Applied AI — Avancé S1 : Claude API en profondeur

Constructeur de requête API

Assemblez une requête POST /v1/messages complète. Le JSON (JavaScript Object Notation) se met à jour en direct, ainsi qu'une réponse simulée illustrant le stop_reason attendu. ⚠ Noms de modèles et tarifs volatils — vérifiez docs.anthropic.com.

Modèle ⚠ max_tokens — plafond de génération (obligatoire, pas une cible)

1024

temperature — 0–0.3 : extraction · 0.7–1 : créativité

0.2

System prompt — canal privilégié : persona, règles, politique de sortie Message utilisateur stop_sequences — séparées par des virgules (optionnel)

Prefilling — ajouter un tour assistant partiel "{" (force le JSON)

cache_control — poser un breakpoint de cache sur le system prompt (−90 % en lecture ⚠)

stream: true — réponse en flux SSE (Server-Sent Events)

Simulation du stop_reason de la réponse

Requête JSON

Réponse simulée

Équivalent curl

Visualiseur de streaming SSE

SSE = Server-Sent Events : flux HTTP unidirectionnel text/event-stream. Lancez la simulation et observez chaque événement arriver — c'est exactement la séquence que votre code doit parser. Question piège de certification : dans quel événement arrive le stop_reason final ?

Vitesse

Journal d'événements SSE

Texte reconstruit (concaténation des text_delta)

— en attente du flux —

—

TTFT (Time To First Token)

événements reçus

tokens de sortie

—

stop_reason (via message_delta)

La séquence canonique :

message_start → content_block_start → content_block_delta× n → content_block_stop → message_delta → message_stop

. Les ping intercalés sont des keep-alive à ignorer.

Compteur de tokens & calculateur de coût

Collez un texte : estimation du nombre de tokens (heuristique locale — en production, utilisez l'endpoint count_tokens de l'API, chaque famille de modèles ayant son propre tokenizer) et calcul du coût par modèle. ⚠ Tarifs indicatifs et volatils.

Votre texte (prompt d'entrée)

Sortie estimée (tokens)

Appels / jour

Prompt caching (préfixe stable)

Batches API (−50 % ⚠)

caractères

mots

tokens estimés (entrée)

0 %

de la fenêtre 200k ⚠

Modèle ⚠	Entrée $/Mtok ⚠	Sortie $/Mtok ⚠	Coût / appel	Coût / jour	Coût / mois (30 j)

Heuristique : ~3,8 caractères/token en moyenne (le français tokenise un peu plus dense que l'anglais ; code et JSON varient). Seul count_tokens fait foi pour le modèle réellement appelé.