Guide de l'API LLM unifiée · GPT, Claude, Gemini et plus

Le champ des LLM s'est fragmenté en une demi-douzaine de familles sérieuses — GPT, Claude, Gemini, DeepSeek, Qwen, Doubao, Kimi, MiniMax, GLM — chacune avec ses forces, ses courbes de prix et ses bizarreries opérationnelles. Les équipes qui s'engagent auprès d'un seul fournisseur passent le trimestre suivant à réécrire leurs intégrations quand ce fournisseur augmente ses prix, change ses limites de débit, ou prend simplement du retard sur une capacité dont elles ont besoin. Cet article parcourt pourquoi une passerelle LLM unifiée est devenue l'installation de production par défaut, comment choisir le bon modèle pour une tâche donnée, et à quoi ressemble vraiment le code d'intégration.

Pourquoi une API unifiée est désormais la norme

Le coût d'une intégration LLM ne vit plus dans l'appel au modèle lui-même — il vit dans le code de glue qui l'entoure. Chaque fournisseur a son propre SDK, sa forme d'authentification, son modèle d'erreur, ses en-têtes de rate-limit et son portail de facturation. Multipliez par cinq fournisseurs et l'intégration devient un second produit.

La taxe d'intégration sur les SDK multiples

Une intégration directe avec trois fournisseurs finit par être trois flux d'authentification, trois politiques de retry, trois dashboards d'usage et trois séries d'incidents de production. Chaque nouvelle sortie de modèle déclenche un bump de SDK quelque part. Les équipes perdent couramment 1 à 2 semaines-ingénieur par trimestre sur de la plomberie fournisseur qui ne fait bouger aucun indicateur métier.

Prix et risque fournisseur

Le prix des LLM bouge constamment — certains fournisseurs baissent leurs tarifs de 80 % en une seule sortie ; d'autres ajoutent de nouveaux paliers qui invalident votre modèle de coût du jour au lendemain. Être verrouillé à un seul fournisseur signifie absorber tous ces mouvements sans levier pour basculer. Une passerelle unifiée ramène le coût de bascule à un changement de configuration.

Ce que résout une passerelle unifiée

Une API LLM unifiée rassemble tous les fournisseurs derrière un endpoint unique compatible OpenAI. Une clé, un SDK, une vue de facturation, un seul endroit où régler limites de débit et fallbacks. La sélection du modèle devient un paramètre chaîne — "gpt-5" un jour, "claude-4-6-sonnet" le lendemain, "deepseek-v3" pour le job par lot qui tourne la nuit. Le code d'intégration ne change pas.

Choisir la bonne famille de LLM pour la tâche

Aucun modèle unique ne gagne tous les benchmarks. Bien choisir, c'est faire correspondre les forces du modèle à la forme de la tâche. Le tableau ci-dessous est une heuristique grossière des forces à travers les grandes familles que vous utiliserez réellement en production — utilisez-le comme point de départ, puis benchmarquez sur votre propre trafic.

Raisonnement et analyse complexe

Quand la justesse sur de longues chaînes de pensée compte — maths multi-étapes, analyse juridique, revue de code — vous voulez un modèle au comportement de raisonnement délibéré. Claude, les paliers de raisonnement de GPT et DeepSeek s'en sortent bien ici. DeepSeek, en particulier, déplace la courbe de coût et rend viables des charges de raisonnement à haut volume qui auraient été non rentables il y a un an.

Codage et workflows développeur

Le codage reste un coin-flip entre Claude et GPT sur la plupart des tâches quotidiennes, DeepSeek et Qwen comblant l'écart à un coût nettement inférieur pour les jobs par lot comme les refactors à grande échelle ou la génération de tests. Le bon choix dépend généralement de la part que la charge accorde à la qualité crête face au débit par dollar.

Charges sensibles au coût et à fort volume

Classification, étiquetage, résumé et enrichissement en tâche de fond n'ont presque jamais besoin d'un modèle frontier. Routez-les vers un palier moins cher — DeepSeek, Qwen ou les variantes plus petites des familles frontier — et réservez les modèles onéreux aux appels interactifs face à l'utilisateur. Un mix de paliers est souvent le plus grand levier de coût dont dispose une appli LLM en production.

