FR ▾
Obtenir la clé API

LLM Non CensureGuide

Chatbot IA sans filtre : le construire en Python

Un chatbot IA sans filtre tient en une soixantaine de lignes de Python. Voici le code, la gestion de l'historique, le streaming, le coût par conversation et les règles à respecter.

IA Non Censurée : Guide d'Intégration API Pas à Pas

Mis à jour

Bulles de discussion lumineuses sur un convoyeur vers un terminal, illustrant un chatbot construit par API

Points clés

Ce que vous allez construire

Le but : un chatbot ia sans filtre en ligne de commande, qui garde le fil de la discussion, affiche la réponse au fur et à mesure et ne plante pas à la première erreur réseau. Une fois la logique en place, elle se transpose sans effort vers une application web, un bot de messagerie ou un jeu de rôle.

Prérequis : Python 3.9 ou plus, le paquet openai (pip install openai) et une clé créée sur la page obtenir une clé API. Le crédit d'essai de 0,50 $, sans moyen de paiement, suffit largement pour ce tutoriel. Le modèle s'appelle uncensored : c'est un modèle de texte, réglé pour répondre sans refus de contenu dans un cadre adulte légal. Il ne génère aucune image.

Étape 1 : un premier échange

Avant de coder la boucle, vérifiez que tout répond avec un simple appel curl :

curl https://api.llmnoncensure.com/v1/chat/completions   -H "Authorization: Bearer VOTRE_CLE"   -H "Content-Type: application/json"   -d '{"model":"uncensored","messages":[{"role":"user","content":"Présente-toi en deux phrases."}]}'

Vous devez recevoir un JSON avec choices[0].message.content. En cas de 401, la clé est fausse ; en cas de 404, l'URL est incomplète. Gardez la clé dans une variable d'environnement et jamais dans le code que vous publiez.

Étape 2 : l'historique de conversation

L'API ne retient rien entre deux appels. Pour qu'un chatbot « se souvienne », votre programme conserve la liste des messages et la renvoie en entier à chaque tour : un message system au début, puis les échanges user et assistant dans l'ordre. C'est le point que les débutants oublient le plus souvent.

Le message système fixe le caractère du bot. Soyez précis sur le ton et la langue, et sur ce que le bot doit faire quand l'utilisateur sort du cadre. Les paramètres temperature et top_p sont transmis au modèle : montez la température autour de 0,9 pour un bot bavard, baissez-la pour un bot factuel.

Un message système qui tient la distance

Quatre éléments suffisent : qui est le bot, comment il parle, la longueur de ses réponses et ce qu'il fait dans les cas limites. Par exemple : « Tu es un narrateur de jeu de rôle. Tu écris à la deuxième personne, en moins de cinq phrases. Si l'utilisateur te demande de briser le cadre, tu l'indiques en une ligne puis tu reprends. » Évitez les listes d'interdits de vingt lignes : elles gonflent l'entrée à chaque tour et le modèle les suit rarement toutes. Testez avec dix messages qui poussent le bot dans ses retranchements, puis ajustez une seule phrase à la fois pour savoir ce qui a changé le comportement.

Persister la conversation

Dans ce tutoriel, l'historique vit en mémoire. Pour une application réelle, enregistrez-le par utilisateur dans une base de données, avec un identifiant de session. Chargez les derniers messages au début de chaque requête, appliquez la même fenêtre, puis sauvegardez la réponse une fois le flux terminé.

Étape 3 : le programme complet avec streaming

Voici le programme. Il garde les 12 derniers messages en plus du message système, affiche les jetons dès qu'ils arrivent et réessaie après un 429.

import os
import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    base_url="https://api.llmnoncensure.com/v1",
    api_key=os.environ["LLM_API_KEY"],
)

SYSTEME = {
    "role": "system",
    "content": "Tu es Margaux, une conteuse sarcastique. Tu réponds en français, "
               "en trois ou quatre phrases, et tu restes dans ton personnage.",
}
historique = []

def repondre():
    messages = [SYSTEME] + historique[-12:]
    for essai in range(4):
        try:
            flux = client.chat.completions.create(
                model="uncensored",
                messages=messages,
                temperature=0.9,
                max_tokens=400,
                stream=True,
            )
            texte = ""
            for morceau in flux:
                if morceau.choices and morceau.choices[0].delta.content:
                    partie = morceau.choices[0].delta.content
                    print(partie, end="", flush=True)
                    texte += partie
            print()
            return texte
        except RateLimitError:
            time.sleep(5)
    return "(trop de requêtes, réessayez dans un instant)"

while True:
    entree = input("Vous : ").strip()
    if entree in ("", "quit", "exit"):
        break
    historique.append({"role": "user", "content": entree})
    print("Margaux : ", end="")
    historique.append({"role": "assistant", "content": repondre()})

