Chargement
Chargement

Effectuer votre première requête API vers AWS Bedrock nécessite trois composants essentiels : un client Bedrock Runtime pour se connecter au service, un Model ID pour spécifier quel modèle vous souhaitez exécuter, et un message utilisateur contenant le texte que vous souhaitez transmettre au modèle.

Configuration du client Bedrock

Le client signe chaque requête avec vos identifiants AWS, configurez-les donc avant de commencer. Installez l'AWS CLI, puis configurez vos identifiants avec aws configure ou une autre option proposée dans le guide AWS sur les identifiants CLI. Sans identifiants, votre première requête s'arrête avec NoCredentialsError.

Installez boto3 avec pip install boto3. Créez ensuite un client pour vous connecter au service Bedrock runtime :

python
import boto3

client = boto3.client("bedrock-runtime", region_name="us-west-2")

Comprendre les Model IDs et la disponibilité régionale

C'est là que les choses se compliquent. Tous les modèles ne sont pas disponibles dans toutes les régions AWS. Si vous essayez d'exécuter un modèle qui n'existe pas dans la région choisie, vous obtiendrez un message d'erreur cryptique indiquant que le modèle n'existe pas.

Requête pour exécuter le modèle ID "anthropic.claude-v1" arrivant dans la région AWS us-west-2, où ce modèle est nommé Claude Sonnet.

Par exemple, si Claude Sonnet est disponible dans us-west-2 mais que vous effectuez des requêtes depuis us-east-1, votre requête échouera.

Une requête pour exécuter le modèle ID "anthropic.claude-v1" renvoie une erreur dans us-east-1, qui ne dispose pas de ce modèle, alors qu'il est présent dans us-west-2.

Utilisation des profils d'inférence

Les profils d'inférence résolvent le problème de disponibilité régionale en acheminant automatiquement vos requêtes vers une région où le modèle choisi est réellement hébergé.

Exemple de profil d'inférence nommé US Anthropic Claude Sonnet : profil ID us.profile.claude-v1, modèle ID anthropic.claude-v1.

Plutôt que de suivre quels modèles se trouvent dans quelles régions, vous pouvez utiliser un profil d'inférence qui sait que le modèle est disponible dans plusieurs régions, comme us-west-2 et us-east-2.

Une requête pour exécuter le profil d'inférence "us.profile.claude-v1" dans us-east-1 est acheminée vers anthropic.claude-v1 dans us-west-2.

Lorsque vous effectuez une requête à l'aide d'un profil d'inférence, AWS l'achemine automatiquement vers la région correcte où votre modèle existe, même si vous vous connectez depuis une région différente.

Pour trouver les profils d'inférence ID, rendez-vous sur la console AWS Bedrock et consultez la section « Cross-region inference » plutôt que d'utiliser le Model ID de la page principale du catalogue de modèles.

Console AWS Bedrock, page Cross-region inference, répertoriant les profils d'inférence avec un bouton de copie à côté de chaque ID de profil.

Copiez l'ID du profil d'inférence pour le modèle choisi. Les exemples de ce cours utilisent Claude Haiku 4.5, dont l'ID du profil d'inférence est us.anthropic.claude-haiku-4-5-20251001-v1:0 :

python
model_id = "us.anthropic.claude-haiku-4-5-20251001-v1:0"

Création de messages utilisateur

Les messages utilisateur ont une structure spécifique qui peut sembler excessivement complexe au premier abord, mais il y a une bonne raison à cela :

python
user_message = {
    "role": "user",
    "content": [
        {"text": "What's 1+1?"}
    ]
}

Le contenu est une liste car un même message peut contenir différents types de contenu : texte, images, ou d'autres types de médias. Cette structure vous permet d'envoyer des requêtes multimodales.

Un message utilisateur dont la liste de contenu contient un bloc d'image, au format png avec des octets source, puis le texte « What's in this image? ».

Effectuer la requête

Vous pouvez maintenant effectuer votre appel API en utilisant la méthode converse :

python
response = client.converse(
    modelId=model_id,
    messages=[user_message]
)

La réponse contient beaucoup de métadonnées, mais pour obtenir uniquement le texte généré, vous devez parcourir la structure de la réponse :

python
response["output"]["message"]["content"][0]["text"]

Comprendre les types de messages

Il existe deux principaux types de messages avec lesquels vous allez travailler :

  • Messages utilisateur - Le contenu que vous souhaitez transmettre au modèle (role : "user")
  • Messages assistant - Le contenu produit par le modèle (role : "assistant")

Fenêtre de discussion indiquant le message « Define quantum computing » comme le message utilisateur et la réponse de l'IA comme le message assistant.

Les deux types de messages suivent la même structure, avec un role et une liste de contenu. Cette cohérence facilite la construction de conversations en alternant entre messages utilisateur et messages assistant.

Le message assistant que vous recevez de Bedrock suit exactement le même format que votre message utilisateur, simplement avec un role différent. Cette structure normalisée permet d'enchaîner facilement plusieurs requêtes pour des conversations plus longues.