# Décodage Contraint : La Clé d'un JSON Fiable avec les LLM

> Explorez le décodage contraint pour garantir la validité structurelle du JSON généré par les LLM. Comprenez pourquoi le prompt seul ne suffit pas et comment les modes stricts et solutions auto-hébergées assurent la conformité aux schémas.

Published: 2026-11-19

Canonical: https://sygnet.ai/fr/blog/decodage-contraint-cle-json-fiable-llm

---

## À retenir
- Ce qui garantit la validité structurelle, ce n'est pas le prompt mais le décodage contraint : le schéma est compilé en grammaire et chaque token susceptible de le rompre voit sa probabilité ramenée à zéro ([OpenAI](https://openai.com/index/introducing-structured-outputs-in-the-api/)).
- Conformité au schéma et exactitude de l'extraction sont deux métriques distinctes : GPT-5.4 affiche un taux de réussite JSON de 99,97 % mais seulement 0,486 de réponses parfaites, soit un écart d'environ 51 points ([Structured Output Benchmark](https://arxiv.org/html/2604.25359v1)).
- Les modes stricts ne couvrent qu'un sous-ensemble de JSON Schema, et cette couverture s'effondre sur des schémas réels : le mode strict d'OpenAI tombe à 29 % de couverture empirique sur le jeu de données GitHub Easy de JSONSchemaBench.
- Utilisez le JSON pour les champs métier et le XML ALTO/hOCR pour la géométrie de page au niveau des coordonnées ; ces deux formats répondent à des questions différentes et il faut souvent les deux.

## Pourquoi « renvoie du JSON » dans le prompt échoue-t-il encore ?

Parce que le prompt produit une tendance apprise, pas une garantie. Un modèle performant invité à renvoyer du JSON produira occasionnellement une sortie malformée quelle que soit sa capacité, car la génération libre n'offre aucune garantie ferme de conformité à un schéma ; le décodage contraint, lui, rend la sortie invalide structurellement impossible, et non simplement improbable. Les modes de défaillance sont familiers à quiconque a mis en production un pipeline d'extraction : balises markdown parasites, accolade égarée, virgule en trop, petit préambule bien intentionné.

Le positionnement d'OpenAI lui-même a été clair dès le lancement : le mode JSON améliore la fiabilité de génération d'un JSON valide, mais ne garantit pas que la réponse se conforme à un schéma particulier. Le coût de cet écart ne se limite pas aux erreurs de parsing. Les tentatives répétées empilent latence et dépenses, et une passe de réparation peut malgré tout laisser passer une charge utile subtilement erronée. L'argument de fond, lui, se cumule : un pipeline en cinq étapes dont chacune est fiable à 93 % ne produit un résultat correct de bout en bout qu'environ 70 % du temps. Pour l'IA documentaire, où classification, extraction de champs et validation s'enchaînent, c'est cette arithmétique qui décide si le système est exploitable.

> Le prototype relance ; le système en production contraint la génération.

## Comment le décodage contraint impose-t-il réellement un schéma ?

Il intervient entre la passe avant (forward pass) et l'échantillonnage. À chaque étape, un modèle de langage produit une distribution de probabilité sur l'ensemble de son vocabulaire ; le décodage contraint calcule quels tokens sont légaux compte tenu de la grammaire et du texte déjà généré, ramène la probabilité de tous les autres à zéro, puis échantillonne. Si un champ est une énumération limitée à `approved` et `rejected`, le modèle est structurellement incapable de produire « maybe » à cet emplacement.

Point essentiel : le classement relatif entre tokens légaux est préservé. Si le modèle attribue 0,3 au token A et 0,1 au token B, et que les deux sont valides, la distribution contrainte conserve le ratio de 3 pour 1 ; l'intervention n'a lieu que lorsque le modèle s'apprête à choisir quelque chose de structurellement invalide.

