Sorties structurées et exécution de code
På denna sida
Mis à jour le 2 novembre 2026. D’après la documentation xAI : avec le
xai-sdk, les sorties structurées se combinent aux outils en créant d’abord la conversation (client.chat.create(..., tools=[code_execution()])), puis en appelantchat.parse(Schema), qui renvoie la réponse et l’objet typé. L’exemple précédent appelaitclient.chat.parse(...)avec des arguments de Chat Completions, une méthode qui n’existe dans aucun SDK. Sources : Sorties structurées · Exécution de code.
Exécuter du code et structurer les résultats
Combiner les sorties structurées à l’exécution de code permet au modèle de calculer des résultats et de les renvoyer dans un format structuré. Le modèle écrit du code, l’exécute dans un environnement isolé (sandbox), puis formate la sortie selon ton schéma.
Fonctionnalité disponible depuis Grok 4 et versions ultérieures
Comme pour la recherche web, cette combinaison est réservée aux modèles Grok 4 et ultérieurs, c’est-à-dire toute la gamme actuelle (Grok 4.5, Grok 4.3, variantes grok-4.20). Les modèles antérieurs ne prenaient pas en charge la combinaison d’outils avec des sorties structurées.
Cas d’usage typique : calculs précis
Le principal avantage de l’exécution de code couplée aux sorties structurées réside dans la précision des calculs. Les LLM commettent régulièrement des erreurs arithmétiques. En exécutant du code, les résultats deviennent mathématiquement exacts.
from pydantic import BaseModel
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import code_execution
client = Client() # clé lue depuis XAI_API_KEY
class FinancialAnalysis(BaseModel):
total_revenue: float
total_cost: float
gross_margin: float
margin_percentage: float
most_profitable_product: str
least_profitable_product: str
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[code_execution()],
)
chat.append(user("""Voici les ventes trimestrielles :
- Produit A : 150 unités à 45 €, coût unitaire 28 €
- Produit B : 320 unités à 22 €, coût unitaire 15 €
- Produit C : 85 unités à 120 €, coût unitaire 78 €
Calcule l'analyse financière complète."""))
response, parsed = chat.parse(FinancialAnalysis)
print(f"Marge brute : {parsed.gross_margin} €")
print(f"Marge : {parsed.margin_percentage} %")
print(f"Meilleur produit : {parsed.most_profitable_product}")
Le modèle écrira un script Python pour effectuer les calculs, l’exécutera, puis formatera les résultats selon le schéma FinancialAnalysis.
Exemple : analyse statistique
class DescriptiveStatistics(BaseModel):
mean: float
median: float
std_dev: float
minimum: float
maximum: float
quartile_1: float
quartile_3: float
value_count: int
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[code_execution()],
)
chat.append(user("""Calcule les statistiques descriptives pour ces données :
[23, 45, 12, 67, 34, 89, 56, 78, 41, 33, 61, 25,
72, 48, 55, 39, 64, 71, 28, 50]"""))
response, parsed = chat.parse(DescriptiveStatistics)
print(f"Moyenne : {parsed.mean}")
print(f"Écart-type : {parsed.std_dev}")
Combiner recherche web et exécution de code
Tu peux activer les deux outils simultanément :
class MarketAnalysis(BaseModel):
company: str
current_price: float
change_30d: float
avg_volume: float
trend: str
recommendation: str
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-0309-reasoning",
tools=[web_search(), code_execution()],
)
chat.append(user("Analyse l'action Apple sur les 30 derniers jours"))
response, parsed = chat.parse(MarketAnalysis)
Le modèle récupérera d’abord des données récentes sur le web, puis utilisera l’exécution de code pour calculer les variations et les moyennes.
Limites de l’exécution de code
- L’environnement d’exécution est isolé et éphémère
- Les packages Python courants sont préinstallés (NumPy, Pandas, Matplotlib, SciPy)
- Le temps d’exécution et la mémoire sont limités
- Aucun accès réseau n’est autorisé depuis le code exécuté
- Les fichiers créés ne persistent pas entre les appels
Viktiga punkter
- L’exécution de code + les sorties structurées nécessitent au minimum Grok 4 ; toute la gamme actuelle est compatible
- Le modèle écrit et exécute du code pour obtenir des calculs précis
- Active l’outil avec
code_execution()dans le xAI SDK, ou{"type": "code_interpreter"}dans l’API Responses, puis récupère l’objet typé avecchat.parse(Schema) - Combinaison possible avec
web_searchpour rechercher puis calculer - Idéal pour les analyses financières, statistiques et mathématiques
- Les résultats calculés sont exacts, contrairement aux estimations des LLM