Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Paramètre detail : auto, low et high

Lezione 2 di 12 Aggiornata il 30 luglio 2026 Principiante
In questa pagina
  1. Contrôler la précision de l’analyse
  2. Les trois niveaux de détail
  3. Comparaison des niveaux
  4. Syntaxe selon l’API
  5. Stratégie d’optimisation
  6. Punti chiave

Contrôler la précision de l’analyse

Lorsque tu envoies une image à Grok, tu peux contrôler le niveau de détail de l’analyse grâce au paramètre detail. Ce paramètre influence directement la qualité de la réponse, le temps de traitement et la consommation de tokens.

Comprendre ce paramètre est essentiel pour optimiser tes coûts et adapter la précision à chaque cas d’usage.

Les trois niveaux de détail

L’API xAI propose trois valeurs pour le paramètre detail :

Auto (valeur par défaut)

Si tu ne spécifies pas le paramètre detail, le modèle utilise auto. Il évalue automatiquement le niveau de détail nécessaire en fonction de l’image et de ton prompt.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg"
}

C’est le comportement recommandé pour la plupart des cas d’usage. Le modèle adapte sa stratégie d’analyse selon la complexité perçue de l’image et la question posée.

Low (rapide et économique)

Le mode low effectue une analyse rapide de l’image en utilisant moins de tokens. C’est le choix idéal lorsque tu as besoin d’une compréhension générale sans entrer dans les détails fins.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "low"
}

Cas d’usage pour low :

  • Classer le contenu d’une image (paysage, portrait, document, etc.)
  • Identifier le sujet principal d’une photo
  • Trier rapidement un lot d’images
  • Vérifier si une image correspond à un critère simple

High (lent et détaillé)

Le mode high force une analyse exhaustive de l’image. Le modèle examine chaque zone à la résolution maximale, ce qui consomme plus de tokens mais produit des descriptions bien plus précises.

{
  "type": "input_image",
  "image_url": "https://exemple.com/photo.jpg",
  "detail": "high"
}

Cas d’usage pour high :

  • Lire du texte fin dans une image (OCR)
  • Analyser des graphiques avec des légendes détaillées
  • Détecter des défauts sur des photos de produits
  • Examiner des captures d’écran d’interfaces complexes

Comparaison des niveaux

Paramètre Vitesse Tokens Précision
auto Variable Variable Adaptative
low Rapide Moins de tokens Générale
high Lente Plus de tokens Détaillée

Syntaxe selon l’API

Le paramètre detail se place différemment selon l’API utilisée.

Responses API (recommandée)

response = client.responses.create(
    model="grok-4.5",
    input=[
        {
            "type": "input_image",
            "image_url": "https://exemple.com/photo.jpg",
            "detail": "high"
        },
        {
            "type": "input_text",
            "text": "Read all visible text in this image."
        }
    ]
)

Chat Completions API (héritée)

response = client.chat.completions.create(
    model="grok-4.5",
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image_url",
                "image_url": {
                    "url": "https://exemple.com/photo.jpg",
                    "detail": "high"
                }
            },
            {
                "type": "text",
                "text": "Read all visible text in this image."
            }
        ]
    }]
)

Note bien que dans Chat Completions, detail est imbriqué à l’intérieur de l’objet image_url, tandis que dans la Responses API, il se trouve au même niveau que image_url.

Stratégie d’optimisation

En production, une bonne pratique consiste à adapter le niveau de détail selon le type de tâche :

def analyser_image(image_url, tache):
    # Tâches simples → low pour économiser les coûts
    if tache in ["classifier", "trier", "identifier_sujet"]:
        detail = "low"
    # Tâches complexes → high pour la précision
    elif tache in ["ocr", "graphique", "defaut_produit"]:
        detail = "high"
    # Par défaut → laisser le modèle décider
    else:
        detail = "auto"

    return client.responses.create(
        model="grok-4.5",
        input=[
            {"type": "input_image", "image_url": image_url, "detail": detail},
            {"type": "input_text", "text": f"Task: {tache}"}
        ]
    )

Cette approche te permet de réduire significativement les coûts en tokens sur les tâches simples tout en maintenant une précision maximale là où c’est nécessaire.

Punti chiave

  • Le paramètre detail contrôle la profondeur de l’analyse d’image
  • auto (par défaut) laisse le modèle décider : c’est le choix recommandé
  • low est rapide et économique, adapté aux tâches de classification
  • high est lent mais précis, adapté à l’OCR et aux analyses fines
  • Adapte le niveau de détail au type de tâche pour optimiser les coûts