Comment utiliser la nouvelle API de recherche Web d'OpenAI en 2026 ? Guide d'intégration DeepSeek.

OpenAI a apporté des mises à jour substantielles à sa plateforme de développement, transformant le développement d'agents grâce à une fonctionnalité de recherche Web améliorée. La nouvelle API Responses permet d'intégrer des appels d'outils pour la recherche sur le Web et dans les fichiers, ce qui permet aux modèles d'accéder efficacement aux données en temps réel. Ce guide examine ces mises à jour, en soulignant comment les développeurs peuvent utiliser les API Chat Completion et Responses avec la recherche Web, ainsi qu'une technique intelligente pour intégrer les modèles DeepSeek R1 afin d'obtenir des performances exceptionnelles. Découvrez comment ces innovations peuvent améliorer vos projets d'IA et maintenir vos modèles à jour avec les dernières informations.

Points clés

OpenAI a publié une mise à jour importante de sa plateforme, intégrant des fonctionnalités de recherche Web directement dans l'API Chat Completion.

L'API Responses comprend désormais des appels d'outils intégrés pour la recherche sur le Web et dans les fichiers, prenant en charge la récupération de données en temps réel.

Les modèles peuvent désormais récupérer des informations actuelles sans outils externes, ce qui rationalise la collecte de données.

L'utilisation des modèles de recherche Web via l'API Chat Completion est aussi simple que l'appel d'autres modèles OpenAI, ce qui simplifie l'intégration.

Les modèles Perplexity Sonar, y compris les versions Web de Llama 3.3 et DeepSeek R1, sont disponibles via le client API OpenAI.

L'intégration des modèles Perplexity Sonar nécessite de changer la clé API OpenAI et de modifier l'URL de base.

La mise à jour offre des options économiques, avec des entrées de modèle gpt-4o-mini au prix de seulement 0,15 $ par million de jetons.

L'utilisation d'annotations permet l'extraction séparée des URL citées, améliorant ainsi la transparence et la vérification des données.

Les nouveaux blocs de construction d'agents d'OpenAI

Comprendre la mise à jour d'OpenAI

OpenAI a lancé une mise à jour majeure de sa plateforme de développement, axée principalement sur les modules de création d'agents avec des capacités de recherche Web intégrées. Cette mise à jour vise à fournir aux développeurs des outils améliorés pour créer des agents IA plus compétents et plus dynamiques.

L'API Chat Completion inclut désormais des modèles avec une fonctionnalité de recherche Web intégrée, ce qui représente une avancée significative dans la capacité de l'IA à accéder et à utiliser des données en temps réel. L'intégration directe de la recherche Web via l'API offre une méthode simplifiée pour la récupération d'informations, garantissant que les modèles d'IA restent à jour et pertinents. En incorporant des données en temps réel, les applications construites sur la plateforme OpenAI peuvent fournir des réponses plus précises, contextuelles et opportunes. L'API Responses améliore encore les appels d'outils intégrés tels que la recherche sur le Web et dans les fichiers. Cette API simplifie la manière dont les modèles d'IA interagissent avec les ressources externes, leur permettant de récupérer des informations en temps réel sans dépendances externes. Ces mises à jour facilitent le développement de solutions d'IA puissantes et efficaces. Ces derniers développements marquent une évolution vers des outils de développement d'IA plus intégrés et plus accessibles. En fournissant un accès direct à la recherche sur le Web, OpenAI permet aux développeurs de créer des applications plus intelligentes, plus réactives et mieux informées.

