Guide du débutant sur l'API OpenAI : Didacticiel pratique et bonnes pratiques

Fonctionnalités de l'API OpenAI

Voici quelques-unes des principales caractéristiques qui font de l'API OpenAI un outil précieux pour tous ceux qui cherchent à intégrer l'IA dans leur entreprise :

1. Modèles d'IA pré-entraînés

Les modèles préformés sont des modèles d'apprentissage automatique qui ont déjà été formés sur un grand ensemble de données, souvent pour une tâche générale, avant d'être utilisés pour une tâche spécifique. L'équipe d'OpenAI a formé et publié ces modèles sous forme d'API, ce qui signifie qu'ils sont formés une fois et que nous pouvons les utiliser plusieurs fois, ce qui peut représenter un énorme gain de temps et de ressources.

Voici quelques-uns des modèles mis sur le marché :

• GPT-4: Versions améliorées des modèles GPT-3.5, capables de comprendre et de créer à la fois du texte et du code.
• GPT-3.5: : Versions améliorées des modèles GPT-3, capables de comprendre et de générer du texte ou du code.
• GPT Base : Modèles capables de traiter et de générer du texte ou du code, mais qui n'ont pas la capacité de suivre des instructions.
• DALL-E : Un modèle qui crée et modifie des images à partir d'invites textuelles.
• Chuchotez: Transforme les données audio en texte écrit.
• Emboîtements: Modèles qui transforment le texte en valeurs numériques.
• Modération: Un modèle affiné qui identifie les textes potentiellement sensibles ou dangereux.

Ces modèles ont été entraînés sur d'énormes quantités de données et ont utilisé une puissance de calcul considérablement élevée, qui n'est souvent pas disponible ou abordable pour les particuliers ou même pour de nombreuses organisations. Désormais, les scientifiques des données et les entreprises peuvent facilement utiliser les modèles pré-entraînés sous la forme d'une API.

2. Modèles d'IA personnalisables

La personnalisation des modèles dans l'API OpenAI implique principalement un processus connu sous le nom de "fine-tuning", qui permet aux utilisateurs d'adapter les modèles pré-entraînés pour mieux répondre à leurs cas d'utilisation spécifiques.

L'API OpenAI nous permet de prendre les modèles pré-entraînés et d'utiliser nos données d'entraînement, d'entraîner davantage les modèles et d'utiliser les modèles affinés pour nos cas d'utilisation. Pour en savoir plus sur le processus de mise au point d'un modèle GPT-3, cliquez ici. Le réglage fin permet d'économiser des coûts et de réduire les temps de latence pour les applications en aval.

3. Interface API simple

La plateforme API OpenAI est intuitive et simple à utiliser pour un débutant. Avec quelques lignes de code, grâce à la documentation complète et aux exemples de démarrage rapide, il est facile de commencer à utiliser l'API dans vos cas d'utilisation sans avoir à parcourir une courbe d'apprentissage abrupte.

Cette simplicité est utile aux personnes qui sont au début de leur carrière dans le domaine des données, car elle rend le passage à l'IA moins intimidant et plus engageant.

4. Infrastructure évolutive

OpenAI a fait évoluer les clusters Kubernetes jusqu'à 7 500 nœuds afin de fournir une infrastructure évolutive pour les grands modèles tels que GPT-3, CLIP et DALL-E, ainsi que pour la recherche itérative rapide à petite échelle. Azure OpenAI Service fonctionne sur l'infrastructure globale Azure pour répondre aux besoins de production tels que la sécurité critique de l'entreprise, la conformité et la disponibilité régionale, indiquant une infrastructure évolutive pour soutenir l'utilisation de l'API OpenAI.

Au fur et à mesure que vos projets prennent de l'ampleur et deviennent plus complexes, vous avez besoin d'une infrastructure capable d'évoluer avec eux. La capacité de l'API OpenAI à s'adapter à l'augmentation de l'utilisation est particulièrement utile lorsque vous passez de petits projets à des projets plus importants et plus exigeants, ce qui fait de l'API OpenAI un outil fiable pour vos projets.

Cas d'utilisation de l'API OpenAI dans l'industrie

Plus de 300 applications utilisent actuellement le GPT-3 via l'API OpenAI, ce qui indique qu'une vaste gamme d'applications créatives et uniques est en cours de développement dans le monde entier. Voici quelques-unes des applications industrielles courantes de l'API OpenAI :

1. Chatbots et assistants virtuels

La capacité de l'API OpenAI à comprendre et à générer des textes de type humain en fait un candidat de choix pour la création de chatbots et d'assistants virtuels intelligents. Les modèles pré-entraînés tels que GPT-4 ou ChatGPT peuvent être utilisés pour alimenter des agents conversationnels capables d'interagir avec les utilisateurs de manière naturelle et intuitive. Ces agents peuvent être déployés sur des sites web, des applications ou des plateformes de service à la clientèle afin d'améliorer l'engagement des utilisateurs et de fournir une assistance automatisée.

