Appeler un modèle de langage depuis Laravel, c'est une requête POST, et pour un cas ponctuel vous pouvez l'écrire avec le client Http. Dès que vous avez besoin de sorties structurées, de tool calling, de streaming vers le navigateur, de retries, et de pouvoir changer de provider, un SDK gagne sa place. Ce guide couvre l'écosystème IA de Laravel en 2026 et comment utiliser chaque capacité, avec Prism comme exemple concret.

Le paysage 2026

• ✓Prism (prism-php/prism) : provider-agnostic, une API commune sur Anthropic, OpenAI, Mistral, Ollama et d'autres. Texte, sorties structurées, outils, streaming, embeddings.
• ✓Les SDK officiels par provider : les packages éditeurs quand vous voulez des fonctionnalités spécifiques et que vous ne comptez pas changer.
• ✓Laravel MCP : expose votre application comme des outils qu'un client MCP (dont un agent LLM) peut appeler, le sens inverse de l'appel d'un modèle.

Génération de texte

L'appel de base : choisir un provider et un modèle, poser un prompt système, envoyer le prompt utilisateur. Gardez le choix du modèle en config pour pouvoir le changer sans toucher au code.

use Prism\Prism\Prism;

$response = Prism::text()
    ->using('anthropic', config('services.llm.model')) // ex. claude-sonnet-5
    ->withSystemPrompt('Tu es un assistant de support concis.')
    ->withPrompt($question)
    ->asText();

return $response->text;

Sorties structurées

Quand vous avez besoin de données, pas de prose, décrivez un schéma et récupérez un tableau typé déjà validé contre ce schéma. C'est le bon outil pour l'extraction (sortir des champs d'un email), la classification (router un ticket), et tout cas où l'étape suivante est du code, pas un humain qui lit du texte.

use Prism\Prism\Schema\{ObjectSchema, StringSchema, EnumSchema};

$schema = new ObjectSchema('ticket', 'Un ticket de support trié', [
    new StringSchema('summary', 'Résumé en une phrase'),
    new EnumSchema('category', 'Domaine du ticket', ['billing', 'technical', 'account']),
    new EnumSchema('priority', 'Urgence', ['low', 'medium', 'high']),
], ['summary', 'category', 'priority']);

$response = Prism::structured()
    ->using('anthropic', config('services.llm.model'))
    ->withSchema($schema)
    ->withPrompt($emailBody)
    ->asStructured();

$ticket = $response->structured; // ['summary' => ..., 'category' => ..., 'priority' => ...]

Tool calling, en sécurité

Un outil laisse le modèle appeler une fonction de votre code : chercher une commande, vérifier le stock. Le SDK gère l'aller-retour, mais vous restez du côté de la proposition uniquement. Le modèle renvoie un nom d'outil et des arguments ; votre closure les valide face aux permissions de l'utilisateur courant et à vos règles métier, puis exécute ou refuse. Le modèle ne touche jamais la base directement.

use Prism\Prism\Tool;

$orderStatus = Tool::as('order_status')
    ->for('Statut de commande pour le client courant')
    ->withStringParameter('order_id', 'La référence de commande')
    ->using(function (string $orderId) use ($user) {
        $order = $user->orders()->find($orderId); // cadré à l'utilisateur
        return $order ? "Statut : {$order->status}" : 'Commande introuvable';
    });

$response = Prism::text()
    ->using('anthropic', config('services.llm.model'))
    ->withTools([$orderStatus])
    ->withMaxSteps(3)
    ->withPrompt($question)
    ->asText();

Streaming vers le navigateur

Un appel de génération prend des secondes ; streamez les tokens pour que l'interface réponde tout de suite. Le SDK expose la réponse comme un itérable ; enveloppez-le dans une réponse streamée Laravel sur Server-Sent Events et consommez-la avec EventSource côté front.

return response()->stream(function () use ($question) {
    $stream = Prism::text()
        ->using('anthropic', config('services.llm.model'))
        ->withPrompt($question)
        ->asStream();

    foreach ($stream as $chunk) {
        echo 'data: ' . json_encode(['text' => $chunk->text]) . "\n\n";
        ob_flush();
        flush();
    }
}, 200, ['Content-Type' => 'text/event-stream', 'X-Accel-Buffering' => 'no']);

Embeddings et pgvector

Le même SDK génère des embeddings, que vous stockez dans une colonne pgvector à côté de vos données relationnelles pour un montage RAG léger, sans base vectorielle séparée. Embeddez vos documents à l'ingestion, embeddez la question au moment de la requête, et lancez une recherche de similarité en SQL.

Abstraction du SDK ou SDK du provider directement ?

Coût, cache, rate limiting, fallback

• ✓Mettez en cache les réponses aux prompts fréquents ou identiques pour ne pas payer deux fois la même question.
• ✓Limitez le débit par utilisateur et par clé d'API, et renvoyez un 429 clair.
• ✓Suivez tokens et coût par fonctionnalité, attribués à un utilisateur ou un tenant.
• ✓Ayez un fallback non-IA (une page d'aide, un formulaire) pour quand le provider expire ou échoue.

Un SDK IA n'ajoute pas d'intelligence ; il retire de la plomberie. Il vous donne une forme unique pour le texte, les sorties structurées, les outils, le streaming et les embeddings à travers les providers, pour que le travail intéressant, le prompt, le contexte, les frontières des outils, soit là où va votre effort.