Comment implémenter un chatbot sur un site web, étape par étape
Apprendre à implémenter un chatbot dans des projets web se résume à trois parties : une bulle de chat dans le navigateur, un petit backend qui conserve votre clé API et un appel à un endpoint compatible OpenAI. Ce guide construit chaque partie avec du code fonctionnel.
Mis à jour le

Points clés
- N’appelez jamais l’API depuis du code navigateur. Conservez la clé sur un serveur et exposez votre propre route /api/chat.
- L’API est compatible OpenAI, donc les SDK standards fonctionnent après avoir défini l’URL de base et utilisé le modèle uncensored.
- Diffusez les réponses pour que la page semble rapide et limitez l’historique sur le serveur.
- Gérez les réponses 429 et définissez une limite par visiteur, car une clé complète permet 8 requêtes simultanées.
L'architecture en une image
La méthode habituelle pour implémenter un chatbot dans des projets web est un relais en trois étapes. Le visiteur tape dans une bulle de chat. Votre page envoie le message à votre propre serveur. Votre serveur appelle l’API du modèle avec votre clé secrète et renvoie la réponse. Le navigateur ne voit jamais la clé.
Cela est important car tout le JavaScript côté client est public. Si vous placez la clé dans une balise script, n’importe qui qui ouvre les outils de développement peut la copier et dépenser votre solde. Une route backend vous donne également un seul endroit pour ajouter des limites de débit, un découpage d’historique, des journaux et un contrôle d’âge. Pour un guide plus détaillé d’une page terminée, consultez le tutoriel de chat web.
Étape 1 : obtenir une clé et tester l’endpoint
Inscrivez-vous avec Google ou avec un e-mail et un mot de passe, puis réclamez l’essai gratuit sur la page de la clé API. L’essai offre 0,50 $ de crédit, valable 7 jours, une fois par personne, et ne nécessite aucun paiement. Enregistrez la clé en tant que variable d’environnement, pas dans votre code.
Vérifiez que cela fonctionne avec curl avant d’écrire du code d’application :
export API_KEY="YOUR_KEY"
curl https://api.uncensoredchatbotapi.com/v1/models -H "Authorization: Bearer $API_KEY"
curl https://api.uncensoredchatbotapi.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "uncensored", "messages": [{"role": "user", "content": "Say hello in five words."}]}'Le premier appel liste les modèles et le second retourne une complétion de conversation. Si les deux réussissent, la clé et l’URL de base sont correctes. Un 401 signifie que la clé est incorrecte ou manque le préfixe Bearer.
Étape 2 : écrire la route backend
L’exemple ci-dessous utilise Node 18 ou plus récent, Express et le package officiel openai. Installez-les avec npm install express openai et définissez "type": "module" dans package.json.
import express from "express";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredchatbotapi.com/v1",
apiKey: process.env.API_KEY,
});
const SYSTEM = "You are a helpful assistant for our website. Keep answers under 150 words.";
const app = express();
app.use(express.json({ limit: "100kb" }));
app.use(express.static("public"));
app.post("/api/chat", async (req, res) => {
const incoming = Array.isArray(req.body.messages) ? req.body.messages : [];
const history = incoming.slice(-10).map((m) => ({
role: m.role === "assistant" ? "assistant" : "user",
content: String(m.content).slice(0, 4000),
}));
try {
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "system", content: SYSTEM }, ...history],
stream: true,
});
res.setHeader("Content-Type", "text/plain; charset=utf-8");
for await (const chunk of stream) {
const text = chunk.choices[0]?.delta?.content;
if (text) res.write(text);
}
} catch (err) {
if (res.headersSent === false) res.status(err.status === 429 ? 429 : 502);
}
res.end();
});
app.listen(3000, () => console.log("Listening on http://localhost:3000"));Trois détails font réellement le travail ici. Le serveur reconstruit lui-même la liste des messages, donc un visiteur ne peut pas injecter un message système fictif. Il ne conserve que les 10 derniers messages et tronque chacun à 4 000 caractères, ce qui limite le coût. Et il définit toujours explicitement les rôles, en mappant tout élément inconnu à user.
Étape 3 : créer la zone de chat
Mettez ceci dans public/index.html. Il utilise du JavaScript pur sans framework, donc vous pouvez le coller dans un modèle existant.