La difficulté technique réside dans la vitesse. Les tokenizers comptent plus de 100 000 entrées, un schéma imbriqué nécessite un automate à pile plutôt qu'une simple expression régulière, et le masque doit être prêt avant que la passe avant suivante ne s'achève. Les principaux moteurs résolvent ce problème différemment : XGrammar, développé par l'équipe MLC, revendique une accélération allant jusqu'à 100x par rapport aux solutions précédentes et constitue le backend de génération structurée par défaut dans vLLM, SGLang, TensorRT-LLM et MLC-LLM, tandis que llguidance, le cœur en Rust derrière Guidance de Microsoft, annonce environ 50 microsecondes de temps CPU par masque de token pour un tokenizer de 128k tokens.

## Quel mode d'application faut-il choisir ?

Le choix dépend de l'endroit où tourne l'inférence, pas du classement des modèles. Si vous appelez une API hébergée, le mode strict du fournisseur est la seule garantie ferme disponible. Si vous maîtrisez le runtime, les moteurs ouverts offrent une couverture de schéma plus large et un meilleur contrôle sur la mise en cache.

| Approche | Garantie | Limites connues |
|---|---|---|
| Mode JSON (`json_object`) | JSON syntaxiquement valide uniquement | Pas de conformité au schéma ; le prompt doit mentionner JSON sous peine d'erreur API |
| Mode strict OpenAI (`json_schema`) | 100 % de conformité au schéma dans les évaluations internes d'OpenAI | Pas de `allOf`, pas de `if/then/else` ; toutes les clés obligatoires avec `additionalProperties: false` |
| Tool use Anthropic | Conformité apprise, pas de masquage au moment du décodage | Aucune garantie ferme au niveau API comparable au `strict: true` |
| `responseSchema` de Gemini | 100 % de conformité sur les schémas pris en charge, 86 % de couverture empirique | Au-delà de 3-4 niveaux d'imbrication, le taux d'échec grimpe à 1-2 % |
| Auto-hébergé (Outlines, XGrammar, llguidance) | Grammaire imposée, pleine puissance CFG | Coût de compilation : Outlines compile les grammaires en 3 à 8 secondes contre un temps quasi nul pour Guidance |

Prévoyez un budget pour la compilation au premier appel. OpenAI indique désormais que seuls les modèles fine-tunés subissent une latence supplémentaire lors de la première requête avec un nouveau schéma, tandis qu'Anthropic compile le schéma en grammaire dès la première utilisation, avec un cache documenté de 24 heures, un délai de compilation plafonné à 180 secondes, et une erreur 400 pour les schémas trop complexes. Si vous hésitez entre les modes stricts hébergés et une pile auto-hébergée, notre [comparatif build vs buy pour l'IDP](https://sygnet.ai/build-vs-buy-idp) détaille le volet opérationnel de cette décision.

## 100 % de conformité au schéma signifie-t-il que l'extraction est correcte ?

Non, et confondre les deux est l'erreur la plus coûteuse en IA documentaire. Les sorties structurées garantissent la forme, pas le fond : une réponse peut comporter tous les champs requis, correctement typés, avec une valeur d'énumération techniquement valide mais sémantiquement fausse au regard du document source.

Les chiffres des benchmarks rendent cet écart mesurable. Sur le Structured Output Benchmark, les métriques structurelles (JSON Pass, Path Recall, Type Safety) se regroupent au-dessus de 0,95 pour la plupart des modèles, alors que la précision des valeurs (Value Accuracy) s'étale sur une plage de 13,7 points, de 0,693 à 0,830. Les auteurs sont sans détour : le vrai défi est l'extraction précise des valeurs à partir d'un OCR bruité et de transcriptions multi-locuteurs complexes, pas la conformité structurelle.