Présentation de l'API Responses

L'API Responses est un outil transformateur pour les développeurs qui intègrent des données en temps réel dans leurs modèles d'IA. Cette API simplifie les appels d'outils intégrés pour la recherche sur le Web et dans les fichiers, qui étaient auparavant plus complexes à mettre en œuvre. Elle représente une nouvelle API primitive puissante qui combine les meilleures fonctionnalités des API Chat Completions et Assistants. La simplicité et l'efficacité de l'API Responses permettent aux développeurs de se concentrer sur la création de solutions innovantes plutôt que sur la gestion de configurations complexes. L'utilisation de l'API Responses est simple, car elle s'intègre parfaitement à l'API Chat Completions. Au lieu de s'appuyer sur des plugins externes ou du code personnalisé pour la récupération d'informations, les développeurs peuvent désormais utiliser l'API Responses pour effectuer des requêtes directes et recevoir des données actuelles dans leurs modèles d'IA. Cela permet aux modèles d'accéder à des informations à jour, améliorant ainsi leur précision et leur pertinence tout en réduisant leur complexité. L'API Responses rationalise le développement et aide les développeurs à créer des applications d'IA plus sophistiquées avec plus de facilité et d'efficacité. Cette API est essentielle pour les développeurs qui créent des modèles d'IA à la fois intelligents et adaptables à l'environnement en constante évolution des données en temps réel. En adoptant l'API Responses, les développeurs peuvent s'assurer que leurs applications d'IA restent à la pointe de la technologie.

Fonctionnalités de recherche Web dans l'API Chat Completion

L'intégration des capacités de recherche Web dans l'API Chat Completion marque une avancée considérable dans l'évolution du développement de l'IA. Cette intégration permet aux développeurs de créer des agents IA qui non seulement génèrent des textes semblables à ceux rédigés par des humains, mais qui accèdent également à des informations Web en temps réel et les intègrent.

L'API Chat Completion propose désormais des modèles spécialement conçus pour effectuer des recherches sur le Web, permettant à l'IA de répondre à des questions, de fournir des informations et de proposer des recommandations basées sur les données disponibles les plus récentes. Cette intégration signifie que les agents IA peuvent être déployés dans des scénarios nécessitant des informations en temps réel, tels que l'agrégation d'actualités, l'analyse de marché et le support client. En réduisant leur dépendance vis-à-vis d'outils externes, les développeurs peuvent créer des solutions IA plus autonomes et plus efficaces. L'accès direct aux informations via l'API Chat Completion garantit que les modèles d'IA fonctionnent toujours avec les informations les plus récentes, ce qui se traduit par des résultats plus précis et plus pertinents. Cette fonctionnalité simplifie plus que jamais le développement d'agents IA informatifs et fiables.

Intégration des modèles Perplexity Sonar

Accès à DeepSeek R1 et Llama 3.3 via l'API OpenAI

Alors que les modèles natifs d'OpenAI incluent désormais la recherche sur le Web, les modèles Perplexity Sonar offrent depuis plusieurs semaines un accès Web à Llama 3.3 et DeepSeek R1 via l'API OpenAI. Cela constitue une alternative intéressante. Pour utiliser Perplexity Sonar, vous devez remplacer la clé API Perplexity et modifier l'URL de base. La structure du code reste pratiquement identique à celle des modèles OpenAI.

from openai import OpenAIclient = OpenAI(api_key="YOUR_PERPLEXITY_API_KEY",base_url="https://api.perplexity.ai")completion = client.chat.completions.create(model="sonar-reasoning-pro",messages=[{"role": "user", "content": « La Chambre des représentants américaine a-t-elle évité aujourd'hui la fermeture du gouvernement ? »}])print(completion.choices[0].message.content)

Les principales différences sont les suivantes :

• Utilisation de votre clé API Perplexity.
• Définition de base_url sur https://api.perplexity.ai.
• Spécifier un modèle Perplexity Sonar (tel que sonar-reasoning-pro).

Cette approche vous permet d'utiliser des modèles avancés tels que DeepSeek R1 avec un minimum de modifications du code.

Inconvénients

Modèles Perplexity Sonar : principales fonctionnalités et offres

Perplexity Sonar propose plusieurs modèles avancés conçus pour améliorer les capacités de recherche et de raisonnement sur le Web. Ces modèles s'appuient sur des architectures telles que Llama 3.3 et DeepSeek R1, offrant des performances de pointe en matière de recherche et d'analyse d'informations. Voici un aperçu des principales fonctionnalités et offres des modèles Perplexity Sonar.

