci-dessous utilise OpenRouter, une plateforme qui transmet des requêtes à des fournisseurs de modèles. C’est un exemple technique, pas une recommandation commerciale. Son guide de démarrage officiel, consulté le 24 octobre 2026, documente l’adresse et la méthode employées ici.

Critère	API directe d’un fournisseur	Plateforme intermédiaire
Compte et clé	Gérés auprès du fournisseur	Gérés auprès de la plateforme
Choix des modèles	Catalogue du fournisseur	Catalogue proposé par l’intermédiaire
Parcours des données	Application puis fournisseur	Application, intermédiaire puis fournisseur
Diagnostic	Documentation du fournisseur	Documentation de la plateforme et du fournisseur
Budget	Conditions de l’offre directe	Conditions de la plateforme et des services utilisés

Dans les deux cas, commencez par vérifier la disponibilité du modèle et les conditions applicables à votre compte.

1. Préparer le compte et un environnement simple

Prérequis : un compte donnant accès à l’API retenue, un terminal Bash, la commande curl disponible et un texte d’essai sans information confidentielle. Les commandes suivantes sont destinées à Bash ; elles ne sont pas à copier telles quelles dans un autre interpréteur.

Aucune bibliothèque n’est nécessaire pour cet exercice. Si votre poste ne dispose pas des outils requis, utilisez un environnement autorisé par votre organisation et suivez sa procédure d’installation.

Dans le tableau de bord de la plateforme :

Vérifiez les conditions de facturation et les crédits disponibles.
Créez une clé réservée à cet exercice.
Configurez une limite de dépenses adaptée à votre essai.
Repérez la consommation et la commande de révocation de la clé.

La documentation d’authentification, consultée le 24 octobre 2026, décrit les clés et leurs limites de crédit. Pour une première connexion, évitez une clé partagée entre plusieurs projets : elle rend les incidents et les dépenses plus difficiles à attribuer.

Choisissez ensuite un modèle accessible à votre compte. Consultez les fiches des modèles pour vous orienter, puis relevez son identifiant API exact dans la plateforme. Un nom commercial affiché dans une interface ne suffit pas toujours à construire une requête.

Les benchmarks de modèles donnent des repères de comparaison. Ils ne remplacent pas un essai sur votre texte, votre langue et votre format de sortie.

2. Charger la clé sans l’écrire dans le programme

Une clé API est un secret d’accès. Toute personne qui la récupère peut potentiellement utiliser les droits associés et consommer votre budget. Ne la placez pas dans une page web publique, une application distribuée aux utilisateurs ou un dépôt de code.

Dans Bash, saisissez-la sans l’afficher à l’écran :

read -r -s -p "Clé API : " OPENROUTER_API_KEY
printf '\n'
export OPENROUTER_API_KEY

Cette méthode évite de taper directement le secret dans une commande enregistrée dans l’historique du terminal. Elle ne transforme pas la machine en coffre-fort : un processus autorisé à inspecter votre environnement pourrait encore y accéder.

Renseignez ensuite l’identifiant du modèle choisi :

read -r -p "Identifiant API exact du modèle : " LLM_MODEL
export LLM_MODEL

Recopiez uniquement l’identifiant fourni par la plateforme. L’exemple suivant suppose qu’il ne contient ni guillemet ni retour à la ligne, afin de l’insérer dans le document JSON.

Ne demandez pas au modèle de vérifier votre clé en la lui envoyant dans un message. L’authentification passe dans un en-tête de la requête ; le texte à traiter reste dans le corps.

Pour une application déployée, utilisez le mécanisme de secrets de votre hébergement. Séparez les clés de développement et de production, limitez les personnes qui peuvent les consulter et prévoyez leur remplacement. Une variable d’environnement convient à cet exercice, mais sa protection dépend toujours de l’environnement qui l’héberge.

3. Envoyer le premier appel

La commande ci-dessous adapte le format documenté par la plateforme à une tâche de résumé. Le plafond de sortie et les délais sont des réglages d’exercice, pas des limites annoncées du service.

curl --silent --show-error \
  --connect-timeout 10 \
  --max-time 60 \
  --dump-header reponse.headers \
  --output reponse.json \
  --write-out 'Statut HTTP : %{http_code}\n' \
  https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  --data-binary @- <<EOF
{
  "model": "$LLM_MODEL",
  "messages": [
    {
      "role": "system",
      "content": "Vous résumez fidèlement le texte fourni en français. N'ajoutez aucune information."
    },
    {
      "role": "user",
      "content": "Résumez en une phrase : La bibliothèque municipale ferme lundi pour réaliser un inventaire. Elle rouvrira mardi aux horaires habituels."
    }
  ],
  "max_tokens": 200,
  "stream": false
}
EOF

Authorization contient la preuve d’accès. Content-Type annonce un corps JSON. model désigne le modèle demandé, tandis que messages contient les instructions et le texte.

