L’API ChatGPT Code Interpreter vous permet de traiter n’importe quel fichier, y compris les documents PDF, les feuilles de calcul, les vidéos, l’audio, les images, les bases de données et d’en extraire les informations les plus utiles. Tout commence par une simple requête en langage naturel, exactement comme le fait le chatbot OpenAI.
Les plugins qu’OpenAI publie pour son chatbot ChatGPT s’avèrent être une véritable mine d’or. L’un des modules complémentaires les plus prometteurs s’appelle ChatGPT Code Interpreter et permet d’effectuer des traitements complexes à partir d’un code Python hébergé localement, sur l’appareil de l’utilisateur.
Comme l’explique OpenAI, Code Interpreter base son fonctionnement sur un interpréteur Python fonctionnant dans un environnement « sandbox« , protégé par des pare-feu et capable de bénéficier de l’espace disque. Par rapport à l’approche classique proposée par ChatGPT, Code Interpreter permet aux développeurs, aux professionnels et aux utilisateurs finaux d’exploiter la puissance et la polyvalence des modèles génératifs pour demander un traitement automatique des données et effectuer des tâches de manière entièrement automatisée.
Qu’est-ce que ChatGPT Code Interpreter et comment fonctionne-t-il ?
Grâce à ChatGPT Code Interpreter, vous pouvez utiliser les modèles génératifs développés et mis à jour par OpenAI, par exemple, pour effectuer des analyses et des visualisations de données, extraire des informations utiles d’un ensemble de données, créer des graphiques, convertir un fichier PDF contenant des scans de pages papier en un document avec du texte sélectionnable et consultable, couper un fichier audio ou vidéo et changer son format, travailler sur des images et bien d’autres choses encore.
ChatGPT Code Interpreter prend en charge un large éventail de formats de fichiers, notamment TXT, PDF, DOC, DOCX, JPEG, PNG, MP4, AVI, CSV, JSON, XML, XLS, XLSX, CPP, PY, HTML, PDF, DB, SQLite. Il va donc sans dire que le système ouvre la porte à un large éventail de traitements possibles sur un grand nombre d’ensembles de données.
OpenAI n’a pas mentionné de limitation pour la taille des fichiers qui peuvent être gérés avec Code Interpreter : après quelques tests, il est possible d’affirmer que le système peut encore traiter des bouts plus grands que 180 MB.
Du côté de Python, en revanche, voici la liste des paquets que Code Interpreter peut utiliser et que les utilisateurs sont donc libres d’utiliser dans leurs projets.
En principe, Code Interpreter ne peut être utilisé que par les utilisateurs qui ont souscrit à un plan d’abonnement ChatGPT Plus à 20 $ par mois. De plus, vous devez activer GPT-4 depuis le panneau d’administration de votre compte.
Comment utiliser ChatGPT Code Interpreter gratuitement avec un compte gratuit ?
Un développeur indépendant a trouvé un moyen d’utiliser gratuitement Code Interpreter avec un compte OpenAI également gratuit. Nous voyons ci-dessous comment procéder dans un environnement Windows, mais les mêmes opérations peuvent être effectuées sur d’autres plates-formes.
Il est important de souligner qu’OpenAI offre 5$ de crédit gratuit pour tout nouveau compte : vous devez utiliser un numéro de téléphone mobile qui n’est pas lié à d’autres comptes d’utilisateurs déjà enregistrés sur la plateforme. Ce crédit gratuit n’est toutefois pas valable indéfiniment et expire toujours environ trois mois après l’enregistrement du compte.
Le code présenté ci-dessous ne fonctionne donc que pour les utilisateurs disposant d’un compte OpenAI gratuit dont le crédit n’a pas encore expiré. La section Usage indique la date d’expiration du crédit. En cliquant sur Rate limits, on obtient également une liste de modèles génératifs que l’on peut utiliser en les appelant directement depuis le code Python.
Installation de Python et de PIP sous Windows
L’installation de Python et du système de gestion de paquets PIP (PIP Installs Packages) est une condition préalable à l’utilisation de Code Interpreter sous Windows. PIP est utilisé pour installer et gérer des bibliothèques et des modules externes qui étendent considérablement les fonctionnalités du langage Python. Il simplifie grandement le processus d’installation et de gestion des dépendances d’un projet Python.
Après avoir téléchargé Python, vous devez lancer l’installation en prenant soin de cocher les deux cases de la figure, puis en cliquant sur Personnaliser l’installation.
Dans l’écran suivant, toutes les cases doivent être cochées, puis appuyez à nouveau sur le bouton Suivant pour poursuivre l’installation et la configuration de Python et de PIP.
Dans l’écran suivant des options avancées, vous pouvez ne rien changer et cliquer sur le bouton Installer.
