LLM APIs et tool calling
Savoir connecter une app à un modèle, appeler des outils, structurer les sorties et gérer les erreurs.
Pourquoi ça compte
C’est la base pour passer du chatbot simple à un système IA capable d’agir dans une application.
Le tool calling permet de connecter le modèle à tes données, APIs, workflows et actions métier.
Ce que tu dois comprendre
Expliquer le problème que "LLM APIs et tool calling" résout, ses limites et ses cas d'usage réalistes.
Mettre en pratique: créer un endpoint qui appelle un LLM avec sortie JSON structurée.
Construire une preuve exploitable: un mini service API qui reçoit une demande utilisateur et déclenche un outil typé.
Relier ce sujet aux items voisins de la roadmap et aux décisions produit ou architecture.
Projet preuve / livrable
Un mini service API qui reçoit une demande utilisateur et déclenche un outil typé.
Cours à compléter
Lis le texte de l'étape, ouvre le cours complet, puis coche l'étape seulement quand tu l'as réellement terminée.
- Étape 01OpenAI Developers
Créer un endpoint qui appelle un LLM avec sortie JSON structurée.
Cours complet -> Structured Outputs - Étape 02OpenAI Developers
Ajouter un outil `searchDocuments` et un outil `createTask` avec validation stricte.
Cours complet -> Function Calling Guide - Étape 03OpenAI Developers
Logger les prompts, tools appelés, erreurs et coût estimé.
Cours complet -> Production Best Practices - Étape 04GitHub Docs
Transformer "LLM APIs et tool calling" en preuve visible: README, capture, courte vidéo ou commit commenté.
Cours complet -> About READMEs - Étape 05ADR GitHub
Relire les sources principales et noter les compromis, limites et prochaines améliorations du livrable "Un mini service API qui reçoit une demande utilisateur et déclenche un outil typé.".
Cours complet -> Architecture Decision Records
Avance étape par étape: ouvre le cours, complète l'exercice, puis coche l'étape avant la suite.
Prochaine section- Le livrable existe avec code, capture, vidéo, README ou note vérifiable.
- Créer un endpoint qui appelle un LLM avec sortie JSON structurée.
- Ajouter un outil `searchDocuments` et un outil `createTask` avec validation stricte.
- Le README explique contexte, architecture, limites, coût ou risques importants.
- Tu peux expliquer en 5 minutes les sources, compromis et prochaine amélioration.
Common traps
- Ne te limite pas à regarder des vidéos sans produire un livrable visible.
- Ne passe pas au sujet suivant sans commit, README ou capture de démo.
- Ne marque pas l'item comme fait si les critères d'acceptation ne sont pas encore vérifiables.