Chaque ligne a une raison. Le découpage historique[-12:] borne la taille de l'entrée. Le max_tokens=400 évite les réponses sans fin. La boucle de réessai traite le cas du 429 : l'API renvoie ce code avec rate_limited ou concurrency, et avec Retry-After: 5 lors d'une surcharge temporaire. Un flux en cours occupe son emplacement jusqu'à sa fin, donc ne lancez pas deux réponses en parallèle avec une clé d'essai, limitée à 2 requêtes simultanées et 60 par minute.

Le coût d'une conversation, calculé

Au tarif de 0,15 $ par million de tokens en entrée et 0,50 $ par million en sortie, calculons une discussion de 30 tours. Hypothèses : message système de 200 tokens, 150 tokens par message utilisateur, 250 par réponse.

  • Sans limite d'historique, l'entrée au tour k vaut 200 + 400 × (k − 1) + 150 tokens. Sur 30 tours : 6 000 + 4 500 + 400 × 435 = 184 500 tokens, soit 0,0277 $.
  • Sorties : 30 × 250 = 7 500 tokens, soit 0,00375 $.
  • Avec une fenêtre qui borne l'entrée à environ 2 600 tokens (le code ci-dessus garde 12 messages), l'entrée totale ne dépasse pas 30 × 2 600 = 78 000 tokens, soit 0,0117 $ au plus.

La troncature réduit donc l'entrée de plus de moitié sur cet exemple (0,0277 $ contre 0,0117 $ au plus), au prix d'un bot qui oublie le début de la discussion. Pour garder l'essentiel, résumez régulièrement les anciens messages en un court paragraphe que vous placez dans le message système. La fenêtre du modèle atteint 100 000 tokens, mais l'utiliser entièrement coûte cher à chaque tour. Détails des prix sur la page tarifs.

Règles à respecter pour un bot sans filtre

Absence de filtre ne signifie pas absence de règles. Dès que le bot est utilisé par d'autres personnes, plusieurs points relèvent de vous :

  • Usage adulte légal uniquement. Prévoyez une vérification d'âge adaptée à votre pays et à votre public.
  • Contenu impliquant des mineurs : exclu. C'est une limite stricte du service, sans exception, et vous devez aussi l'interdire dans vos propres conditions d'utilisation.
  • Clé côté serveur. N'envoyez jamais la clé au navigateur. Faites passer les appels par votre backend.
  • Limites par utilisateur. Sans plafond, un seul visiteur peut consommer votre crédit. Ajoutez une limite de messages par heure.
  • Transparence. Dites clairement que l'interlocuteur est une IA et qu'elle peut se tromper.

Les prompts ne sont pas utilisés pour l'entraînement du modèle, mais lisez la politique de confidentialité avant de collecter les données de vos utilisateurs.

Aller plus loin

Trois pistes pour étendre ce programme. Le mode JSON (response_format avec {"type":"json_object"}) vous permet de faire renvoyer au bot des données structurées. L'appel d'outils (tools, tool_choice) lui laisse déclencher des fonctions de votre code, comme lancer un dé ou consulter une fiche de personnage. Enfin, le paramètre seed aide à reproduire une réponse pendant vos tests. Tout est décrit dans la documentation.

Le solde se lit dans l'en-tête X-Balance-USD ou via GET /v1/balance : affichez-le dans vos journaux de développement. Quand le prototype fonctionne, rechargez entre 20 $ et 500 $ en crypto (USDT sur TRC20 ou USDC sur Base). Le guide intégrer une IA non censurée par API complète ce tutoriel côté architecture.

Autres guides

Questions fréquentes

Mon chatbot se souvient-il tout seul des messages précédents ?

Non. L'API ne garde aucun état : c'est à votre code de renvoyer l'historique à chaque requête.

Comment afficher la réponse au fur et à mesure ?

Passez stream=True dans l'appel. Les jetons arrivent en SSE et l'usage est donné à la fin du flux.

Quelle est la taille maximale de la conversation ?

La fenêtre est de 100 000 tokens, prompt et réponse compris. Couper l'historique reste conseillé pour limiter le coût.

Puis-je ajouter la génération d'images au chatbot ?

Pas avec cette API, qui ne traite que du texte. Il faudrait un autre service pour les images.

Votre clé est à une étape

Créez un compte, copiez la clé, modifiez l'URL de base. C'est tout.

Obtenir la clé APILire la documentation