---
title: "Streamer les réponses d’un LLM en SSE : usage et retries"
description: "Le streaming sur BroadNet Inference : Server-Sent Events, le marqueur [DONE], l’usage en tokens dans le dernier chunk, et que faire quand un flux s’arrête trop tôt."
url: https://broadrouter.com/fr/guides/streaming-chat-completions/
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/guides/streaming-chat-completions/) (mis à jour le 2026-11-15).

# Streamer des chat completions et gérer les connexions coupées

Mis à jour 2026-11-15

Définissez stream à true sur /v1/chat/completions et lisez les Server-Sent Events jusqu’au marqueur littéral data: \[DONE\]. Ajoutez stream\_options include\_usage pour obtenir le nombre de tokens dans le dernier chunk. Si la connexion se termine avant \[DONE\], considérez la réponse comme incomplète et journalisez le X-Request-ID.

Le streaming permet à un agent ou à une interface de chat d’afficher la réponse au fil de sa génération. BroadNet Inference utilise le format de streaming standard des chat completions : le [SDK Python d’OpenAI](https://broadrouter.com/fr/guides/openai-python-sdk/) et le [SDK Node d’OpenAI](https://broadrouter.com/fr/guides/openai-node-sdk/) se chargent de l’analyse pour vous.

## Avec curl

```bash
curl -N -D stream-headers.txt 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 from one to three."}]}'
```

`-N` désactive la mise en mémoire tampon de curl, et `-D` enregistre les en-têtes, dont `X-Request-ID`.

## À quoi ressemble le flux ?

La réponse est un flux de [Server-Sent Events](https://broadrouter.com/fr/glossary/sse/). Selon le standard HTML du WHATWG, chaque événement se compose d’une ou plusieurs lignes `data:` suivies d’une ligne vide, et une ligne qui commence par un deux-points est un commentaire que vous pouvez ignorer. Chaque ligne `data:` contient un chunk JSON, et le texte arrive dans `choices[0].delta.content`.

## Les règles

1.  Lisez les événements jusqu’à la ligne littérale `data: [DONE]`, puis fermez le lecteur.
2.  Avec `stream_options: {"include_usage": true}`, un chunk supplémentaire arrive juste avant `[DONE]`. Il porte `usage` pour toute la requête et une liste `choices` vide : vérifiez donc `choices` avant d’y accéder par index.
3.  Quand le modèle les fournit, cet usage inclut `completion_tokens_details.reasoning_tokens` (DeepSeek V4.1 Flash, GLM 5.3 et Qwen3.8 27B raisonnent d’abord) et `prompt_tokens_details.cached_tokens`. Les tokens en cache sont facturés au prix réduit de l’entrée en cache.

