Chat de base avec Azure AI Foundry - Exemple de bout en bout

Cet exemple est une application Spring Boot simple qui se connecte à un modèle Azure AI Foundry en utilisant une authentification sans clé (Microsoft Entra ID) et teste votre configuration. Elle utilise le ChatClient de Spring AI.

Table des matières

• Prérequis
• Démarrage rapide
• Comment fonctionne l’authentification
• Exécution de l’application
  • Utilisation de Maven
  • Utilisation de VS Code
  • Sortie attendue
• Référence de configuration
  • Variables d’environnement
  • Configuration Spring
• Dépannage
  • Problèmes courants
  • Mode debug
• Étapes suivantes
• Ressources

Prérequis

Avant d’exécuter cet exemple, assurez-vous de disposer de :

• Une ressource Azure AI Foundry avec un déploiement gpt-4o-mini — provisionnez-la avec azd up ou manuellement via le guide de configuration Azure AI Foundry
• Le rôle Utilisateur des services cognitifs OpenAI sur cette ressource (les templates Bicep l’assignent automatiquement)
• Le CLI Azure (az), connecté avec az login
• Java 21+ et Maven 3.9+

Aucune clé API requise — l’authentification est sans clé via Microsoft Entra ID.

Démarrage rapide

# 1. Naviguez vers le projet
cd 02-SetupDevEnvironment/examples/basic-chat-azure

# 2. Connectez-vous pour que l'authentification sans clé puisse obtenir un jeton
az login

# 3. Configurez le point de terminaison
#    - Si vous avez exécuté `azd up`, .env a été écrit pour vous (sauter cette étape).
#    - Sinon, copiez le modèle et définissez AZURE_OPENAI_ENDPOINT :
cp .env.example .env

# 4. Exécutez l'application
mvn spring-boot:run

Comment fonctionne l’authentification

Cet exemple s’authentifie avec Microsoft Entra ID — il n’y a pas de clé API.

Lorsque seule la propriété spring.ai.azure.openai.endpoint est définie (sans clé API), Spring AI construit le client Azure OpenAI avec DefaultAzureCredential. Cette crédential trouve automatiquement un jeton depuis votre session locale az login, ou depuis une identité managée lors de l’exécution dans Azure — ce qui permet que le même code fonctionne dans les deux environnements sans modification.

Exécution de l’application

Utilisation de Maven

mvn spring-boot:run

Utilisation de VS Code

1. Ouvrez le projet dans VS Code
2. Appuyez sur F5 ou utilisez le panneau "Run and Debug"
3. Sélectionnez la configuration "Spring Boot-BasicChatApplication"

Note : La configuration VS Code charge automatiquement votre fichier .env

Sortie attendue

Starting Basic Chat with Azure OpenAI...
Environment variables loaded successfully
Connecting to Azure OpenAI...
Sending prompt: What is AI in a short sentence? Max 100 words.

AI Response:
================
AI, or Artificial Intelligence, is the simulation of human intelligence in machines programmed to think and learn like humans.
================

Success! Azure OpenAI connection is working correctly.

Référence de configuration

Variables d’environnement

Variable	Description	Obligatoire	Exemple
AZURE_OPENAI_ENDPOINT	URL de l’endpoint Foundry (Azure OpenAI)	Oui	https://my-resource.openai.azure.com/
AZURE_OPENAI_DEPLOYMENT	Nom du déploiement du modèle de chat	Non	gpt-4o-mini (par défaut)

Il n’y a pas de variable clé API — l’authentification est sans clé (Microsoft Entra ID via az login).

Configuration Spring

Le fichier application.yml configure :

• Endpoint : ${AZURE_OPENAI_ENDPOINT} - depuis la variable d’environnement
• Déploiement : ${AZURE_OPENAI_DEPLOYMENT:gpt-4o-mini} - depuis la variable d’environnement avec valeur par défaut
• Auth : sans clé — aucune api-key n’est définie, donc Spring AI utilise DefaultAzureCredential
• Température : 0.7 - Contrôle la créativité (0.0 = déterministe, 1.0 = créatif)
• Max Tokens : 500 - Longueur maximale de la réponse

Dépannage

Problèmes courants

Erreur : 401 / "PermissionDenied" / erreurs de jeton

• Exécutez az login — l’authentification sans clé nécessite une connexion active pour obtenir un jeton
• Vérifiez que votre compte possède le rôle Utilisateur des services cognitifs OpenAI sur la ressource
• Si vous venez d’assigner ce rôle, attendez une minute pour la propagation
• Confirmez que vous êtes dans le bon locataire/abonnement (az account show)

Erreur : "L’endpoint n’est pas valide" / erreurs de connexion

• Assurez-vous que AZURE_OPENAI_ENDPOINT est l’URL complète de base (ex. : https://your-resource.openai.azure.com/)
• Vérifiez la cohérence du slash final
• Confirmez que l’endpoint correspond à la ressource provisionnée (azd env get-values)

Erreur : "Le déploiement n’a pas été trouvé"

• Vérifiez que AZURE_OPENAI_DEPLOYMENT correspond à un nom de déploiement dans Azure
• Assurez-vous que le modèle est bien déployé et actif
• Le nom de déploiement par défaut est gpt-4o-mini

VS Code : variables d’environnement non chargées

• Assurez-vous que votre fichier .env est à la racine du projet (au même niveau que pom.xml)
• Essayez d’exécuter mvn spring-boot:run dans le terminal intégré de VS Code
• Vérifiez que l’extension Java de VS Code est correctement installée

Mode debug

Pour activer la journalisation détaillée, décommentez ces lignes dans application.yml :

logging:
  level:
    org.springframework.ai: DEBUG
    com.azure: DEBUG

Étapes suivantes

Installation terminée ! Continuez votre parcours d’apprentissage :

Chapitre 3 : Techniques principales d’IA générative

Ressources

• Documentation Spring AI Azure OpenAI
• Authentification sans clé avec Microsoft Entra ID
• Portail Azure AI Foundry
• Documentation Azure AI Foundry

---

Avertissement : Ce document a été traduit à l'aide du service de traduction automatique Co-op Translator. Bien que nous nous efforçions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source faisant autorité. Pour les informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous ne saurions être tenus responsables des malentendus ou erreurs d'interprétation découlant de l'utilisation de cette traduction.