Guides
Créer des jeux d'entraînement JSONL valides depuis CSV & JSON
Formatez des fichiers .jsonl valides pour OpenAI Chat, Alpaca et Gemini depuis vos tableurs et tableaux JSON en local avec contrôle ligne par ligne.
Réponse rapide: Les API de fine-tuning exigent du `JSONL` (`.jsonl`) contenant un objet JSON par ligne, alors que les jeux d'entraînement proviennent souvent de `.csv`. La conversion locale mappe vos colonnes vers OpenAI `messages` ou Alpaca hors ligne sans téléverser vos données.
Pourquoi le fine-tuning et les API Batch exigent JSONL plutôt que JSON
Le JSON classique enferme les enregistrements dans un tableau global `[ ... ]`, obligeant à charger tout le fichier avant de lire le premier exemple. JSONL (Newline-Delimited JSON) écrit un objet JSON autonome et compact par ligne.
Les pipelines d'OpenAI, Anthropic Batch API et Vertex AI traitent des millions de lignes JSONL en flux indépendant tout en validant chaque ligne.
- Chaque ligne doit contenir un JSON minifié sur une seule ligne (pas d'indentation).
- Lignes vides finales ou virgules superflues déclenchent un rejet à l'import.
- Chaque exemple correspond généralement à un tableau `messages` par rôle.
Générer des exemples OpenAI Chat et Alpaca depuis un CSV
Les jeux d'évaluation et d'entraînement naissent souvent dans Excel ou Google Sheets avec des colonnes `system`, `prompt`/`user` et `completion`/`assistant`. Écrire des scripts ponctuels pour chaque export ralentit l'itération.
CSV to JSONL inclut des modèles intégrés Raw, OpenAI Chat (`messages[]`) et Alpaca (`instruction/input/output`) pour produire directement un JSONL prêt à l'entraînement.
{"messages":[{"role":"user","content":"Explain UTF-8 BOM"},{"role":"assistant","content":"A 3-byte EF BB BF header telling Excel to decode UTF-8."}]}Extraire des tableaux JSON imbriqués en JSONL validé
Si votre source est un objet API imbriqué comme `{ "data": { "samples": [...] } }`, saisissez le chemin `data.samples` dans JSON to JSONL pour dérouler le tableau et valider chaque ligne produite.
Estimer le budget en jetons du jeu de données en local
Ne collez jamais des exemples d'entraînement propriétaires dans un compteur tiers. Évaluez hors ligne la taille en jetons de votre fichier JSONL avant de lancer le fine-tuning.
Références
Questions fréquentes
Quels noms de colonnes fonctionne avec le modèle CSV OpenAI Chat ?
Les colonnes nommées system, user/prompt/question et assistant/completion/answer sont mappées dans le tableau messages ; en mode brut toutes les colonnes sont reprises.
Puis-je reconvertir un journal JSONL existant en tableau JSON ?
Oui. Passez le sens de JSON to JSONL sur JSONL -> JSON pour regrouper toutes les lignes dans un seul tableau JSON formaté.
Pourquoi mon envoi fine-tuning a-t-il échoué à la ligne 142 ?
Souvent un guillemet non échappé, une ligne vide ou une valeur NaN casse la syntaxe JSON. Activer la validation ligne par ligne signale immédiatement le numéro fautif.
Formats associés
Comparatifs associés
Guides associés
- TOON vs JSON : réduire de 30 à 60 % le coût en jetons des prompts LLMDécouvrez comment TOON supprime les clés JSON répétées dans les tableaux uniformes pour réduire vos coûts GPT-5, Claude 4 et Gemini 2.5.
- Fusionner et découper de gros CSV localement sans planter ExcelCombinez plusieurs exports CSV par nom de colonne ou découpez de gros fichiers par lots avec en-tête répété et export ZIP en local.
- Convertir des e-books EPUB en Markdown pour Obsidian & l'étude IADécompressez vos EPUB sans DRM localement en notes Markdown Obsidian ou en ZIP par chapitres — avec titres, liens et texte fluide.