Contenu multilingue et spécifique à une région

Pour les charges à dominante CJK, Qwen, Doubao, GLM et Kimi surpassent régulièrement les modèles frontier occidentaux sur la nuance culturelle et les idiomes. Faire tourner un petit jeu d'évaluation dans la langue cible sur trois candidats vaut plus que n'importe quel classement de benchmark.

Intégrer via une API unifiée

Une passerelle LLM unifiée parle le protocole OpenAI, ce qui signifie que chaque SDK mainstream fonctionne tel quel — il suffit de pointer l'URL de base sur la passerelle. Les exemples ci-dessous utilisent l'endpoint APIMart, mais la forme est identique pour toute configuration compatible OpenAI.

Complétion de chat basique

Voici l'appel minimal viable — une complétion à un seul tour avec un prompt système :

curl https://api.apimart.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5",
    "messages": [
      {"role": "system", "content": "You are a concise assistant."},
      {"role": "user", "content": "Explain vector embeddings in two sentences."}
    ]
  }'

Remplacez "gpt-5" par "claude-4-6-sonnet", "gemini-2-5-pro" ou "deepseek-v3" et la requête reste identique. C'est tout l'intérêt.

Réponses en streaming

Pour des UI interactives, vous voulez un streaming token par token. Le SDK OpenAI gère cela nativement face à une passerelle compatible :

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.APIMART_API_KEY,
  baseURL: "https://api.apimart.ai/v1",
});

const stream = await client.chat.completions.create({
  model: "claude-4-6-sonnet",
  stream: true,
  messages: [{ role: "user", content: "Write a haiku about TCP." }],
});

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
}

Les deux seules lignes qui diffèrent d'une intégration OpenAI directe sont le baseURL et la chaîne model.

Sortie JSON structurée

Les pipelines d'agents ont presque toujours besoin de données structurées en retour. Chaque famille majeure prend désormais en charge un mode JSON, et la passerelle unifiée normalise le paramètre :

const response = await client.chat.completions.create({
  model: "gpt-5",
  response_format: { type: "json_object" },
  messages: [
    { role: "system", content: "Return JSON with fields: sentiment, topic, score." },
    { role: "user", content: "The product arrived late but the support team was amazing." },
  ],
});

const parsed = JSON.parse(response.choices[0].message.content ?? "{}");
// { sentiment: "mixed", topic: "customer-service", score: 0.7 }

Pour des garanties plus strictes, utilisez le format de réponse json_schema — la plupart des familles frontier le prennent en charge désormais, et la passerelle masque quels fournisseurs ont encore besoin du fallback.

Changer de modèle à la volée

La vraie valeur d'une API unifiée apparaît quand vous routez différentes requêtes vers différents modèles selon le coût ou la capacité. Un routeur minimal ressemble à ceci :

function pickModel(task: "chat" | "reasoning" | "bulk"): string {
  switch (task) {
    case "chat": return "claude-4-6-sonnet";       // chat utilisateur sensible à la qualité
    case "reasoning": return "deepseek-v3";         // raisonnement fort et pas cher
    case "bulk": return "qwen-plus";                // le moins cher pour la classification à l'échelle
  }
}

const completion = await client.chat.completions.create({
  model: pickModel(task),
  messages,
});

Tout ce qui se trouve en dehors du routeur reste constant. Ajouter un nouveau modèle revient à ajouter une chaîne. En retirer un revient à supprimer une chaîne. Pas de bascule de SDK, pas de migration d'authentification, pas de nouvelle configuration de facturation.

---

Choisir un LLM était autrefois une décision en un coup avec laquelle on vivait pendant un an. En 2026, c'est un paramètre de configuration que l'on réévalue chaque mois à mesure que les prix bougent et que de nouveaux modèles sortent. Une API unifiée transforme cela en opération légère — l'intégration s'écrit une fois, le mix de modèles évolue en continu, et l'attention de l'équipe reste sur le produit plutôt que sur la plomberie fournisseur.