## Avec le SDK Python

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

stream = client.chat.completions.create(
    model="broadnet/gemma-4-26b-a4b",
    messages=[{"role": "user", "content": "Count from one to three."}],
    stream=True,
    stream_options={"include_usage": True},
)
usage = None
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:
        usage = chunk.usage
print()
print(usage)  # None means the stream ended before the usage chunk
```

Le SDK lit jusqu’à `[DONE]` à votre place. Si le dernier `print` affiche `None`, le flux s’est terminé avant le chunk d’usage. Le [guide du SDK Node d’OpenAI](https://broadrouter.com/fr/guides/openai-node-sdk/) montre la même boucle en JavaScript.

## Quand le flux s’arrête trop tôt

Si la connexion se ferme avant `[DONE]`, la réponse est incomplète. Les recommandations de BroadNet :

-   notez le `X-Request-ID` ;
-   décidez si votre application peut sans risque envoyer une **nouvelle** requête. Une nouvelle tentative est une nouvelle inférence, facturée à nouveau en paiement à l’usage.

Pour les agents sur un [forfait illimité](https://broadrouter.com/fr/guides/unlimited-llm-api-sessions/), les nouvelles tentatives ne coûtent rien de plus, mais elles occupent la session pendant leur exécution.

La documentation de BroadNet indique qu’une vérification de mise en production par modèle reste nécessaire avant de compter sur le streaming en production : testez-le donc sur le modèle que vous déployez.

## Dépannage

-   **Tout s’affiche à la fin.** curl a besoin de `-N`. Derrière votre propre proxy, désactivez la mise en tampon des réponses pour `text/event-stream`.
-   **`IndexError` ou `undefined` sur le dernier chunk.** Le chunk d’usage a une liste `choices` vide. Vérifiez `chunk.choices` avant de lire `[0]`.
-   **Aucun usage.** Vous n’avez pas envoyé `stream_options`, ou le flux s’est coupé avant le dernier chunk.
-   **Le flux s’arrête avec `finish_reason` `length` et peu de texte.** Un modèle de raisonnement a consommé `max_tokens` en raisonnant. Voir [pourquoi les modèles de raisonnement renvoient des réponses vides](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/).
-   **429 en streaming parallèle.** Chaque flux ouvert compte comme une requête en cours ; une clé à l’usage en autorise 4. Voir [codes d’erreur et nouvelles tentatives chez BroadNet](https://broadrouter.com/fr/guides/errors-and-retries/).

## Termes de ce guide

[Streaming](https://broadrouter.com/fr/glossary/streaming/)

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.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Server-sent events (SSE)](https://broadrouter.com/fr/glossary/sse/)

Les server-sent events (SSE) sont un standard du web qui permet à un serveur de pousser un flux d’événements texte vers un client, via une seule réponse HTTP de longue durée de type text/event-stream. Chaque événement se compose d’une ou plusieurs lignes de champ, comme data:, et se termine par une ligne vide.

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Tokens d’entrée en cache (cached input tokens)](https://broadrouter.com/fr/glossary/cached-input-tokens/)

Les tokens d’entrée en cache sont des tokens de prompt qu’un fournisseur de LLM a traités récemment et peut réutiliser depuis un cache au lieu de les recalculer, en général un préfixe répété comme un prompt système ou un document. Les fournisseurs les facturent moins cher que les nouveaux tokens d’entrée.

[API Chat Completions](https://broadrouter.com/fr/glossary/chat-completions-api/)

L’API Chat Completions est l’endpoint HTTP d’OpenAI, POST /v1/chat/completions, qui reçoit un nom de modèle et une liste de messages associés à un rôle, et renvoie le message suivant du modèle. Sa forme de requête et de réponse est devenue le format commun que reprennent les fournisseurs et SDK compatibles OpenAI.

[Forfait LLM (flat rate)](https://broadrouter.com/fr/glossary/flat-rate-llm-plan/)

Un forfait LLM facture un prix fixe pour une période, par exemple un mois, en échange de l’accès à une API de modèle de langage, au lieu de facturer au token. Ces forfaits limitent généralement autre chose, comme la concurrence, la vitesse, les modèles ou des fenêtres d’usage : les plafonds comptent donc autant que le prix.

## Questions fréquentes

### Comment obtenir l’usage en tokens quand je streame des chat completions ?

Envoyez stream\_options avec include\_usage à true. Un chunk supplémentaire arrive juste avant data: \[DONE\], avec usage renseigné et un tableau choices vide. Si le flux se coupe avant, ce chunk n’arrive jamais.

### Pourquoi curl affiche-t-il toute la réponse streamée d’un coup ?

Par défaut, curl met sa sortie en mémoire tampon. Ajoutez l’option -N (pas de mise en tampon) pour que chaque Server-Sent Event s’affiche dès son arrivée.

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

En paiement à l’usage, oui : une nouvelle tentative est une nouvelle requête d’inférence. Avec un forfait illimité DeepSeek V4.1 Flash, il n’y a pas de compteur de tokens, mais la nouvelle tentative occupe la session pendant qu’elle s’exécute.

### Le streaming coûte-t-il plus cher qu’une requête normale ?

Non. Le streaming change la façon dont la réponse est livrée, pas la façon dont elle est facturée. En paiement à l’usage, vous payez les mêmes prix par token d’entrée et de sortie que pour une requête sans streaming.

## Guides associés

-   [Utiliser le SDK Python d’OpenAI avec BroadNet Inference](https://broadrouter.com/fr/guides/openai-python-sdk/)
-   [Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)
-   [Pourquoi un modèle de raisonnement renvoie une réponse vide](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/)

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-guides-streaming-chat-completions&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference, streaming (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-guides-streaming-chat-completions&utm_content=sources#requests)
-   [WHATWG HTML Standard, Server-Sent Events (consulté le 2026-11-14)](https://html.spec.whatwg.org/multipage/server-sent-events.html)
-   [SDK Python d’OpenAI, docstring de stream\_options include\_usage (consulté le 2026-11-14)](https://github.com/openai/openai-python/blob/main/src/openai/types/chat/chat_completion_stream_options_param.py)