Les benchmarks d'OCR contraint par schéma montrent le même découplage au niveau des modèles : être le meilleur en OCR ne signifie pas être le meilleur dans le respect du schéma. Le modèle le plus performant en CER sur texte brut n'est pas le meilleur extracteur JSON, et le vainqueur en extraction contrainte par schéma n'était même pas dans le top 14 en OCR classique. Mesurez champ par champ, sur des documents annotés. Notre [checklist d'évaluation de la précision d'extraction](https://sygnet.ai/checklists/extraction-accuracy-evaluation) détaille le protocole au niveau du champ ; pour les tableaux en particulier, les métriques de distance d'édition structurelle comme GriTS et TEDS sont traitées dans notre [guide des métriques d'extraction de tableaux](https://sygnet.ai/blog/table-extraction-metrics-grits-teds-semantic-evaluation).

> La validité du schéma est un problème syntaxique réglé, et un problème sémantique qui ne l'est pas.

## Comment concevoir un schéma pour l'extraction documentaire ?

Gardez-le plat, gardez-le resserré, et encodez les ensembles de réponses connus sous forme d'énumérations. Les limites documentées par OpenAI sont de 10 niveaux d'imbrication et 5 000 propriétés d'objet par schéma ; pour des données arborescentes, aplatir en une liste avec des identifiants parents l'emporte sur l'imbrication d'enfants : c'est plus fiable, plus facile à valider, plus facile à restituer. Ce conseil s'applique directement aux lignes de facture, aux lignes de sinistre et aux listes de clauses de bail.

Trois règles concrètes :

**Supprimez les champs inutilisés.** Chaque champ du schéma est généré, donc retirez tout ce que vous ne consommerez pas. Le gain dépasse la simple latence : un schéma contraint ne produit que les champs demandés, sans préambule ni balise markdown, si bien que la sortie est souvent plus courte que son équivalent en texte libre ; et comme les tokens générés représentent la moitié coûteuse d'une facture d'inférence, un schéma resserré peut réduire les coûts.

**Traitez les champs optionnels de façon délibérée.** En mode strict OpenAI, un champ optionnel se traduit par une union avec null. Une alternative viable consiste à inclure tous les champs et à laisser le modèle renseigner ceux qui ne sont pas nécessaires avec des valeurs de substitution, supprimées ensuite en post-traitement.

**Surveillez la taxe sur la qualité.** Les contraintes peuvent écarter un modèle de sa trajectoire préférée. Pulse AI rapporte des expériences où l'on suit la perplexité pendant la génération pour repérer les extractions où le modèle « luttait » contre les contraintes, et route ces résultats à forte perplexité vers une relecture humaine. Ils ont aussi constaté que générer avec des contraintes minimales puis restructurer dans une seconde passe surpasse souvent la génération directement contrainte sur les tâches à forte composante de raisonnement.

## Quand la sortie OCR doit-elle être en XML plutôt qu'en JSON ?

Quand le consommateur a besoin de la géométrie de page et de la provenance plutôt que des champs métier. ALTO, maintenu par la Library of Congress, est un format de mise en page conservant les coordonnées des boîtes englobantes au niveau des mots et des lignes, accompagnées du texte reconnu ; il répond à où ce texte se trouve sur l'image et ce qu'il dit, pas à ce qu'est le document. C'est un schéma XML ouvert, développé à l'origine dans le cadre du projet européen METAe, qui décrit le placement, la taille et le style du texte ainsi que les marges, les titres, les colonnes et les illustrations ; sa maintenance a été transférée à la Library of Congress en août 2009.

ALTO porte nativement une confiance par unité : le schéma définit un pourcentage estimé de précision OCR de 0 à 100 et un niveau de confiance de page entre 0 (incertain) et 1 (certain), ainsi qu'une confiance au niveau du mot pour chaque chaîne. Depuis la version 4, ALTO a ajouté des polygones `<Shape>` et des lignes de base polylignes, comblant l'écart fonctionnel avec PAGE XML pour les documents manuscrits.

hOCR est l'option la plus légère : il intègre les métadonnées de mise en page et de transcription directement dans du HTML/XHTML sémantique via des microformats et des attributs de classe, plutôt que de définir un nouveau schéma XML. Tesseract génère nativement du XML ALTO et du hOCR, et des outils tiers permettent la conversion vers PAGE XML. Pour les pipelines auditables, conserver les coordonnées aux côtés des valeurs extraites est ce qui permet à un relecteur de vérifier un champ par rapport aux pixels d'origine, une exigence que nous considérons comme un minimum dans notre [checklist d'ingestion de documents pour le RAG](https://sygnet.ai/checklists/rag-document-ingestion).

