Structured outputs LLM. Le response_format d'OpenAI et le tool-use d'Anthropic prennent du JSON Schema. Après conception, vous voulez généralement un modèle Pydantic pour valider et accéder aux champs en Python. Génération de client OpenAPI. Une spec OpenAPI fournit du JSON Schema par body ; voie rapide vers des modèles Pydantic sans générateur complet. Migration Schema → Python. Système hérité avec validation JSON Schema à migrer vers Pydantic. Collez chaque schema, obtenez une classe de départ, raffinez. Scaffolding rapide. Forme esquissée en JSON dans un notebook ; transformez-la en vrai modèle d'un coller.

type: object avec properties + required — classe BaseModel imbriquée. type: array avec items — List[X] . Primitifs : string → str , integer → int , number → float , boolean → bool , null → None . format sur string : date-time → datetime , email → EmailStr , uri/url → HttpUrl , uuid → UUID . enum → Literal[...] ; const → Literal[X] . oneOf / anyOf → Union[...] ; une variante null se replie en Optional[...] . type: ["string", "null"] → Optional[str] . description → Field(..., description=...) . default → default du champ. minimum/maximum/minLength/maxLength → Field(ge=..., le=..., min_length=..., max_length=...) . Noms invalides en Python sont assainis et alias= ajouté ; modèle configuré avec populate_by_name=True . Objets imbriqués → classes imbriquées, nommées par title s'il existe, sinon par le champ. $defs/definitions → classes séparées.

Pydantic v2 vs v1. Sortie par défaut v2. Bascule via le dropdown si v1. La sortie est un point de départ. Relisez, surtout pour unions complexes et types récursifs. Les noms comptent. Le champ "Root class name" contrôle le nom de la classe top-level. Sous-classes : title ou nom de champ. Required vs Optional en v2. Required sans default utilise ... . Optional retombe sur None enveloppé en Optional[T] .

JSON Schema → Pydantic

Convertissez JSON Schema en code de modèle Pydantic v2, dans votre navigateur. Collez le schema, obtenez une classe Python prête à coller. Utile pour les workflows LLM de structured output.

JSON Schema

Pydantic version

Sample schema

Root class name

Generated Pydantic code

Saisissez une entrée ci-dessus pour voir le résultat.

À quoi ça sert ?

JSON Schema et Pydantic sont les deux manières principales de décrire un objet structuré — JSON Schema est la lingua franca pour OpenAPI, le function calling LLM et les structured outputs ; Pydantic est la lib de validation de facto en Python. Souvent vous avez l'un et il vous faut l'autre. Cet outil fait la conversion dans un sens : collez un JSON Schema, obtenez une classe Pydantic prête à poser dans un .py.

Quand l'utiliser

Structured outputs LLM. Le response_format d'OpenAI et le tool-use d'Anthropic prennent du JSON Schema. Après conception, vous voulez généralement un modèle Pydantic pour valider et accéder aux champs en Python.
Génération de client OpenAPI. Une spec OpenAPI fournit du JSON Schema par body ; voie rapide vers des modèles Pydantic sans générateur complet.
Migration Schema → Python. Système hérité avec validation JSON Schema à migrer vers Pydantic. Collez chaque schema, obtenez une classe de départ, raffinez.
Scaffolding rapide. Forme esquissée en JSON dans un notebook ; transformez-la en vrai modèle d'un coller.

Ce que l'outil gère

type: object avec properties + required — classe BaseModel imbriquée.
type: array avec items — List[X].
Primitifs : string → str, integer → int, number → float, boolean → bool, null → None.
format sur string : date-time → datetime, email → EmailStr, uri/url → HttpUrl, uuid → UUID.
enum → Literal[...] ; const → Literal[X].
oneOf/anyOf → Union[...] ; une variante null se replie en Optional[...].
type: ["string", "null"] → Optional[str].
description → Field(..., description=...).
default → default du champ.
minimum/maximum/minLength/maxLength → Field(ge=..., le=..., min_length=..., max_length=...).
Noms invalides en Python sont assainis et alias= ajouté ; modèle configuré avec populate_by_name=True.
Objets imbriqués → classes imbriquées, nommées par title s'il existe, sinon par le champ.
$defs/definitions → classes séparées.

Ce qu'il ne gère pas (encore)

$ref externes (URLs). Les locaux vers $defs marchent.
patternProperties — commentaire TODO.
additionalProperties avec schema — commentaire TODO.
Composition allOf multi-base. allOf à un élément est déballé.
Validateurs custom basés sur pattern — le champ sort, le regex est omis. Ajoutez un @field_validator après si besoin.

Pièges courants

Pydantic v2 vs v1. Sortie par défaut v2. Bascule via le dropdown si v1.
La sortie est un point de départ. Relisez, surtout pour unions complexes et types récursifs.
Les noms comptent. Le champ "Root class name" contrôle le nom de la classe top-level. Sous-classes : title ou nom de champ.
Required vs Optional en v2. Required sans default utilise .... Optional retombe sur None enveloppé en Optional[T].