---
title: "Analyse de sentiment et tri de tickets en arabe par LLM"
description: "Classer avis, messages et tickets en arabe avec une API LLM : conception des labels, prompt adapté aux dialectes, sortie JSON, test en F1 macro, coût en volume."
url: https://broadrouter.com/fr/blog/arabic-text-classification-llm/
lang: fr
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/arabic-text-classification-llm/) (mis à jour le 2026-11-16).

# Classification de texte arabe par LLM : sentiment, intention, tri

Par l’équipe BroadNet Inference · 7 min de lecture · Publié 2026-11-15 · Mis à jour 2026-11-16

Pour classer du texte arabe avec un LLM, définissez une courte liste de labels avec une définition d’une ligne chacun, donnez quelques exemples étiquetés dans chaque dialecte rencontré, demandez du JSON avec un label et une courte citation comme preuve, et réglez le raisonnement au minimum. Évaluez ensuite le modèle sur 200 messages étiquetés à la main, en F1 macro, avant de lui faire confiance. Des modèles arabes affinés peuvent encore battre un LLM généraliste.

## À retenir

-   Écrivez d’abord les labels et leurs définitions. La plupart des erreurs de classification viennent de labels flous, pas du modèle.
-   Incluez des exemples dans chaque dialecte que vous recevez. Une étude de 2025 a montré qu’un prompting tenant compte du dialecte améliorait la précision de l’analyse de sentiment en arabe.
-   Demandez du JSON avec un label et une citation du texte, et gardez la sortie courte : les tokens de sortie coûtent plus cher que ceux d’entrée.
-   Évaluez sur votre propre jeu étiqueté avec le F1 macro et une matrice de confusion. Les messages neutres et mixtes sont ceux où modèles et humains divergent.
-   Regroupez de nombreux messages courts dans une même requête pour rester dans les limites de débit : une clé BroadNet en pay-as-you-go autorise 30 requêtes par minute.

**Sur cette page**

1.  Quelles tâches de classification conviennent à un LLM ?
2.  Que dit la recherche sur les LLM en arabe ?
3.  Comment concevoir les labels ?
4.  Quel prompt fonctionne pour classer de l’arabe ?
5.  Quel modèle BroadNet utiliser ?
6.  Comment tester le classifieur ?
7.  Comment classer à grande échelle ?
8.  Quelles erreurs éviter ?
9.  Quand un LLM est-il le mauvais classifieur ?
10.  La place de BroadNet Inference

Les tâches de classification en arabe sont partout : cet avis est-il positif, ce message WhatsApp est-il une réclamation, quelle équipe doit recevoir ce ticket, est-ce urgent ? Avant les LLM, chaque tâche demandait un jeu de données étiqueté et un modèle affiné. Aujourd’hui, vous pouvez commencer par un prompt. C’est plus rapide, mais il est facile de livrer un classifieur qui brille sur dix exemples et échoue sur le dialecte du Golfe. Cet article couvre le prompt, le format de sortie, le test et le coût.

## Quelles tâches de classification conviennent à un LLM ?

| Tâche | Labels, par exemple | Remarques |
| --- | --- | --- |
| Sentiment | positif, négatif, neutre, mixte | C’est sur neutre et mixte que humains et modèles divergent le plus |
| Intention | réclamation, question, commande, annulation, autre | Gardez « autre » ; forcer un label crée des erreurs |
| Routage des tickets | facturation, livraison, technique, compte | Calquez les labels sur vos vraies équipes |
| Urgence | urgent, normal | Définissez urgent en une ligne : « le client ne peut pas utiliser le service en ce moment » |
| Dialecte ou écriture | MSA, Golfe, égyptien, levantin, arabizi | Utile pour choisir le bon modèle de réponse ; voir [arabizi](https://broadrouter.com/fr/blog/arabizi-llm-handling/) |
| Étiquettes thématiques | Plusieurs labels d’une liste fixe | Demandez une liste, plafonnez sa longueur |

Un LLM convient bien quand vous avez peu d’exemples étiquetés, quand les labels changent souvent, ou quand vous voulez une justification pour chaque label. Un classifieur affiné convient bien quand les labels sont stables, le volume énorme et que vous disposez déjà de milliers d’exemples étiquetés.

