Leçon 21 · Expert · 15 min
OpenAI Playground : température, top_p et JSON strict
Maîtriser l'OpenAI Playground : température, top_p, fenêtres de contexte, Structured Outputs en JSON strict et comparaison côte à côte de modèles.
- Objectif
- Vous saurez configurer les paramètres avancés d'inférence (température, top_p, instructions système) et contraindre les sorties avec Structured Outputs.
- Compétences
- Cadrer
Votre première tentative, sans aide
Ouvrez le Playground OpenAI et testez une même consigne avec une température de 0.0 puis de 1.2 pour mesurer la variabilité des réponses.
L'OpenAI Playground offre un banc de pilotage sans filtre sur les paramètres fondamentaux de l'inférence. En ajustant la température et le top_p, le professionnel dose précisément le niveau de rigueur ou de créativité du modèle. Avec la technologie Structured Outputs, ChatGPT abandonne toute dérive syntaxique pour délivrer des objets JSON strictement conformes à vos schémas de bases de données.
1L'échantillonnage probabiliste : température et top_p
L'échantillonnage probabiliste : température et top_p constituent les deux manettes principales qui gouvernent la façon dont ChatGPT sélectionne le prochain token. Dans l'interface grand public, ces valeurs sont figées par OpenAI. Dans le Playground, vous reprenez la main sur ces variables critiques.
La température contrôle l'étalement des probabilités : à 0.0, le modèle choisit systématiquement le token le plus probable (idéal pour l'extraction de données et le code). En combinant une température nulle avec la contrainte Structured Outputs, vous obtenez des flux déterministes directement connectables à vos pipelines applicatifs.
Paramètre Plage de réglage Rôle dans l'inférence Réglage recommandé en entreprise Température 0.0 à 2.0 Ajuste l'aléa de sélection des mots 0.0 à 0.2 (analyse) / 0.7 (rédaction) top_p 0.0 à 1.0 Filtre les tokens les plus probables Laisser à 1.0 si on modifie la température Max Tokens 1 à 16 384 Plafonne la longueur de la réponse Fixer selon la taille du livrable attendu Structured Outputs Schéma JSON Force la syntaxe exacte de sortie Activé pour toute intégration informatique 
Schéma du Playground OpenAISchéma généré par IA et relu 2Forcer une sortie JSON rigoureuse avec Structured Outputs
Forcer une sortie JSON rigoureuse avec Structured Outputs élimine les erreurs de formatage qui font planter les scripts d'intégration automatique de données.
Une DSI souhaite extraire automatiquement les informations de factures fournisseurs scannées.
Schéma JSON Schema strict.
{ "name": "extraction_facture", "strict": true, "schema": { "type": "object", "properties": { "numero_facture": { "type": "string" }, "fournisseur": { "type": "string" }, "montant_ht": { "type": "number" }, "tva": { "type": "number" }, "montant_ttc": { "type": "number" }, "date_echeance": { "type": "string" } }, "required": ["numero_facture", "fournisseur", "montant_ht", "tva", "montant_ttc", "date_echeance"], "additionalProperties": false } }Ce qui change. Le modèle ne peut matériellement pas ajouter de texte de politesse (« Voici votre JSON : ») ni omettre une clé obligatoire : le flux binaire respecte le schéma au bit près.
3Configurer une session de test comparative dans le Playground
Configurer une session de test comparative dans le Playground vous permet de visualiser directement l'impact de vos choix de température sur la consistance des résultats.
Connectez-vous sur platform.openai.com > onglet « Playground ».
Configurez la session suivante :
- Modèle :
gpt-4o. - System Instructions : « Tu es un classificateur de tickets d'assistance technique ».
- Entrée : « Mon imprimante n'apparaît plus sur le réseau depuis ce matin ».
- Test 1 : Réglez la température sur 0.0 et lancez 3 fois la génération. Observez la stricte identité des réponses mot pour mot.
- Test 2 : Montez la température à 1.3 et relancez 3 fois. Observez la divergence du vocabulaire et de la structure.
Grille d'auto-évaluation : (a) le panneau Playground est maîtrisé ; (b) l'effet stabilisateur de la température 0.0 est constaté ; (c) la sensibilité aux hyperparamètres est intégrée.
- Modèle :
4Utiliser une température élevée pour des tâches comptables ou juridiques
Utiliser une température élevée pour des tâches comptables ou juridiques est une faute méthodologique lourde qui démultiplie le taux d'hallucinations.
Garder la température par défaut de 1.0 pour dépouiller un contrat ou extraire des ratios bilanciels incite le modèle à explorer des synonymes rares et des approximations statistiques, conduisant à des erreurs de chiffres.
Correction : réglez systématiquement la température sur 0.0 pour toute tâche factuelle, juridique, fiscale ou financière où la reproductibilité exacte est impérative.
Règle à retenir : pour les chiffres et le droit, la température doit être à zéro.
5Quiz
Trois questions, correction immédiate. Le retour explique chaque option.
6Preuve de maîtrise
Configurez une invite dans le Playground avec température à 0.0 et un schéma Structured Outputs, et présentez la sortie JSON strictement validée.
Critères
Ce que vous écriviez au début de la leçon
Pour aller plus loin
Consultez le glossaire aux entrées temperature, top-p et structured-outputs. Poursuivez vers la leçon 22 : Jeux de tests et robustesse des prompts. Pour approfondir l'orchestration avancée, découvrez Modes d'échec et sycophancie.
Questions fréquentes
Qu'est-ce que l'OpenAI Playground ?
Le Playground est la console de développement d'OpenAI permettant de tester tous les modèles avec un contrôle total sur les hyperparamètres (température, tokens max, JSON strict).
Que fait la température sur la génération ?
La température (de 0 à 2) contrôle l'entropie de sélection des tokens : proche de 0, le modèle choisit les tokens les plus probables (réponses déterministes) ; au-dessus de 1, il explore des mots plus rares (créativité).
Que garantit la fonctionnalité Structured Outputs ?
Elle garantit mathématiquement à 100 % que la réponse de l'IA respecte exactement le schéma JSON Schema fourni, sans faute de syntaxe ni champ manquant.