• Sonar Pro: solution de recherche haut de gamme avec ancrage de recherche, prenant en charge les requêtes avancées et les suivis. Idéal pour les tâches complexes en plusieurs étapes nécessitant une compréhension approfondie et la conservation du contexte.
• Sonar Reasoning Pro: solution de raisonnement haut de gamme optimisée par DeepSeek R1, offrant un raisonnement avancé en chaîne de pensée ainsi que des recherches et des citations en temps réel sur Internet. Parfaite pour les analyses détaillées nécessitant les informations les plus récentes.
• Sonar: solution légère avec base de recherche, plus rapide et plus abordable que Sonar Pro. Idéale pour obtenir des réponses simples avec citations, en équilibrant vitesse et coût.
• Sonar Reasoning: solution de raisonnement légère alimentée par des modèles de raisonnement formés avec DeepSeek R1, comprenant également le raisonnement en chaîne et les citations. Idéale pour développer des thèses d'investissement pour les introductions en bourse américaines à venir.

Comment utiliser la recherche Web dans vos projets

Configurer votre environnement

Pour commencer à utiliser la recherche Web dans vos projets OpenAI, configurez d'abord votre environnement de développement. Cela implique d'importer le module OpenAI et d'authentifier votre clé API. Assurez-vous d'avoir installé la dernière version de la bibliothèque OpenAI afin de tirer pleinement parti des nouvelles fonctionnalités. Une fois le module importé, créez une instance client à l'aide de votre clé API.

Étapes clés :

1. Importez le module OpenAI.
2. Définissez votre clé API.
3. Créez une instance client pour interagir avec l'API OpenAI.
4. Sélectionnez le modèle compatible avec la recherche Web adapté à votre tâche.

Une fois votre environnement configuré, vous pouvez commencer à effectuer des appels API pour effectuer des recherches Web et récupérer des informations en temps réel.

Utilisation de l'API Chat Completion

L'API Chat Completion permet d'intégrer facilement la recherche Web dans vos modèles d'IA. Commencez par créer une instance client, puis utilisez la méthode chat.completions.create pour interagir avec le modèle. Spécifiez un modèle compatible avec la recherche Web, tel que gpt-4o-mini-search-preview ou gpt-4o-search-preview, et fournissez votre requête.

Exemple de code :

from openai import OpenAIclient = OpenAI(api_key='YOUR_API_KEY')completion = client.chat.completions.create(model="gpt-4o-mini-search-preview",messages=[{"role": "user", "content": « La Chambre des représentants des États-Unis a-t-elle évité aujourd'hui la fermeture du gouvernement ? »}])print(completion.choices[0].message.content)

Ce code montre comment effectuer un appel API avec recherche Web à l'aide de l'API Chat Completion. En spécifiant le modèle et la requête appropriés, vous pouvez récupérer des informations en temps réel directement dans votre application IA.

Exploiter l'API Responses

L'API Responses introduit des appels d'outils intégrés, simplifiant la mise en œuvre de la recherche Web. Utilisez la méthode responses.create, spécifiez le modèle, définissez le paramètre tools avec l'outil de recherche Web (web_search_preview) et fournissez votre requête d'entrée.

Exemple de code :

from openai import OpenAIclient = OpenAI(api_key='YOUR_API_KEY')response = client.responses.create(model="gpt-4o-mini",tools=[{"type": "web_search_preview"}],input="La Chambre des représentants des États-Unis a-t-elle évité aujourd'hui la fermeture du gouvernement ?")print(response.output_text)

Ce code illustre comment utiliser l'API Responses pour les appels API compatibles avec la recherche Web. L'API Responses simplifie le développement et vous aide à créer plus facilement des applications d'IA plus sophistiquées.