## Que dit la recherche sur les LLM en arabe ?

Deux résultats sont bons à connaître avant de commencer :

-   **Les modèles arabes affinés peuvent gagner.** GPTAraEval a testé ChatGPT sur 44 tâches en arabe et l’a trouvé « consistently surpassed by smaller models that have undergone finetuning on Arabic » (traduction : « systématiquement dépassé par des modèles plus petits affinés sur l’arabe »). Les auteurs ont aussi observé des résultats plus faibles sur les dialectes que sur l’arabe standard moderne ([Khondaker et al.](https://arxiv.org/abs/2305.14976)).
-   **Les prompts tenant compte du dialecte aident.** Une étude présentée à RANLP 2025 sur DeepSeek-R1, Qwen2.5 et LLaMA-3, appliqués à l’analyse de sentiment en MSA, en dialecte saoudien et en darija marocaine, indique qu’un prompting tenant compte du dialecte a amélioré la précision, en particulier pour les classes neutre et négative ([Alharbi et al.](https://aclanthology.org/2025.ranlp-1.8/)).

Ce sont des modèles plus anciens ou différents de ceux que vous utiliserez : prenez ces résultats comme des tendances, pas comme des chiffres. La leçon tient : mesurez sur vos propres messages, dialecte par dialecte.

## Comment concevoir les labels ?

Commencez ici, pas par le modèle.

1.  **Gardez la liste courte.** Quatre à huit labels par question. Posez les questions distinctes (sentiment, intention, urgence) comme des champs séparés, pas comme une liste géante.
2.  **Définissez chaque label en une ligne,** en précisant ce qu’il n’est pas : « réclamation : le client signale un problème avec un achat. Pas une question sur le prix. »
3.  **Ajoutez un label de repli** comme `other` ou `unclear`.
4.  **Tranchez les cas mixtes à l’avance.** « La livraison était en retard mais le livreur était aimable » est mixte, pas neutre. Écrivez cette règle.

Les définitions des labels peuvent être en anglais même si le texte est en arabe. Gardez les valeurs des labels en anglais pour que votre code ne dépende pas d’une comparaison de chaînes arabes.

## Quel prompt fonctionne pour classer de l’arabe ?

```python
import json, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
LABELS = ["complaint", "question", "order", "cancel", "other"]

SYSTEM = """You classify customer messages written in Arabic.
Messages may be Modern Standard Arabic, Gulf or Egyptian dialect, Arabizi, or mixed with English.
Labels:
- complaint: reports a problem with a product, delivery or service.
- question: asks for information; no problem reported.
- order: wants to buy or change an order.
- cancel: wants to cancel an order or subscription.
- other: none of the above.
Return JSON only: {"label": one of the labels, "evidence": the shortest Arabic phrase from the message that decided it}.

Examples:
"الطلب وصل ناقص قطعتين" -> {"label": "complaint", "evidence": "وصل ناقص"}
"بكم التوصيل للرياض؟" -> {"label": "question", "evidence": "بكم التوصيل"}
"عايز ألغي الاشتراك" -> {"label": "cancel", "evidence": "ألغي الاشتراك"}"""

def classify(text):
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        temperature=0,
        reasoning_effort="low",
        max_tokens=1000,
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": text}])
    out = json.loads(r.choices[0].message.content)
    if out.get("label") not in LABELS:
        raise ValueError(f"bad label: {out}")
    return out
```

Pourquoi chaque élément est là :

-   **La ligne sur les dialectes** dit au modèle à quoi s’attendre : c’est le prompting tenant compte du dialecte que l’étude RANLP a jugé utile.
-   **Des exemples dans plus d’un dialecte.** Les exemples ci-dessus mêlent dialecte du Golfe et égyptien. Utilisez de vrais messages (anonymisés) tirés de votre propre trafic.
-   **La preuve sous forme de citation** permet à un relecteur de vérifier un label en une seconde, et rend les suppositions plus faciles à repérer.
-   **`reasoning_effort="low"`.** Qwen3.8 27B, GLM 5.3 et DeepSeek V4.1 Flash raisonnent avant de répondre, et le raisonnement compte dans `max_tokens`. La documentation de BroadNet conseille de régler `reasoning_effort` sur `low` ou de laisser 1 000 tokens ou plus. [Pourquoi les réponses reviennent vides sinon](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/).
-   **Rejetez les labels inconnus dans le code.** Ne comptez jamais sur le modèle pour rester dans la liste.

Pour un contrat de sortie plus strict, voyez [mode JSON ou json\_schema](https://broadrouter.com/fr/blog/structured-output-json-schema/). BroadNet indique la sortie structurée pour GLM 5.3 et Qwen3.8 27B.