2. Analyse des sentiments

L'analyse des sentiments consiste à comprendre le sentiment qui se cache derrière les données textuelles. Avec l'API OpenAI, vous pouvez analyser les avis des clients, les commentaires des médias sociaux ou toute autre donnée textuelle pour évaluer l'opinion publique ou la satisfaction des clients. En utilisant des modèles tels que GPT-4 ou 3.5, vous pouvez automatiser le processus d'analyse des sentiments et obtenir des informations qui peuvent être cruciales pour les stratégies commerciales.

3. Reconnaissance d'images

Bien que l'OpenAI soit souvent associée au traitement de texte, elle s'aventure également dans le domaine de la reconnaissance d'images avec des modèles tels que CLIP. CLIP est un modèle qui apprend des concepts visuels à partir de descriptions en langage naturel et peut être utilisé via l'API OpenAI pour des tâches telles que la détection d'objets, la classification d'images, etc. Cela ouvre des possibilités dans divers domaines, y compris les soins de santé, où la reconnaissance d'images peut être utilisée pour identifier des conditions médicales à partir de données d'imagerie.

4. Jeux et apprentissage par renforcement

L'API OpenAI trouve également son application dans l'industrie du jeu et dans les environnements d'apprentissage par renforcement. Les modèles peuvent être entraînés ou affinés pour interagir avec les environnements de jeu, en prenant des décisions qui pourraient soit jouer le jeu de manière autonome, soit aider les joueurs dans le jeu.

OpenAI en a fait la démonstration avec des modèles tels que Dactyl, qui a appris à résoudre un Rubik's cube grâce à l'apprentissage par renforcement, et OpenAI Five, qui a affronté des joueurs humains dans le jeu Dota 2.

Maintenant que nous avons compris l'API OpenAI et ses cas d'utilisation, passons à la pratique et commençons à l'utiliser.

Pratique : Démarrer avec l'API OpenAI

Supposons que vous soyez un débutant absolu en matière d'API OpenAI et que vous fassiez votre premier appel d'API étape par étape.

Étape 1 : Créez un compte sur la plateforme OpenAI

Avant toute chose, vous aurez besoin d'un compte sur la plateforme OpenAI.

Rendez-vous sur la plateforme OpenAI et suivez les instructions pour créer un compte. Une fois inscrit, vous devriez voir quelque chose comme ceci :

Étape 2 : Obtenez votre clé API

Une fois votre compte créé, vous devrez récupérer votre clé API, qui est essentielle pour interagir avec l'API.

Naviguez vers la page des clés API sur votre compte OpenAI, comme indiqué dans le diagramme ci-dessous.

Vous pouvez maintenant créer une clé API, que vous devez copier et conserver en lieu sûr, car vous ne pourrez plus la consulter. Toutefois, si vous le perdez ou si vous en avez besoin d'un nouveau, il est possible d'en générer un nouveau.

Étape 3 : Installez la bibliothèque OpenAI Python

Maintenant que la configuration du compte et les clés API sont prêtes, l'étape suivante consiste à travailler sur la configuration de notre machine locale. Nous pouvons accéder à l'API OpenAI depuis notre machine locale grâce à la bibliothèque Python d'OpenAI.

Vous pouvez l'installer à l'aide de pip en utilisant la commande ci-dessous :

pip install openai

Étape 4 : Effectuer votre premier appel à l'API

Maintenant que vous avez votre clé API et que la bibliothèque OpenAI est installée, il est temps de faire votre premier appel API.

Voici le code pour ce faire :

def get_chat_completion(prompt, model="gpt-3.5-turbo"):
  
   # Creating a message as required by the API
   messages = [{"role": "user", "content": prompt}]
  
   # Calling the ChatCompletion API
   response = openai.ChatCompletion.create(
       model=model,
       messages=messages,
       temperature=0,
   )

   # Returning the extracted response
   return response.choices[0].message["content"]

response = get_chat_completion("Translate into Spanish: As a beginner data scientist, I'm excited to learn about OpenAI API!")

print(response)

Nous écrivons une fonction d'aide pour utiliser l'API ChatCompletion en sélectionnant le modèle "gpt-3.5-turbo", qui accepte l'invite générée par l'utilisateur et renvoie la réponse.