<div id="log"></div>
<form id="form">
<input id="input" autocomplete="off" required />
<button>Send</button>
</form>
<script>
const messages = [];
const log = document.getElementById("log");
document.getElementById("form").addEventListener("submit", async (e) => {
e.preventDefault();
const input = document.getElementById("input");
messages.push({ role: "user", content: input.value });
log.insertAdjacentHTML("beforeend", "<p></p>");
log.lastElementChild.textContent = "You: " + input.value;
input.value = "";
const reply = document.createElement("p");
log.appendChild(reply);
const res = await fetch("/api/chat", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ messages }),
});
if (res.ok === false) { reply.textContent = "Busy, please try again in a moment."; return; }
const reader = res.body.getReader();
const decoder = new TextDecoder();
let full = "";
while (true) {
const { done, value } = await reader.read();
if (done) break;
full += decoder.decode(value, { stream: true });
reply.textContent = full;
}
messages.push({ role: "assistant", content: full });
});
</script>L’utilisation de textContent au lieu de innerHTML pour la sortie du modèle empêche la réponse d’injecter du markup dans votre page. Conservez cette habitude même lorsque le modèle est bien comporté.
Étape 4 : gérer les limites et les erreurs
Une clé complète permet 8 requêtes simultanées et 300 requêtes par minute. Une clé d’essai permet 2 requêtes simultanées et 60 par minute. Lorsque vous dépassez, l’API retourne HTTP 429 avec un code d’erreur : rate_limited pour les requêtes par minute ou concurrency pour trop de requêtes à la fois. En cas de surcharge temporaire, elle retourne également 429 avec un en-tête Retry-After: 5.
Deux règles pratiques s'ensuivent. Premièrement, réessayez après le délai 429 avec un court backoff, et affichez un message convivial au visiteur si l'échec persiste. Deuxièmement, rappelez-vous qu'une requête streaming occupe son slot de concurrence jusqu'à la fin du flux. Si dix visiteurs stream en même temps avec une clé pleine, deux d'entre eux seront refusés, alors ajoutez une petite file d'attente ou une limite par visiteur sur votre serveur. Un simple compteur en mémoire indexé par adresse IP suffit pour un petit site.
Les en-têtes de réponse vous aident à déboguer : X-Request-Id identifie un appel si vous contactez le support, et X-Balance-USD affiche votre crédit restant. La limite du corps de la requête est de 8 Mo, bien au-dessus de ce dont un chat a besoin, et la fenêtre de contexte est de 100 000 tokens.
Pièges lors du déploiement
Le code ci-dessus fonctionne sur localhost. Voici les problèmes qui apparaissent une fois qu’il est sur un serveur réel.
- Proxies de mise en mémoire tampon. Certains proxies inverses retiennent les réponses diffusées jusqu’à ce qu’elles soient terminées, donc la réponse apparaît d’un coup. Si vous utilisez nginx, désactivez la mise en mémoire tampon des réponses pour la route de chat. Testez le streaming via la même chaîne de proxy que vous utilisez en production, pas seulement sur votre ordinateur portable.
- Clés dans le dépôt. Conservez la clé dans une variable d’environnement ou un magasin de secrets et ajoutez tout fichier d’environnement local à votre liste d’ignorance. Si une clé atterrit jamais dans un dépôt public, créez-en une nouvelle et cessez d’utiliser l’ancienne.
- Faire confiance au client. Le navigateur envoie l’historique du chat, donc un visiteur peut le modifier. C’est pourquoi le serveur à l’étape 2 définit les rôles lui-même et coupe la longueur des messages. N’acceptez jamais un message système du client.
- Appels cross-origin. Si votre page et votre backend vivent sur des domaines différents, le navigateur bloquera la requête jusqu'à ce que votre serveur envoie les bons en-têtes CORS. Servir les deux depuis une seule origine évite le problème.
- Coût incontrôlable. Un visiteur scripté peut envoyer des centaines de messages. Comptez les requêtes par IP ou session sur le serveur et refusez lorsque le compteur est trop élevé. Limitez également la longueur des messages, comme le fait l’exemple.
- Markdown et liens. Les modèles répondent souvent avec des listes et des blocs de code. Décidez si vous les affichez ou si vous affichez du texte brut, et n’insérez jamais le texte de réponse comme HTML brut.