## Quel modèle BroadNet utiliser ?

| Modèle | Pourquoi le choisir | Entrée / sortie par million de tokens |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) | Testé en arabe par BroadNet : dialectes du Golfe et égyptien compris ; sortie structurée indiquée | $0.175 / $2.17 |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/) | Prix au token le plus bas chez BroadNet ; fonctionne avec le crédit de départ de $5 ; sortie structurée non indiquée, validez donc strictement la sortie | $0.10 / $0.22 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) | Aussi disponible en forfait à $60 par mois et par session, une requête à la fois | $0.175 / $0.52 |
| [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/) | Sortie structurée indiquée ; le plus cher des quatre | $0.78 / $3.46 |

Faites d’abord tourner votre jeu de test sur Qwen3.8 27B et Gemma 4 VL 26B. Si les scores de Gemma sont assez proches, c’est le choix le moins cher pour des labels courts. Décidez sur vos chiffres, pas sur ce tableau.

## Comment tester le classifieur ?

1.  **Étiquetez 200 messages réels à la main,** avec un locuteur natif, selon les définitions ci-dessus. Incluez chaque dialecte que vous recevez, au moins 30 par dialecte.
2.  **Faites tourner le modèle sur les 200.**
3.  **Calculez le F1 macro,** c’est-à-dire la moyenne des F1 par label, pour que les labels rares comptent autant que les fréquents. L’exactitude seule masque un modèle qui ne répond jamais `cancel`.
4.  **Lisez la matrice de confusion.** Si `question` et `complaint` s’échangent souvent, les définitions se chevauchent : corrigez-les avant de changer de modèle.
5.  **Ventilez les résultats par dialecte.** Un modèle peut être fort en MSA et faible en dialecte du Golfe.

```python
# pip install scikit-learn
from sklearn.metrics import classification_report, confusion_matrix
pred = [classify(t)["label"] for t in texts]
print(classification_report(gold, pred, labels=LABELS, digits=3))
print(confusion_matrix(gold, pred, labels=LABELS))
```

Relancez le même jeu à chaque changement de prompt ou de modèle. [Comment évaluer un LLM avant d’en changer](https://broadrouter.com/fr/blog/evaluate-llm-before-switching/) explique comment maintenir un jeu de test fixe.

## Comment classer à grande échelle ?

La classification pèse surtout en entrée : un long prompt système, un message court et une réponse d’un mot. Trois leviers comptent.

**Regroupez les messages par requête.** Une clé BroadNet en pay-as-you-go autorise 30 requêtes par minute et 4 en parallèle. À un message par requête, vous plafonnez à 30 messages par minute et par clé, soit 1 440 fois plus par jour. Envoyez 20 messages courts sous forme de liste numérotée et demandez un tableau JSON de 20 résultats : la même limite de débit couvre alors vingt fois plus de messages. Vérifiez que la longueur du tableau correspond et que chaque élément porte son numéro.

**Gardez le préfixe du prompt identique.** Le prompt système et les exemples sont les mêmes à chaque appel. Placez-les en tête et le message en dernier, pour qu’ils soient lus depuis le cache au tarif de l’entrée en cache, par exemple $0.0435 au lieu de $0.175 par million sur Qwen3.8 27B. [Comment structurer les prompts pour que le préfixe soit mis en cache](https://broadrouter.com/fr/blog/prompt-structure-for-caching/).

**Gardez la sortie courte.** Les tokens de sortie coûtent plus cher que ceux d’entrée. Un label et une courte citation suffisent ; supprimez le champ de preuve une fois que vous faites confiance au modèle.

L’arabe consomme en général plus de tokens par mot que l’anglais : comptez un échantillon de vos messages dans le [compteur de tokens arabe](https://broadrouter.com/tools/arabic-token-counter/), puis chiffrez le mois dans le [calculateur de coût d’API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/).

## Quelles erreurs éviter ?

-   **Tester sur des traductions anglaises.** Un texte traduit n’est pas la façon dont écrivent vos clients.
-   **Une seule note pour tous les dialectes.** Rapportez chaque dialecte séparément.
-   **Pas de label de repli.** Forcer chaque message dans un vrai label gonfle les erreurs.
-   **Des réponses en texte libre.** « Ça semble négatif » ne se parse pas. Demandez du JSON et validez-le.
-   **Ignorer le sarcasme.** « ما شاء الله، ثالث مرة يتأخر الطلب » (en substance : « Bravo, troisième fois que la commande est en retard ») paraît positif mot à mot et c’est une réclamation. Mettez un exemple de ce genre dans le prompt.