Extraction d'annotations et de citations

Les API Chat Completion et Responses permettent toutes deux d'extraire des annotations et des citations à partir des résultats de recherche. Cela permet de vérifier l'exactitude et la fiabilité des informations du modèle. En utilisant le paramètre annotations, vous pouvez récupérer les URL et autres métadonnées associées aux résultats de recherche.

Exemple de code (API Chat Completion) :

print(completion.choices[0].message.annotations)

Exemple de code (API Responses) :

print(response.output[1].content[0].annotations)

Ces exemples de code montrent comment extraire des annotations à partir des deux API, ce qui vous permet de fournir des sources d'informations aux utilisateurs.

Comprendre la structure tarifaire

Options rentables pour les développeurs

OpenAI propose différents niveaux de tarification pour ses modèles compatibles avec la recherche Web, offrant ainsi aux développeurs des options économiques pour leurs projets.

Le modèle gpt-4o-mini ne coûte que 0,15 $ par million de jetons pour les entrées et 0,60 $ par million de jetons pour les sorties, ce qui en fait un choix économique pour de nombreuses applications. Le modèle standard gpt-4o-search-preview est proposé au prix de 2,50 $ par million de jetons pour les entrées et 10,00 $ par million de jetons pour les sorties.

Voici un résumé des tarifs :

Ces options tarifaires permettent aux développeurs de sélectionner le modèle qui correspond le mieux à leur budget et à leurs besoins en matière de performances. En choisissant soigneusement le modèle approprié, vous pouvez maximiser la valeur de vos projets OpenAI tout en contrôlant les coûts.

Avantages et inconvénients

Avantages

L'accès aux données en temps réel améliore la précision et la pertinence.

Les appels d'outils intégrés rationalisent le développement.

Les annotations et les citations renforcent la transparence.

Des options économiques sont disponibles.

Intégration transparente avec les modèles OpenAI existants.

Inconvénients

Coûts de production plus élevés pour les modèles avancés.

Dépendance vis-à-vis de l'API et de la disponibilité des services OpenAI.

Risque de résultats de recherche biaisés ou inexacts.

Contrôle limité sur le processus de recherche.

Les modèles peuvent nécessiter plus de temps pour générer des réponses.

Principales fonctionnalités de l'intégration de la recherche Web d'OpenAI

Accès à l'information en temps réel

La possibilité d'accéder à des informations en temps réel est une fonctionnalité fondamentale de l'intégration de la recherche Web d'OpenAI. Cette fonctionnalité garantit que les modèles d'IA fonctionnent toujours avec les données les plus récentes, ce qui permet d'obtenir des résultats plus précis et plus pertinents. En réduisant leur dépendance vis-à-vis des outils externes, les développeurs peuvent créer des solutions d'IA plus autonomes et plus efficaces. L'intégration fournit une connexion directe au Web, permettant aux agents d'IA de répondre à des questions, de fournir des informations et de proposer des recommandations basées sur les dernières données disponibles.

Appels d'outils intégrés

L'API Responses introduit des appels d'outils intégrés pour la recherche sur le Web et la recherche de fichiers, simplifiant l'intégration de ces fonctionnalités dans les modèles d'IA. Cette fonctionnalité rationalise le développement et réduit le besoin de code personnalisé. Les appels d'outils intégrés sont conçus pour être faciles à utiliser et très efficaces, ce qui permet aux développeurs de se concentrer sur la création de solutions d'IA innovantes.

Annotations et citations

L'intégration de la recherche Web d'OpenAI comprend des annotations et des citations, permettant aux développeurs de vérifier l'exactitude et la fiabilité des informations du modèle. Cette fonctionnalité garantit la transparence et renforce la confiance dans les résultats de l'IA. En extrayant les annotations, vous pouvez fournir aux utilisateurs des sources d'information, leur permettant de vérifier les affirmations et d'explorer le contexte plus en détail.