Un dernier contrôle est la disposition mobile. La plupart du trafic de chat sur les sites publics provient de téléphones, donc testez avec un écran étroit, un clavier logiciel ouvert et une connexion instable. Si le flux se coupe à mi-chemin, le visiteur doit pouvoir renvoyer sans perdre le fil.
Évolution du bot plus tard
Une fois le relais de base fonctionnel, la même route peut faire plus, car l’API prend en charge les fonctionnalités standard OpenAI. Vous pouvez demander une sortie structurée avec le mode JSON en définissant response_format sur {"type": "json_object"} et en disant dans le prompt que la réponse doit être du JSON. Cela convient à un formulaire de lead qui transforme un message en texte libre en champs comme le nom, le sujet et l’urgence.
L’appel de fonctions permet au modèle de demander à votre serveur d’exécuter une fonction, comme rechercher une commande ou vérifier les heures d’ouverture. Vous transmettez une liste tools, lisez les tool_calls dans la réponse, exécutez la fonction vous-même et renvoyez le résultat en tant que message avec role: "tool". Le modèle écrit ensuite la réponse finale à partir de vos données. C’est ainsi qu’un bot de site web obtient des informations réelles au lieu de deviner.
Les paramètres d’échantillonnage sont également à votre disposition. Une température plus basse convient aux centres d’aide factuels et une température plus élevée convient au récit. Ajoutez un changement à la fois et comparez les résultats sur les mêmes cinq questions de test.
Étape 5 : façonner le bot et mettre en ligne
Le prompt système définit votre bot. Dites-lui qui il est, ce qu'il couvre et la durée des réponses. Si le personnage a une personnalité, les notes sur design du persona vont plus loin. Parce que le modèle est ajusté pour répondre sans refus de contenu pour un usage adulte légal, les garde-fous pour votre public sont à écrire : une confirmation d'âge, un lien de signalement et une liste claire de ce que le bot ne discutera pas. Le contenu sexuel impliquant des mineurs n'est jamais autorisé. Consultez la page sur l'utilisation responsable et les garanties avant le lancement.
En matière de coût, vous payez 0,15 $ par 1 M de tokens d’entrée et 0,50 $ par 1 M de tokens de sortie. Une réponse avec 1 200 tokens d’entrée et 300 tokens de sortie coûte 0,00018 $ plus 0,00015 $, soit 0,00033 $. Un rechargement de 20 $ couvre plus de 60 000 telles réponses. Les rechargements vont de 20 $ à 500 $, avec +5 % à partir de 50 $, +10 % à partir de 100 $ et +15 % à partir de 200 $, payés en USDT sur TRC20 ou USDC sur Base. Le crédit ne expire jamais. La page tarification a les détails, et la documentation liste chaque paramètre pris en charge, y compris l’appel de fonctions et le mode JSON.
Avant de lancer, testez avec quelques longues conversations, surveillez les journaux pour les 429 et confirmez que votre serveur découpe l’historique. Les prompts ne sont pas utilisés pour l’entraînement, mais vous devriez quand même dire à vos visiteurs ce que vous stockez.
Plus de guides
Questions et réponses
Puis-je appeler l’API directement depuis du JavaScript dans le navigateur ?
Vous le pouvez, mais vous ne devriez pas. La clé serait visible par tous les visiteurs. Acheminez les requêtes via votre propre serveur et conservez la clé dans une variable d’environnement.
Quels langages et SDK sont compatibles ?
Tout SDK OpenAI ou client HTTP. Définissez l’URL de base sur https://api.uncensoredchatbotapi.com/v1, utilisez votre clé comme jeton d'authentification et définissez le modèle sur uncensored. Python, Node et curl fonctionnent tous.
Le streaming fonctionne-t-il dans un navigateur ?
Oui. L’API diffuse via SSE avec stream défini sur true. L’exemple relaie le texte via votre serveur avec fetch et un lecteur de flux.
Que se passe-t-il lorsque vous atteignez la limite de débit ?
Vous obtenez un HTTP 429 avec le code rate_limited ou concurrency. Attendez et réessayez. En cas de surcharge temporaire, l’en-tête Retry-After est de 5 secondes.
Votre clé n'est qu'à un formulaire d'ici
Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.