---
title: "Qu’est-ce que la sortie structurée ? JSON Schema, mode JSON"
description: "La sortie structurée force la réponse d’un LLM à suivre un format défini, souvent un JSON Schema. Différence avec le mode JSON, comment la demander, ses limites."
url: https://broadrouter.com/fr/glossary/structured-output/
lang: fr
updated: 2026-11-15
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/structured-output/) (mis à jour le 2026-11-15).

# Sortie structurée (structured output)

Mis à jour 2026-11-15

La sortie structurée est une fonction des API LLM qui contraint la réponse d’un modèle à un format défini par le développeur, en général un JSON Schema, pour que le code puisse l’analyser de façon fiable. Elle est plus stricte que le mode JSON, qui garantit un JSON valide mais pas une structure précise.

Aussi appelé : sortie structurée, sorties structurées, sortie JSON Schema, structured output, structured outputs, JSON schema output, response\_format

Le code a besoin d’entrées prévisibles. La sortie structurée transforme le texte libre d’un modèle en données auxquelles votre programme peut se fier.

## Comment ça marche

Il existe trois niveaux de contrôle :

| Méthode | Ce que vous obtenez |
| --- | --- |
| Le demander dans le prompt | Du JSON en général, parfois avec du texte en trop ou des champs manquants |
| Mode JSON | Du JSON valide, de forme quelconque |
| Sortie structurée avec schéma | Du JSON conforme à votre schéma |

Dans le format OpenAI, le mode JSON s’écrit `response_format: {"type": "json_object"}`. La sortie structurée passe un schéma :

```json
"response_format": {
  "type": "json_schema",
  "json_schema": {
    "name": "invoice",
    "strict": true,
    "schema": {
      "type": "object",
      "properties": {
        "vendor": { "type": "string" },
        "total": { "type": "number" }
      },
      "required": ["vendor", "total"],
      "additionalProperties": false
    }
  }
}
```

Selon la référence d’OpenAI, le type `json_schema` « ensures the model will match your supplied JSON schema » (traduction : « garantit que le modèle respectera le JSON Schema fourni »). Beaucoup de fournisseurs y parviennent par décodage contraint : à chaque étape, ils restreignent les tokens que le modèle peut produire, si bien qu’une sortie qui enfreint le schéma ne peut pas être générée.

## Pourquoi c’est important

-   **Moins d’erreurs d’analyse.** Les pipelines d’extraction, les classifieurs et les agents peuvent lire les champs directement.
-   **Des prompts plus simples.** Le schéma remplace de longues consignes de format.
-   **Pas une garantie totale.** Le guide d’OpenAI indique que votre application doit toujours gérer les refus, les réponses incomplètes et les erreurs. Une réponse tronquée par [`max_tokens`](https://broadrouter.com/fr/glossary/max-tokens/) est un JSON cassé, quel que soit le schéma.

La prise en charge varie selon les [API compatibles OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/). Certaines n’acceptent que `json_schema`, d’autres que `json_object`, et d’autres ignorent le champ. Vérifiez avant de vous en remettre à lui.

## Sur BroadNet Inference

La documentation de BroadNet mentionne la sortie structurée pour [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/) et [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/). Elle ne nomme pas le paramètre de requête : testez donc `response_format` sur votre modèle, et gardez dans tous les cas un analyseur JSON avec gestion d’erreurs. Le [validateur de sortie JSON de LLM](https://broadrouter.com/tools/llm-json-output-validator/) montre où une réponse casse et la vérifie par rapport à votre schéma. Les deux modèles raisonnent d’abord : laissez à `max_tokens` de la place pour la réflexion et pour le JSON.

La sortie structurée se marie bien avec les [modèles de vision](https://broadrouter.com/fr/glossary/vision-language-model/). Le [guide des factures en arabe](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/) envoie une image et demande les champs en JSON. Pour des actions plutôt que des réponses, utilisez le [tool calling](https://broadrouter.com/fr/glossary/tool-calling/).

## Erreurs fréquentes

-   Oublier `additionalProperties: false`, ou ne pas lister chaque champ dans `required`, en mode strict.
-   Ne pas vérifier `finish_reason` avant l’analyse.

## Questions fréquentes

### Quelle différence entre le mode JSON et la sortie structurée ?

Le mode JSON promet seulement que la réponse s’analyse comme du JSON. La sortie structurée avec un schéma promet aussi les champs, les types et les clés obligatoires que vous avez définis. Le guide d’OpenAI indique que seules les Structured Outputs garantissent le respect du schéma.

### Dois-je quand même valider la sortie ?

Oui. Une réponse peut encore être un refus ou être tronquée par max\_tokens, et un schéma ne peut pas exprimer toutes les règles métier, comme un total qui doit égaler la somme des lignes.

### Faut-il utiliser la sortie structurée ou le tool calling ?

La sortie structurée quand vous voulez la réponse finale dans une forme fixe. Le tool calling quand le modèle doit demander à votre code de faire quelque chose, puis continuer.

## Voir aussi

-   [Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/) (terme)
-   [max\_tokens](https://broadrouter.com/fr/glossary/max-tokens/) (terme)
-   [Modèle vision-langage (VLM)](https://broadrouter.com/fr/glossary/vision-language-model/) (terme)
-   [API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/) (terme)
-   [Mode JSON (JSON mode)](https://broadrouter.com/fr/glossary/json-mode/) (terme)
-   [Guardrails (garde-fous pour LLM)](https://broadrouter.com/fr/glossary/guardrails/) (terme)
-   [JSON Schema](https://broadrouter.com/fr/glossary/json-schema/) (terme)
-   [Lire des factures et reçus arabes avec un modèle de vision](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/) (guide)
-   [Utiliser le SDK Python d’OpenAI avec BroadNet Inference](https://broadrouter.com/fr/guides/openai-python-sdk/) (guide)
-   [Choisir une API LLM pour l’arabe : ce qu’il faut tester](https://broadrouter.com/fr/blog/choosing-an-llm-for-arabic/) (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-structured-output&utm_content=page-cta) ·

**Sources**

-   [OpenAI, guide Structured Outputs](https://developers.openai.com/api/docs/guides/structured-outputs)
-   [Référence de l’API OpenAI, créer une chat completion (response\_format)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Référence de l’API de BroadNet Inference, modèles (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-glossary-structured-output&utm_content=sources#models)