Cas d'utilisation pratiques des API compatibles avec la recherche Web

Agrégation et reporting d'actualités

Les API avec recherche Web peuvent agréger des actualités provenant de diverses sources en temps réel. Cela permet aux modèles d'IA de fournir des reportages, des résumés et des analyses d'actualité sur de nombreux sujets. La possibilité d'accéder à des informations en direct garantit la pertinence et l'exactitude des actualités fournies.

Analyse et recherche de marché

Ces API peuvent effectuer des analyses et des études de marché en recueillant des données provenant de multiples sources web. Cela permet aux modèles d'IA d'offrir des informations sur les tendances du marché, l'analyse de la concurrence et les opportunités d'investissement. L'accès aux données en temps réel garantit que l'analyse reflète les dernières conditions du marché.

Assistance et service client

Les API permettant la recherche sur le Web peuvent améliorer le service client et l'assistance en équipant les modèles d'IA pour répondre aux questions des clients à l'aide des informations les plus récentes. Cela garantit que les demandes des clients sont traitées avec précision et efficacité. L'intégration peut également fournir des recommandations personnalisées et résoudre les problèmes en temps réel.

Foire aux questions

Qu'est-ce que l'API Responses ?

L'API Responses est une nouvelle API primitive d'OpenAI qui combine les meilleures fonctionnalités des API Chat Completions et Assistants. Elle simplifie l'intégration d'appels d'outils intégrés tels que la recherche sur le Web et la recherche de fichiers dans les modèles d'IA. Cette API aide les développeurs à créer des applications d'IA plus dynamiques et mieux informées, avec plus de facilité et d'efficacité.

Comment fonctionne la fonctionnalité de recherche Web dans l'API Chat Completion ?

L'API Chat Completion comprend désormais des modèles spécialement conçus pour effectuer des recherches sur le Web. Lorsque vous appelez l'API avec un modèle compatible avec la recherche sur le Web, celle-ci effectue automatiquement une recherche sur le Web en fonction de votre requête et intègre les résultats dans sa réponse. Cela garantit que le modèle d'IA fonctionne toujours avec les informations les plus récentes.

Que sont les annotations et les citations ?

Les annotations et les citations sont des métadonnées associées aux résultats de recherche qui fournissent des informations sur les sources de données. En extrayant les annotations, vous pouvez donner aux utilisateurs accès aux sources d'information, leur permettant ainsi de vérifier les affirmations et d'explorer davantage le contexte. Cette fonctionnalité garantit la transparence et renforce la confiance dans les résultats de l'IA.

Questions connexes

Comment choisir entre gpt-4o-mini-search-preview et gpt-4o-search-preview ?

Le choix entre gpt-4o-mini-search-preview et gpt-4o-search-preview dépend de votre budget et de vos exigences en matière de performances. Le modèle gpt-4o-mini est plus rentable, avec un prix de 0,15 $ par million de jetons pour les entrées et de 0,60 $ par million de jetons pour les sorties. Le modèle gpt-4o-search-preview coûte 2,50 $ par million de jetons pour les entrées et 10,00 $ par million de jetons pour les sorties. Si vous avez besoin d'un modèle plus puissant et que vous pouvez supporter des coûts plus élevés, gpt-4o-search-preview peut être préférable. Pour équilibrer le coût et une qualité de sortie raisonnable, gpt-4o-mini-search-preview offre un excellent rapport qualité-prix. N'oubliez pas que les prix actuels reflètent les tarifs de 2025 et sont susceptibles de changer.

Puis-je utiliser d'autres modèles que ceux mentionnés dans la vidéo avec ces techniques ?

Oui, les techniques présentées peuvent s'appliquer à d'autres modèles qui prennent en charge les capacités de recherche sur le Web ou qui peuvent s'intégrer à des outils de recherche externes. L'essentiel est de s'assurer que le modèle est correctement configuré pour accéder et utiliser les informations Web en temps réel. En adaptant les extraits de code et les techniques présentés, vous pouvez intégrer la recherche Web dans divers modèles d'IA.