Voici la réponse (n'hésitez pas à la valider si vous connaissez un peu l'espagnol !)

Étape 5 : Poursuivre l'exploration

Avec votre premier appel API à votre actif, vous êtes sur la bonne voie ! Voici quelques étapes à envisager :

• Explorez différents moteurs et trouvez celui qui convient le mieux à votre cas d'utilisation.
• Expérimentez différentes invites et différents paramètres pour voir comment l'API réagit.
• Plongez dans la documentation OpenAI pour en savoir plus sur ce que vous pouvez faire avec l'API.

L'idée est que vous devez réfléchir à partir de là à la manière dont vous pouvez utiliser l'API pour résoudre le problème commercial qui se pose (d'autres ressources sont fournies à la fin du didacticiel).

Meilleures pratiques lors de l'utilisation de l'API OpenAI

Maintenant que vous êtes à l'aise avec l'API, voici quelques bonnes pratiques à respecter avant de l'utiliser dans vos projets :

1. Comprendre la tarification de l'API

L'API propose une gamme de modèles, chacun avec des capacités et des prix différents, dans le cadre d'une approche de paiement à l'usage. Les coûts sont calculés pour 1 000 jetons, les jetons étant essentiellement des morceaux de mots, et 1 000 jetons équivalent à environ 750 mots. Vous pouvez trouver les prix mis à jour pour tous les modèles sur la page des prix d'OpenAI.

Lorsque vous vous inscrivez, vous commencez par recevoir 5 $ de crédit gratuit que vous pouvez utiliser au cours de vos trois premiers mois. Vous pouvez essayer le didacticiel et mieux comprendre l'API avant de décider de payer.

2. Sécuriser votre clé API

Au lieu de coder en dur votre clé API directement dans le code source de votre application, utilisez des variables d'environnement pour stocker et récupérer la clé API, ce qui est une pratique plus sûre.

Il est également difficile de gérer des clés d'API codées en dur, en particulier dans un environnement d'équipe. Si la clé doit être tournée ou modifiée, chaque instance de la clé codée en dur dans le code source doit être trouvée et mise à jour.

3. Utiliser les modèles les plus récents

OpenAI recommande d'utiliser les modèles les plus récents pour le problème que vous souhaitez résoudre lorsque plusieurs versions sont disponibles. Cela se justifie par le fait que les nouveaux modèles sont plus performants, mais aussi plus coûteux. En général, il vaut la peine d'essayer quelques modèles disponibles et de choisir celui qui répond le mieux à vos besoins, en tenant compte du rapport coût/performance.

4. Utiliser efficacement les limites de jetons grâce à la mise en lots

La mise en lots est une technique qui vous permet de regrouper plusieurs tâches en une seule demande d'API afin de les traiter ensemble de manière efficace plutôt que d'envoyer des demandes individuelles pour chaque tâche.

L'API OpenAI impose des limites distinctes pour le nombre de demandes par minute et le nombre de jetons par minute que vous pouvez traiter. Si vous atteignez la limite de requêtes par minute mais que vous disposez d'une capacité inutilisée dans la limite de jetons par minute, la mise en lots peut vous aider à utiliser cette capacité de manière efficace.

En regroupant plusieurs petites tâches en une seule demande, vous réduisez le nombre total de demandes envoyées tout en traitant éventuellement plus de jetons en une seule demande, ce qui vous permet de rester en deçà des limites tarifaires et d'optimiser les coûts.

Conclusion

Si vous êtes relativement novice en matière de science des données, vous n'avez peut-être pas beaucoup tâté des API. Bien que cela ait été normal dans le passé, avec les progrès rapides et les capacités de l'IA par des entreprises comme OpenAI, savoir comment utiliser efficacement leurs modèles pré-entraînés (et les affiner) à partir de leur API est devenu une compétence essentielle pour chaque scientifique des données afin d'économiser du temps, des coûts et d'autres ressources.

Ce tutoriel a présenté OpenAI, son API et certains cas d'utilisation courants spécifiques à l'industrie. Il vous a également permis de vous familiariser avec l'API OpenAI et les meilleures pratiques à suivre.

La prochaine étape consistera à élargir vos connaissances de l'API OpenAI en utilisant des tutoriels tels que :

• Aide-mémoire de l'API OpenAI en Python
• Utilisation de GPT-3.5 et GPT-4 via l'API OpenAI en Python
• Introduction à l'intégration de texte avec l'API OpenAI
• Tutoriel d'appel de fonction OpenAI

Si vous préférez une approche guidée qui vous donne une expérience pratique complémentaire à ce tutoriel, consultez notre propre cours Working with the OpenAI API (Travailler avec l'API OpenAI ).