Réponse courte
Traitez la sortie du modèle comme un texte non fiable. Demandez du JSON, conservez la réponse brute, analysez-la localement et validez l’objet avec Pydantic. En cas d’échec, renvoyez une erreur explicite ou effectuez une seule tentative de réparation limitée. Cette méthode ne nécessite pas de paramètre de sortie structurée propre à un fournisseur. Elle ne garantit pas non plus un JSON valide dès la première réponse.Exemple Python
Installez OpenAI SDK et Pydantic, puis utilisez l’API OpenAI-compatible Chat Completions :Flux de validation
- Définissez le plus petit schema nécessaire à l’application.
- Demandez du JSON sans ajouter de champs absents du schema.
- Conservez la réponse brute dans un emplacement protégé si votre politique de données l’autorise.
- Analysez avec
json.loads. - Validez avec
model_validate. - Renvoyez un échec explicite ou effectuez une tentative de réparation limitée.
Vérifications en cas d’échec
Pydantic valide l’objet côté client. Il ne prouve pas que les valeurs factuelles sont correctes. Ajoutez des contrôles métier pour les ID, autorisations, totaux et autres règles du domaine.