## Que doit contenir la couche de validation après le décodage contraint ?

Conservez un validateur structurel en guise de fil d'alarme, puis ajoutez les contrôles qu'un schéma ne peut pas exprimer. Avec un moteur correctement configuré, cette revérification structurelle ne devrait jamais échouer ; un échec constitue donc une alerte à signal fort indiquant que la grammaire ou le moteur est défaillant, pas le modèle.

Au-dessus vient la sémantique : qu'un total extrait corresponde bien à la somme des lignes, qu'une date tombe dans une plage plausible. Ce sont ces règles qui attrapent les erreurs de la catégorie « valide mais faux ». Les refus méritent aussi leur propre circuit de traitement : si le modèle juge une requête dangereuse, il peut décliner le schéma entièrement, et la réponse porte alors un indicateur de refus ; tout pipeline en production a besoin d'un chemin de code qui vérifie cela explicitement.

Enfin, instrumentez les tentatives répétées. Les modes qui affichent 100 % avec des relances cachées derrière le SDK paient en réalité sur la ligne des relances ; l'unité pertinente est la validité du schéma par appel après N tentatives, pour un coût C. Sygnet exécute son extraction documentaire avec une sortie contrainte par schéma et une confiance au niveau du champ, et publie sa [politique de sécurité et de conformité](https://sygnet.ai/security) pour les équipes qui doivent documenter où leurs documents sont traités.

## FAQ
### Puis-je obtenir du JSON garanti depuis un VLM à poids ouverts tournant on-prem ?

Oui, à condition que votre pile de serving expose le sampler. Les contraintes de grammaire nécessitent un accès au sampler, donc leur prise en charge est une propriété de la pile de serving, pas des poids du modèle. XGrammar est livré comme backend par défaut dans vLLM, SGLang et TensorRT-LLM. Sur le benchmark d'OCR contraint par schéma, un modèle de 8 milliards de paramètres tournant sur un seul A10G avec 24 Go de VRAM a obtenu un score de 0,730, devançant olmOCR-7B à 0,714 et Claude Sonnet 4.5 à 0,709, évalués avec la génération structurée xgrammar.

### Imposer un schéma nuit-il à la précision de l'extraction ?

Moins qu'on ne le craint généralement, mais cela varie selon le modèle. Sur le Structured Output Benchmark, les contraintes de schéma ont eu un effet plus faible sur l'extraction ancrée (grounded extraction) que sur la fiabilité structurelle, avec une direction variable selon le modèle : Gemini-2.5-Flash et Gemini-3-Flash-Preview ont vu leur taux de JSON Pass augmenter, tandis que GPT-5.4 a vu le sien légèrement baisser. Le risque se concentre sur les schémas profondément imbriqués ou denses en contraintes, ce qui constitue l'argument pratique en faveur de l'aplatissement avant de mettre en cause le modèle.

### Pourquoi mon schéma est-il rejeté par un fournisseur mais accepté par un autre ?

Parce que chaque mode strict prend en charge un sous-ensemble différent de JSON Schema. L'imbrication est plafonnée, les objets racines ne peuvent pas utiliser `anyOf`, et l'implémentation d'Azure ajoute ses propres restrictions au-delà de la liste de base d'OpenAI. Ne présupposez aucune parité : un schéma qui fonctionne en mode strict OpenAI ne fonctionnera pas forcément de manière identique avec le tool use d'Anthropic ou le responseSchema de Gemini. Testez chaque cible séparément, et préférez un rejet au moment de l'intégration plutôt qu'une dégradation silencieuse vers une génération non guidée.