La commande écrit les en-têtes et le corps dans des fichiers séparés. Elle affiche aussi le statut HTTP, utile pour distinguer une réponse du service d’un problème de connexion.

Lisez le résultat :

cat reponse.json

Ne remplacez pas simplement le texte d’exemple par une longue variable contenant un document quelconque. Des guillemets ou des retours à la ligne pourraient rendre le JSON invalide. Pour traiter des données variables, faites construire le JSON par un encodeur dans votre langage de programmation.

À la fin de l’exercice, retirez la clé de l’environnement du terminal :

unset OPENROUTER_API_KEY

Cette commande ne révoque pas la clé côté plateforme.

4. Lire la réponse avant de l’utiliser

Le fichier reçu est une enveloppe technique. Dans le format Chat Completions employé ici, le texte se trouve généralement dans choices[0].message.content. Les autres champs servent notamment à identifier la réponse, comprendre son arrêt et suivre la consommation.

Examinez trois éléments séparément :

Le résultat technique : la requête a-t-elle été acceptée, ou contient-elle une erreur ?
La fin de génération : le modèle a-t-il terminé normalement, ou atteint une limite ?
Le contenu : le résumé respecte-t-il le texte et les instructions ?

Un statut de succès ne garantit pas un résumé correct. Dans notre exercice, le résultat doit conserver la fermeture du lundi et la réouverture du mardi, sans inventer de motif supplémentaire.

Les compteurs de consommation utilisent des tokens, des unités de texte qui ne correspondent pas systématiquement à des mots. Évitez donc les conversions fixes entre mots, caractères et tokens pour établir une facture.

La fenêtre de contexte délimite ce que le modèle peut traiter dans un appel, selon ses règles. Le texte d’entrée, les instructions, l’historique et la génération occupent un budget qu’il faut vérifier pour le modèle choisi.

Si une application doit conserver un résultat, elle doit aussi pouvoir refuser une réponse vide, tronquée ou incohérente. Afficher directement tout ce qui arrive convient mal à un traitement automatisé.

5. Régler les paramètres progressivement

Commencez avec peu de paramètres. Ajoutez un réglage pour résoudre un problème observé, puis comparez le résultat sur les mêmes exemples.

La référence des paramètres, consultée le 24 octobre 2026, précise que leur prise en charge dépend du modèle et du fournisseur. Un paramètre absent peut laisser le fournisseur appliquer sa valeur par défaut.

Paramètre	Fonction	Précaution
`model`	Sélectionner le modèle	Vérifier l’identifiant et l’accès
`messages`	Fournir instructions et contenu	Séparer clairement les rôles
`max_tokens`	Plafonner la génération	Prévoir assez de place pour terminer
`temperature`	Modifier la variété des réponses	Ne pas l’assimiler à un réglage de vérité
`top_p`	Agir sur la sélection des tokens	Éviter de tout modifier simultanément
`stream`	Recevoir progressivement la génération	Prévoir la gestion des interruptions

Une température basse peut limiter la diversité des formulations. Elle ne garantit ni l’exactitude factuelle ni une reproduction parfaite entre exécutions. Pour une extraction, la validation du résultat compte davantage qu’une valeur supposée idéale.

Un plafond de sortie trop faible peut couper la réponse. Avec certains modèles de raisonnement, une partie du budget peut aussi être consommée sans apparaître dans le texte final. Si la sortie est vide, examinez la consommation et le motif d’arrêt avant de relancer.

Pour choisir le modèle lui-même, le guide Choisir un modèle de langage complète cette méthode. Gardez constants le texte et les critères d’évaluation lorsque vous comparez plusieurs candidats.

6. Calculer le coût par tâche réussie

Pour un appel textuel simple, le calcul de base additionne les tokens d’entrée et de sortie, chacun multiplié par son tarif. D’autres postes peuvent s’ajouter selon le service : cache, raisonnement, outils ou modalités particulières.