## Quand un LLM est-il le mauvais classifieur ?

Quand les labels sont stables, que vous avez déjà des milliers d’exemples étiquetés et que le volume se compte en millions, un modèle encodeur arabe affiné coûte en général moins cher par message et, selon GPTAraEval, peut être plus précis. Pour de gros traitements hors ligne qui peuvent attendre, un fournisseur doté d’une API batch peut aussi revenir moins cher : OpenAI annonce une remise de 50 % pour les traitements batch terminés sous 24 heures. BroadNet n’a pas d’API batch. Une approche courante consiste à faire étiqueter les premiers milliers de messages par un LLM, à les vérifier à la main, puis à entraîner un petit modèle sur le résultat.

## La place de BroadNet Inference

BroadNet vous donne un modèle testé en arabe (Qwen3.8 27B), un modèle bon marché utilisable avec le crédit de départ (Gemma 4 VL 26B) et une option au forfait (DeepSeek V4.1 Flash) derrière une même clé compatible OpenAI, sans conservation du contenu des messages après la requête. Cela convient aux équipes support qui veulent classer des messages en arabe sans construire de pipeline d’entraînement. Cela ne convient pas aux très gros traitements hors ligne, où une remise batch ou un modèle affiné coûterait moins cher. Commencez par le prompt ci-dessus, le test sur 200 messages et l’article sur [l’arabe du Golfe, égyptien et levantin](https://broadrouter.com/fr/blog/arabic-llm-gulf-egyptian-dialects/) pour constituer le jeu de test.

Outils gratuits sur ce sujet (en anglais)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Arabizi (franco-arabe)](https://broadrouter.com/fr/glossary/arabizi/)

L’arabizi est de l’arabe écrit de façon informelle en lettres latines, avec des chiffres pour les sons arabes sans équivalent latin, comme 3 pour ع. Courant dans les messageries et sur les réseaux sociaux, il est surtout dialectal, n’a pas d’orthographe standard et se mêle souvent d’anglais ou de français.

[Limite de débit (rate limit)](https://broadrouter.com/fr/glossary/rate-limit/)

Une limite de débit (rate limit) est un plafond qu’une API impose à l’usage d’un client sur une période, par exemple en requêtes ou en tokens par minute. Les requêtes au-delà sont refusées, généralement avec HTTP 429 Too Many Requests, jusqu’à ce que l’usage repasse sous la limite.

[Sortie structurée (structured output)](https://broadrouter.com/fr/glossary/structured-output/)

La sortie structurée est une fonction des API LLM qui contraint la réponse d’un modèle à un format défini par le développeur, en général un JSON Schema, pour que le code puisse l’analyser de façon fiable. Elle est plus stricte que le mode JSON, qui garantit un JSON valide mais pas une structure précise.

[API batch (traitement par lots)](https://broadrouter.com/fr/glossary/batch-api/)

Une API batch est un endpoint LLM asynchrone qui accepte de nombreuses requêtes d’un coup, généralement sous forme de fichier, les traite dans une fenêtre définie plutôt qu’immédiatement et renvoie les résultats ensemble. Des fournisseurs comme OpenAI et Anthropic facturent les requêtes batch avec une remise par rapport à leurs API standard.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Arabe dialectal (dialectal Arabic)](https://broadrouter.com/fr/glossary/dialectal-arabic/)

L’arabe dialectal est l’arabe parlé au quotidien dans une région ou une ville, comme l’égyptien, l’arabe du Golfe, le levantin ou le maghrébin. Les dialectes diffèrent de l’arabe standard moderne par les sons, les mots et la grammaire, n’ont pas d’orthographe standard et s’écrivent de plus en plus en ligne, ce qui complique la tâche des modèles de langage.

## Questions fréquentes

### Un LLM peut-il faire de l’analyse de sentiment en arabe ?

Oui, sans entraînement, en lui fournissant des labels et des exemples dans le prompt. La qualité varie selon le dialecte et la classe : dans les tests publiés, les modèles restent derrière des modèles arabes affinés sur de nombreuses tâches, et les dialectes obtiennent de moins bons scores que l’arabe standard moderne. Mesurez-la sur vos propres données.

