---
title: "Qu’est-ce que le streaming dans une API LLM ? SSE expliqués"
description: "Le streaming renvoie la réponse d’un LLM par chunks pendant sa génération. Fonctionnement des SSE et de [DONE], obtention de l’usage et que faire si le flux casse."
url: https://broadrouter.com/fr/glossary/streaming/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/glossary/streaming/) (mis à jour le 2026-11-14).

# Streaming

Mis à jour 2026-11-14

Le streaming est une manière de renvoyer la réponse d’un modèle de langage par petits chunks pendant sa génération, plutôt qu’en un seul bloc à la fin. Les API compatibles OpenAI streament via des server-sent events quand la requête règle stream sur true.

Aussi appelé : streaming, streaming LLM, réponse en streaming, diffusion en flux, streaming de tokens, stream=true, streaming responses, token streaming

Sans streaming, le client attend que toute la réponse soit terminée. Avec, le texte apparaît au fur et à mesure que le modèle l’écrit.

## Comment ça marche

Le streaming utilise les [server-sent events (SSE)](https://broadrouter.com/fr/glossary/sse/). Le serveur répond avec le type de contenu `text/event-stream` et garde la connexion ouverte. MDN décrit le format : des lignes `field: value`, avec des messages « separated by a pair of newline characters » (traduction : « séparés par une paire de caractères de saut de ligne »).

Dans le format Chat Completions, chaque événement transporte un chunk avec un petit `delta` :

```text
data: {"choices":[{"index":0,"delta":{"content":"Hel"}}]}

data: {"choices":[{"index":0,"delta":{"content":"lo"}}]}

data: {"choices":[],"usage":{"prompt_tokens":12,"completion_tokens":2}}

data: [DONE]
```

Le client assemble les deltas. La ligne littérale `data: [DONE]` marque la fin. Le chunk d’usage n’apparaît que si la requête l’a demandé avec `stream_options: {"include_usage": true}`.

## Pourquoi c’est important

-   **Rapidité perçue.** Les utilisateurs voient les premiers mots après le [time to first token](https://broadrouter.com/fr/glossary/time-to-first-token/), pas après la réponse entière. Ensuite, le texte défile au rythme des [tokens par seconde](https://broadrouter.com/fr/glossary/tokens-per-second/) du modèle.
-   **Sorties longues.** Le streaming garde la connexion active, ce qui aide avec les proxys qui ferment les requêtes inactives.
-   **Action anticipée.** Les agents et les interfaces peuvent commencer à parser ou à afficher avant la fin.

Il y a des inconvénients. OpenAI note que le streaming complique la modération, car « partial completions may be more difficult to evaluate » (traduction : « les réponses partielles peuvent être plus difficiles à évaluer »). Un flux peut aussi casser en cours de route, et une réponse streamée occupe un créneau de [concurrence](https://broadrouter.com/fr/glossary/concurrency/) jusqu’à sa fin.

## Sur BroadNet Inference

BroadNet utilise le format de streaming standard des chat completions sur `https://inference.broadnet.ai/v1/chat/completions` : les SDK [Python](https://broadrouter.com/fr/guides/openai-python-sdk/) et [Node](https://broadrouter.com/fr/guides/openai-node-sdk/) le parsent donc pour vous. Avec curl, ajoutez `-N` pour désactiver la mise en mémoire tampon :

```bash
curl -N https://inference.broadnet.ai/v1/chat/completions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"broadnet/gemma-4-26b-a4b","stream":true,"stream_options":{"include_usage":true},"messages":[{"role":"user","content":"Count to three."}]}'
```

Les modèles de raisonnement peuvent indiquer `reasoning_tokens` et `cached_tokens` dans le dernier chunk d’usage. Si la connexion se ferme avant `[DONE]`, considérez la réponse comme incomplète, notez l’en-tête `X-Request-ID` et décidez si une nouvelle requête est sans risque. La documentation de BroadNet recommande de vérifier le streaming sur le modèle que vous mettez en production avant de vous y fier. Les détails figurent dans le [guide du streaming](https://broadrouter.com/fr/guides/streaming-chat-completions/) et dans [codes d’erreur et nouvelles tentatives](https://broadrouter.com/fr/guides/errors-and-retries/).

## Erreurs fréquentes

-   Considérer une connexion fermée comme une réponse terminée. Seul `[DONE]` signifie que la réponse est complète.
-   Placer un proxy qui met en mémoire tampon devant le client. La réponse arrive alors d’un seul coup.

## Questions fréquentes

### Le streaming rend-il le modèle plus rapide ?

Non. La vitesse de génération ne change pas. Le streaming affiche les premiers mots plus tôt, ce qui donne une impression de rapidité, et permet au code d’agir sur une sortie partielle.

### Comment obtenir l’usage des tokens dans un flux ?

Dans le format Chat Completions, envoyez stream\_options avec include\_usage réglé sur true. Le dernier chunk contient alors l’usage et une liste choices vide.

### Un flux relancé est-il facturé deux fois ?

Avec une clé facturée au token, généralement oui. Une nouvelle tentative est une nouvelle inférence, facturée à nouveau. Avec un forfait sans compteur de tokens, elle ne coûte que du temps.

## Voir aussi

-   [Tokens par seconde (TPS)](https://broadrouter.com/fr/glossary/tokens-per-second/) (terme)
-   [Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/) (terme)
-   [API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/) (terme)
-   [Tokens d’entrée et de sortie](https://broadrouter.com/fr/glossary/input-and-output-tokens/) (terme)
-   [Server-sent events (SSE)](https://broadrouter.com/fr/glossary/sse/) (terme)
-   [Time to first token (TTFT)](https://broadrouter.com/fr/glossary/time-to-first-token/) (terme)
-   [Streamer des chat completions et gérer les connexions coupées](https://broadrouter.com/fr/guides/streaming-chat-completions/) (guide)
-   [Utiliser le SDK Python d’OpenAI avec BroadNet Inference](https://broadrouter.com/fr/guides/openai-python-sdk/) (guide)
-   [Utiliser le SDK Node.js d’OpenAI avec BroadNet Inference](https://broadrouter.com/fr/guides/openai-node-sdk/) (guide)
-   [Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/) (guide)
-   [Passer à une API compatible OpenAI : la checklist de migration](https://broadrouter.com/fr/blog/openai-compatible-api-migration-checklist/) (article)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-streaming&utm_content=page-cta) ·

**Sources**

-   [MDN, utiliser les server-sent events](https://developer.mozilla.org/en-US/docs/Web/API/Server-sent_events/Using_server-sent_events)
-   [OpenAI, streamer les réponses de l’API](https://developers.openai.com/api/docs/guides/streaming-responses)
-   [Référence de l’API de BroadNet Inference, streaming (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-streaming&utm_content=sources#requests)