Voici une simulation pédagogique, sans lien avec un tarif commercial : supposons une entrée à 1 dollar par million de tokens et une sortie à 4 dollars par million. Avec 2 000 tokens d’entrée et 500 de sortie :

Entrée : 2 000 / 1 000 000 × 1 $ = 0,002 $
Sortie : 500 / 1 000 000 × 4 $ = 0,002 $
Total simulé : 0,004 $ par appel

Dans cette hypothèse, 1 000 appels identiques représenteraient 4 dollars, hors autres frais. Ces nombres expliquent le calcul ; ils ne constituent ni un devis ni une estimation de votre usage.

Le bon indicateur est le coût d’une tâche réussie. Un modèle moins cher par token peut nécessiter davantage de tentatives, de corrections ou de vérifications. Une conversation longue peut également renvoyer plusieurs fois les mêmes passages.

Pour votre budget réel, relevez le tarif applicable au modèle et au fournisseur sélectionnés, avec sa date. Mesurez ensuite des tâches représentatives et confrontez les compteurs au tableau de bord de facturation.

Le calculateur de prix LLM aide à comparer les volumes. Le guide Comprendre les prix des API de LLM détaille les postes à examiner, tandis que l’article Combien coûte vraiment un agent IA par mois ? couvre les dépenses d’une application qui enchaîne des appels.

7. Séparer instructions, documents et format attendu

Une instruction utile décrit le travail, la source autorisée et le résultat attendu. Pour résumer un document, précisez que les informations doivent venir du document et que les éléments absents doivent rester absents.

Séparez les règles de l’application du contenu à analyser. Un document reçu d’un utilisateur peut lui-même contenir des phrases qui ressemblent à des ordres. Votre programme doit le traiter comme une donnée, sans lui donner le pouvoir de changer les permissions ou la destination des résultats.

Pour alimenter un logiciel, demander simplement du JSON dans le message reste insuffisant. Les sorties structurées documentées, consultées le 24 octobre 2026, permettent de définir un schéma avec les modèles compatibles.

Votre application doit encore vérifier la présence des champs, leurs types et les valeurs acceptées. Une réponse conforme au schéma peut contenir une date fausse ou un montant absent du document source. La conformité de forme et l’exactitude métier sont deux contrôles distincts.

Prévoyez une issue explicite lorsque l’information manque : valeur absente autorisée, statut à vérifier ou transfert vers un humain. Forcer le modèle à remplir tous les champs encourage les compléments injustifiés.

Enfin, une API ne devient pas un agent parce qu’elle produit du texte structuré. L’article Créer son premier agent IA présente l’étape suivante : ajouter des outils, un état et une boucle d’exécution sous contrôle.

8. Protéger les données et encadrer les dépenses

Avant d’envoyer un document réel, identifiez son trajet. Avec un intermédiaire, les données passent par la plateforme puis par le fournisseur retenu. Vérifiez aussi les journaux que votre propre application produit.

La politique de confidentialité d’OpenRouter, consultée le 24 octobre 2026, distingue les pratiques de la plateforme de celles des fournisseurs de modèles. Une garantie sur l’entraînement ne répond pas, à elle seule, aux questions de conservation, d’accès ou de localisation.

Pour débuter, utilisez des données publiques ou fictives. Supprimez les informations inutiles à la tâche : coordonnées, identifiants de compte, secrets techniques ou pièces jointes sans rapport avec la demande.

Côté budget, cumulez plusieurs contrôles : limite de la clé, longueur maximale des entrées, plafond de génération et nombre maximal de tentatives. Pour une application ouverte à des utilisateurs, ajoutez un quota par utilisateur afin qu’une personne ne consomme pas tout le budget.

Gardez la clé sur votre serveur. Le navigateur de l’utilisateur appelle votre application, qui vérifie ses droits avant d’interroger le modèle. Limitez également la taille des requêtes et le nombre d’appels simultanés.

Journalisez de préférence des métadonnées : modèle demandé, durée, consommation, statut et identifiant de requête. L’enregistrement intégral des documents et des réponses doit répondre à un besoin précis, avec des accès et une durée de conservation définis.

9. Problèmes fréquents

Les erreurs documentées par la plateforme, consultées le 24 octobre 2026, permettent de distinguer un problème de requête d’un incident temporaire.