### Un LLM classe-t-il mieux qu’un modèle BERT arabe affiné ?

Pas toujours. GPTAraEval a trouvé ChatGPT « consistently surpassed by smaller models that have undergone finetuning on Arabic » (traduction : « systématiquement dépassé par des modèles plus petits affinés sur l’arabe ») sur 44 tâches. Un LLM l’emporte quand vous avez peu d’exemples étiquetés, des labels qui changent souvent, ou besoin d’une justification pour chaque label.

### Comment classer des messages en arabe du Golfe et égyptien ?

Donnez au modèle des exemples étiquetés dans chaque dialecte, indiquez-lui quels dialectes attendre et évaluez chaque dialecte séparément. Un modèle performant sur des avis égyptiens peut tout de même manquer le sarcasme du Golfe.

### Comment obtenir un label cohérent à chaque fois ?

Utilisez une liste de labels fixe, demandez du JSON limité à ces valeurs, réglez temperature à 0 et rejetez toute réponse hors liste. Envoyez les mêmes exemples dans le même ordre pour des résultats reproductibles.

### Combien de messages puis-je classer par jour chez BroadNet ?

Une clé pay-as-you-go autorise 30 requêtes par minute et 4 simultanées. À un message par requête, cela fait au plus 30 messages par minute et par clé, soit 1 440 fois plus par jour. Mettre 20 messages courts dans chaque requête multiplie ce chiffre par vingt, dans la limite du contexte.

### BroadNet propose-t-il une API batch pour la classification en masse ?

Non. BroadNet ne documente que les chat completions et la transcription. Pour de gros traitements hors ligne, regroupez les messages par requête, ou comparez avec un fournisseur doté d’une API batch ; la Batch API d’OpenAI annonce une remise de 50 % avec une fenêtre de 24 heures.

## À lire ensuite

-   [Arabe du Golfe, égyptien et levantin : les LLM face aux dialectes](https://broadrouter.com/fr/blog/arabic-llm-gulf-egyptian-dialects/)
-   [L’arabizi et les LLM : traiter le franco-arabe et ses chiffres 3 et 7](https://broadrouter.com/fr/blog/arabizi-llm-handling/)
-   [Mode JSON ou json\_schema : une sortie structurée qui tient](https://broadrouter.com/fr/blog/structured-output-json-schema/)
-   [Prompt engineering en arabe : registre, RTL, chiffres et texte mixte](https://broadrouter.com/fr/blog/arabic-prompt-engineering/)
-   [Comment évaluer un LLM avant de changer de fournisseur](https://broadrouter.com/fr/blog/evaluate-llm-before-switching/)
-   [Structurer ses prompts pour que le préfixe soit mis en cache](https://broadrouter.com/fr/blog/prompt-structure-for-caching/)
-   [Extraction d’entités nommées en arabe par LLM : JSON, dates, contrôles](https://broadrouter.com/fr/blog/arabic-named-entity-extraction-llm/)
-   [Traitement par lots LLM sans Batch API : un exécuteur reprenable](https://broadrouter.com/fr/blog/llm-batch-processing-without-batch-api/)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/)
-   [Correction grammaticale et orthographique de l’arabe par LLM : guide](https://broadrouter.com/fr/blog/arabic-grammar-spelling-correction-llm/)
-   [Guide : Pourquoi un modèle de raisonnement renvoie une réponse vide](https://broadrouter.com/fr/guides/reasoning-tokens-empty-response/)
-   [Guide : Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-text-classification-llm&utm_content=page-cta) ·

**Sources**

-   [Référence de l’API de BroadNet Inference : modèles, sortie structurée, reasoning\_effort, limites pay-as-you-go, limites des clés horaires (vérifiée le 2026-11-15) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-text-classification-llm&utm_content=sources)
-   [Page des tarifs de BroadNet Inference : mention « Tested in Arabic » pour Qwen3.8 27B et prix au token (vérifiée le 2026-11-15) (en anglais)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-text-classification-llm&utm_content=sources)
-   [Alharbi et al., Evaluating Large Language Models on Sentiment Analysis in Arabic Dialects, RANLP 2025 (vérifié le 2026-11-15)](https://aclanthology.org/2025.ranlp-1.8/)
-   [Khondaker et al., GPTAraEval: A Comprehensive Evaluation of ChatGPT on Arabic NLP (arXiv 2305.14976 ; vérifié le 2026-11-15)](https://arxiv.org/abs/2305.14976)
-   [Guide de la Batch API d’OpenAI : remise de 50 %, fenêtre de 24 heures (vérifié le 2026-11-15)](https://developers.openai.com/api/docs/guides/batch)
