Et c'est le même niveau de performance que celui obtenu avec **FastAPI**.

</blockquote>

## Recherche { #investigation }

Avec **FastAPI** vous obtenez toutes les fonctionnalités de **Pydantic** (puisque FastAPI est basé sur Pydantic pour toute la gestion des données) :

* **Pas de prise de tête** :
    * Pas de micro-langage de définition de schéma à apprendre.
    * Si vous connaissez les types Python vous savez utiliser Pydantic.

Ce document teste si le <abbr title="Large Language Model - Grand modèle de langage">LLM</abbr>, qui traduit la documentation, comprend le `general_prompt` dans `scripts/translate.py` et l’invite spécifique à la langue dans `docs/{language code}/llm-prompt.md`. L’invite spécifique à la langue est ajoutée à la fin de `general_prompt`.

Les tests ajoutés ici seront visibles par tous les concepteurs d’invites spécifiques à chaque langue.

Utiliser comme suit :

fonctionnalités, en reprenant et en combinant de la meilleure façon possible les meilleures idées des outils
précédents, en utilisant des fonctionnalités du langage qui n'étaient même pas disponibles auparavant (annotations de type depuis Python 3.6+).

## Outils précédents { #previous-tools }

### [Django](https://www.djangoproject.com/) { #django }

            "analyzer": "french_analyzer"
          }
        }
      },
      {
        "lang_gl": {
          "match": "*_gl",
          "mapping": {
            "type": "text",
            "analyzer": "galician_analyzer"
          }
        }
      },
      {
        "lang_gu": {
          "match": "*_gu",
          "mapping": {
            "type": "text",

            "analyzer": "french_analyzer"
          }
        }
      },
      {
        "lang_gl": {
          "match": "*_gl",
          "mapping": {
            "type": "text",
            "analyzer": "galician_analyzer"
          }
        }
      },
      {
        "lang_gu": {
          "match": "*_gu",
          "mapping": {
            "type": "text",

            "analyzer": "french_analyzer"
          }
        }
      },
      {
        "lang_gl": {
          "match": "*_gl",
          "mapping": {
            "type": "text",
            "analyzer": "galician_analyzer"
          }
        }
      },
      {
        "lang_gu": {
          "match": "*_gu",
          "mapping": {
            "type": "text",

      - id: generate-readme
        language: unsupported
        name: generate README.md from index.md
        entry: uv run ./scripts/docs.py generate-readme
        files: ^docs/en/docs/index\.md|docs/en/data/sponsors\.yml|scripts/docs\.py$
        pass_filenames: false

      - id: update-languages
        language: unsupported
        name: update languages
        entry: uv run ./scripts/docs.py update-languages

		}
	})

	t.Run("Languages", func(t *testing.T) {
		if len(user.Languages) != len(expect.Languages) {
			t.Fatalf("Languages should equal, expect: %v, got %v", len(expect.Languages), len(user.Languages))
		}

		sort.Slice(user.Languages, func(i, j int) bool {
			return strings.Compare(user.Languages[i].Code, user.Languages[j].Code) > 0
		})