Symptôme	Cause à examiner	Première action
Statut `400`	JSON invalide ou paramètre incompatible	Lire le message et simplifier l’appel
Statut `401`	Clé absente, invalide ou révoquée	Vérifier le chargement du secret
Statut `402`	Crédits ou budget insuffisants	Consulter le solde et les limites
Statut `403`	Permission ou règle de blocage	Examiner les restrictions applicables
Statut `429`	Limite de débit atteinte	Attendre avant une nouvelle tentative
Statut `502` ou `503`	Incident de disponibilité	Réessayer avec une attente bornée
Texte coupé ou vide	Budget épuisé ou génération interrompue	Examiner le motif d’arrêt et l’usage

Ne relancez pas en boucle une requête invalide ou une clé refusée. Pour les incidents temporaires, espacez progressivement les tentatives, respectez l’en-tête Retry-After lorsqu’il existe et fixez une limite globale.

Un délai dépassé côté client ne prouve pas que le fournisseur n’a rien traité. Une nouvelle tentative peut donc produire une consommation supplémentaire. Si votre programme déclenche ensuite une action métier, protégez-le aussi contre les doublons.

Pour demander de l’aide, conservez l’heure, l’identifiant de requête et un exemple minimal anonymisé. Ne publiez jamais la clé ni le document confidentiel concerné.

10. Valider le passage à un usage régulier

Avant d’intégrer cet appel à un processus réel, préparez un petit ensemble de cas représentatifs : texte simple, document incomplet, entrée longue, consigne ambiguë et contenu hors sujet. Ajoutez les situations où la bonne réponse consiste à signaler une information manquante.

Définissez vos critères avant de comparer les résultats. Pour un résumé : faits conservés, absence d’ajout, langue correcte et longueur acceptable. Pour une extraction : valeurs fidèles à la source, champs contrôlés et erreurs détectées.

Conservez l’identifiant du modèle et les paramètres utilisés. Une modification de modèle, de fournisseur ou d’instructions justifie une nouvelle vérification sur ces mêmes cas. Mesurez aussi la durée et le coût, car une réponse correcte mais trop lente peut ne pas convenir à votre application.

Terminez avec cette checklist :

La clé est dédiée, protégée et révocable.
Le modèle et les paramètres acceptés ont été vérifiés.
Le premier appel utilise des données sans confidentialité particulière.
Le programme contrôle les erreurs, les sorties vides et les réponses tronquées.
Les résultats sont évalués sur des exemples représentatifs.
Le coût observé est rapproché de la facturation.
Les tentatives, les volumes et les dépenses sont plafonnés.
Les données transmises et les journaux ont un périmètre défini.

Vous disposez alors d’une base contrôlable : un appel compréhensible, un résultat vérifié et un budget mesurable. Ajoutez les fonctions suivantes progressivement, en conservant ces contrôles à chaque étape.

Pages liées

Questions fréquentes

Faut-il un abonnement à un chatbot pour utiliser une API LLM ?

L'accès à une interface de discussion et l'accès à une API correspondent à des offres distinctes. Vérifiez les conditions de la plateforme choisie : un abonnement à un chatbot ne prouve pas que vous disposez de crédits API.

Peut-on appeler une API LLM sans installer de bibliothèque ?

Oui, une requête HTTP suffit si votre environnement sait l'envoyer. Une bibliothèque facilite ensuite la lecture des réponses et la gestion des erreurs, mais elle ajoute une dépendance à maintenir.

Pourquoi une réponse courte peut-elle coûter plus cher que prévu ?

La facturation peut inclure un long texte d'entrée, un historique renvoyé à chaque échange ou des tokens de raisonnement. Examinez les données de consommation plutôt que la seule longueur du texte affiché.

Peut-on changer de fournisseur sans modifier son application ?

Une interface compatible peut limiter les adaptations, mais elle ne garantit pas un comportement identique. Les paramètres acceptés, les formats de réponse, les règles de conservation et les résultats doivent être vérifiés à nouveau.

Que faire si une clé API apparaît dans un dépôt public ?

Révoquez-la immédiatement, puis créez un nouveau secret et mettez à jour les applications concernées. Retirer la ligne du dépôt ne suffit pas : la clé a pu être copiée ou rester accessible dans l'historique.

Premiers pas avec l'API d'un LLM : clé, premier appel, paramètres, coûts, bonnes pratiques