Ajouter une recherche web à une analyse Python : gérer aussi la mémoire du modèle

Oui, c'est possible — mais il vaut mieux distinguer deux sujets : la recherche sur Internet et la mémoire des conversations.

Connecter l'analyse à Internet

Votre script utilise une API compatible avec OpenAI et le modèle deepseek-v4-flash. Or, la compatibilité du format OpenAI ne garantit pas que le fournisseur accepte les outils intégrés de recherche web. La recherche web native d'OpenAI est principalement proposée via la Responses API, et un fournisseur tiers configuré avec base_url peut ne pas prendre en charge cette fonction.5

La méthode la plus portable consiste donc à séparer les étapes :

1. le programme lit le fichier data.txt ;
2. le modèle propose quelques mots-clés techniques ;
3. Tavily recherche les informations correspondantes ;
4. les résultats sont nettoyés et numérotés ([W1], [W2], etc.) ;
5. les résultats web et le bloc de données sont envoyés ensemble au modèle ;
6. le rapport cite uniquement les informations provenant du Web.

Tavily s'authentifie avec une clé API et renvoie des résultats structurés, notamment un titre, une URL et un extrait.13

Configuration minimale

import os
import requests

TAVILY_API_KEY = os.getenv("TAVILY_API_KEY", "")
TAVILY_SEARCH_URL = "https://api.tavily.com/search"


def search_tavily(query):
    if not TAVILY_API_KEY:
        raise ValueError("La clé TAVILY_API_KEY est manquante.")

    response = requests.post(
        TAVILY_SEARCH_URL,
        headers={
            "Authorization": f"Bearer {TAVILY_API_KEY}",
            "Content-Type": "application/json",
        },
        json={
            "query": query,
            "search_depth": "advanced",
            "max_results": 5,
            "include_answer": False,
            "include_raw_content": False,
            "include_images": False,
        },
        timeout=60,
    )

    response.raise_for_status()
    return response.json().get("results", [])

Dans les invites adressées au modèle, il faut préciser que les données du fichier et les extraits web sont des sources de contexte, pas des instructions. Le modèle doit aussi distinguer les faits observés dans le fichier, les informations générales trouvées en ligne et ses propres déductions.

Par exemple, le prompt peut imposer les règles suivantes :

• x ou X signifie une valeur absente ou invalide, et non zéro ;
• aucune valeur inexistante ne doit être inventée ;
• les informations issues du Web doivent porter une référence comme [W1] ;
• les données du fichier ne nécessitent pas de citation web ;
• toute contradiction entre une source web et les mesures doit être signalée ;
• en cas de preuve insuffisante, le rapport doit l'indiquer explicitement.

Le modèle a-t-il une mémoire ?

Non, pas automatiquement dans ce cas. Avec chat.completions.create(), le modèle ne mémorise pas les appels précédents simplement parce que vous réutilisez le même objet client ou le même nom de modèle. Le contexte doit être conservé par votre application, puis renvoyé dans la requête suivante.26

Autrement dit, le modèle ne « se souvient » que des messages que votre programme lui transmet à nouveau.

Ajouter une mémoire locale

Le script fourni met en place une mémoire persistante facultative :

• au démarrage, il lit analysis_memory.txt ;
• il transmet une portion de l'ancien rapport comme contexte secondaire ;
• à la fin, il ajoute le nouveau rapport au fichier ;
• la taille du fichier est limitée pour éviter une croissance infinie.

La configuration correspondante est la suivante :

ENABLE_PERSISTENT_MEMORY = False
MEMORY_FILE = Path("analysis_memory.txt")
MEMORY_INPUT_MAX_CHARS = 12000
MEMORY_FILE_MAX_CHARS = 50000

Pour activer cette fonction :

ENABLE_PERSISTENT_MEMORY = True

La mémoire ne contient ici que les rapports finaux, pas l'intégralité des données brutes. Le prompt rappelle également que les anciens résultats peuvent concerner un autre fichier et ne doivent jamais remplacer les faits du fichier actuellement analysé.

Attention au mélange des projets

Si vous analysez plusieurs produits, lots ou types de transistors, une mémoire globale peut introduire des conclusions inappropriées. Dans ce cas, il est préférable :

• de désactiver ENABLE_PERSISTENT_MEMORY ; ou
• d'utiliser un fichier de mémoire distinct pour chaque projet ; ou
• d'associer la mémoire à un identifiant de composant ou de campagne de mesure.

La mémoire doit donc être considérée comme un contexte auxiliaire, et non comme une base de vérité.

Correction importante dans l'appel au modèle

Dans le code présenté, l'accès au contenu de la réponse doit généralement s'écrire ainsi :

content = response.choices.message.content

et non :

content = response.choices.message.content

Le premier élément de choices doit être sélectionné avant d'accéder à son message. Il est également utile de vérifier que response.choices n'est pas vide et que content n'est pas nul.

En résumé

La solution la plus fiable pour votre architecture est de laisser votre programme gérer lui-même la recherche web et la mémoire : Tavily fournit les résultats Internet, tandis que votre code conserve les rapports et reconstruit le contexte à chaque appel. Cette approche dépend moins des fonctions particulières prises en charge par le fournisseur de modèle, tout en vous laissant contrôler les citations, la taille du contexte et la séparation entre les différents projets.