A la fin de la procédure, vous pouvez taper cmd dans la boîte de recherche de Windows et choisir Exécuter en tant qu’administrateur. Les deux commandes suivantes renvoient le numéro de version de Python et de PIP, confirmant que les deux composants sont correctement installés :
python –version
pip –version
Une fois l’installation terminée, il peut être nécessaire de mettre à jour PIP à l’aide de la commande suivante :
python -m pip install –upgrade pip
Vous pouvez ensuite procéder à l’installation de l’API Code Interpreter :
pip install codeinterpreterapi
Utilisation de Code Interpreter pour créer un graphique en collectant des informations sur le Web
Le fonctionnement du code proposé ci-dessous repose sur l’utilisation de Jupyter, une application web open source qui permet de créer et de partager des documents contenant du code interactif, des visualisations, du texte et des médias. Elle est largement utilisée par les scientifiques des données, pour les activités d’analyse des données, dans la recherche scientifique et l’apprentissage automatique.
Le grand avantage de Code Interpreter est qu’en fonction de l’invite de l’utilisateur ou de la demande faite par l’utilisateur en langage naturel (la langue italienne est également prise en charge, comme dans ChatGPT), les modules nécessaires sont utilisés pour la traiter de manière appropriée.
Prenons l’exemple du code Python suivant, tiré de cette page GitHub :
import os
os.environ["OPENAI_API_KEY"] = "API_KEY_OPENAI"
os.environ["VERBOSE"] = "True"
from codeinterpreterapi import CodeInterpreterSession
async def main() :
# crée une session
session = CodeInterpreterSession(model="gpt-3.5-turbo")
await session.astart()
# génère une réponse basée sur les données de l'utilisateur
response = await session.generate_response(
"""Créez un graphique représentant la valeur
des actions Apple de 2007 à juin 2023.."""
)
# produire la réponse (texte + image)
print("AI : ", response.content)
for file in response.files :
file.show_image()
# Terminer la session
await session.astop()
if __name__ == "__main__" :
import asyncio
# exécuter la fonction asynchrone
asyncio.run(main())
Avec ce simple code Python, à coller dans un éditeur de texte et à enregistrer localement dans un dossier de son choix, on demande à Code Interpreter de collecter la contre-valeur des actions Apple de 2007 à « aujourd’hui », puis de créer automatiquement un graphique représentant la tendance dans le temps.
En enregistrant le fichier sous le nom chart.py puis en tapant ce qui suit à l’invite de commande de Windows, on obtient un graphique à partir de la requête faite en texte brut :
python chart.py
Dans le code proposé ci-dessus, au lieu de INCOLLARE_API_KEY_OPENAI, il est essentiel d’insérer votre propre clé API OpenAI générée à travers cette page. L’avantage du code Python proposé à titre d’exemple est qu’il supporte également l’utilisation du modèle GPT-3.5.
Interprète de code pour traiter le contenu d’une feuille de calcul
Un autre exemple d’utilisation pourrait être l’extraction de données importantes d’une feuille de calcul fournie en entrée avec l’invite. L’auteur du projet publié sur GitHub a partagé le code suivant, que nous republions sous une forme légèrement révisée :
import os
os.environ["OPENAI_API_KEY"] = "API_KEY_OPENAI"
os.environ["VERBOSE"] = "True"
from codeinterpreterapi import CodeInterpreterSession, File
async def main() :
# gestionnaire de contexte pour le démarrage/arrêt automatique de la session
async with CodeInterpreterSession(model="gpt-3.5-turbo") as session :
# définir la demande de l'utilisateur
user_request = """Analyse cet ensemble de données et
créer un graphique avec les films les plus populaires.."""
files = [
File.from_path("tmdb_5000_movies.csv"),
]
# générer la réponse
response = await session.generate_response(
user_request, files=files
)
# envoyer la réponse à l'utilisateur
print("AI : ", response.content)
for file in response.files :
file.show_image()
# clôture de la session
await session.astop()
if __name__ == "__main__" :
import asyncio
asyncio.run(main())
Dans notre cas, nous avons essayé d’utiliser le fichier CSV TMDB 5000 Movie Dataset comme entrée. Il s’agit d’une archive qui contient toutes les informations sur les films sortis sur le marché au fil des ans.
Essayez donc d’enregistrer le code Python sous le nom filme.py et de stocker, dans le même dossier, le fichier CSV sous le nom tmdb_5000_movies.csv. En réponse à l’invite textuelle « Analysez cet ensemble de données et créez un graphique avec les films les plus populaires », Code Interpreter générera un graphique similaire à celui ci-dessous. Désolé si ce n’est pas suffisant.
Pour faire « la magie », il suffit de taper python filme.py à l’invite de commande de Windows.
En utilisant la même approche, avec un peu d’ingéniosité, vous pouvez traiter n’importe quel type de fichier, en extrayant des informations potentiellement très utiles pour n’importe quelle profession ou entreprise.