Rust et l'IA : comment utiliser ChatGPT dans le développement en Rust

Pourquoi Rust et l'IA ne sont pas de la science-fiction, mais un outil de travail

Quand on entend « intelligence artificielle » et « Rust » dans la même phrase, on imagine généralement des réseaux neuronaux complexes écrits en Python. Mais que diriez-vous si je vous disais que Rust peut être un excellent backend pour interagir avec ChatGPT ? Sans Python lent, sans dépendances comme TensorFlow — juste du code pur, rapide et sécurisé qui communique avec l'API OpenAI.

Dans cet article, nous n'allons pas apprendre un réseau neuronal à partir de zéro — nous allons faire quelque chose de plus pratique : écrire un programme en Rust qui envoie des requêtes à ChatGPT et reçoit des réponses. Ensuite, nous lui apprendrons à générer du code, de la documentation et même à corriger des erreurs. Cela semble magique ? En réalité, ce ne sont que quelques crates et une bonne clé API.

Si vous avez déjà voulu ajouter un « cerveau » sous forme de modèle de langage à votre projet Rust, vous êtes au bon endroit. C'est parti !

Ce dont nous avons besoin : outils et préparation

Avant d'écrire du code, voyons ce qui est nécessaire pour intégrer ChatGPT dans une application Rust.

Composants nécessaires

\n
• Rust — compilateur installé (rustc) et gestionnaire de paquets Cargo. Si vous n'avez pas encore Rust — curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
\n
• Clé API OpenAI — inscrivez-vous sur platform.openai.com, créez une clé et placez-la dans la variable d'environnement OPENAI_API_KEY
\n
• Bibliothèques Rust — nous utiliserons les crates reqwest (pour les requêtes HTTP), serde et serde_json (pour travailler avec JSON), tokio (runtime asynchrone)
\n

Création du projet

cargo new rust_chatgpt\ncd rust_chatgpt

Ajoutons les dépendances dans Cargo.toml :

[dependencies]\nreqwest = { version = "0.12", features = ["json"] }\ntokio = { version = "1", features = ["full"] }\nserde = { version = "1.0", features = ["derive"] }\nserde_json = "1.0"

Maintenant, vous pouvez lancer cargo build — les dépendances seront téléchargées automatiquement.

Écrire la première requête à ChatGPT en Rust

La façon la plus simple de « parler » à ChatGPT est d'envoyer une requête POST au point de terminaison https://api.openai.com/v1/chat/completions. Rust, avec son typage strict, est parfait pour cette tâche : nous décrirons clairement la structure de la requête et de la réponse, et le compilateur nous vérifiera à chaque étape.

Structures de données pour l'API

L'API OpenAI attend un JSON avec un schéma spécifique. Décrivons-le avec serde :

use serde::{Deserialize, Serialize};\n\n#[derive(Serialize)]\nstruct ChatRequest {\n    model: String,\n    messages: Vec<Message>,\n    temperature: f32,\n}\n\n#[derive(Serialize, Deserialize, Clone)]\nstruct Message {\n    role: String,\n    content: String,\n}\n\n#[derive(Deserialize)]\nstruct ChatResponse {\n    choices: Vec<Choice>,\n}\n\n#[derive(Deserialize)]\nstruct Choice {\n    message: Message,\n}

Remarque : Message est utilisé à la fois pour l'envoi et la réception — nous avons donc ajouté les deux attributs Serialize et Deserialize.

Requête asynchrone

Écrivons maintenant une fonction qui envoie un message et retourne la réponse de ChatGPT :

use std::env;\n\nasync fn ask_chatgpt(prompt: &str) -> Result<String, Box<dyn std::error::Error>> {\n    let api_key = env::var("OPENAI_API_KEY")\n        .expect("La variable OPENAI_API_KEY n'est pas définie");\n\n    let client = reqwest::Client::new();\n\n    let request_body = ChatRequest {\n        model: "gpt-4o-mini".to_string(), // modèle rapide et économique\n        messages: vec![\n            Message {\n                role: "system".to_string(),\n