FastAPI est devenu le standard pour exposer des APIs Python en production, notamment pour le serving de modèles ML. Basé sur Starlette et Pydantic, il génère automatiquement la documentation OpenAPI, valide les entrées et offre des performances asynchrones comparables à Go et Node.js. Adopté massivement pour les microservices ML et les APIs de données.
Exposition de modèles de machine learning
Les data scientists utilisent FastAPI pour déployer leurs modèles scikit-learn, PyTorch ou TensorFlow comme API REST en quelques dizaines de lignes, avec validation automatique des entrées via Pydantic.
Construction de microservices data
FastAPI sert à construire des microservices asynchrones pour les pipelines data : ingesteurs d'événements, transformateurs de données, passerelles vers des bases vectorielles ou des LLMs.
API backend pour applications IA
FastAPI est le framework de référence pour les backends d'applications IA en Python, gérant les appels aux LLMs, le streaming de réponses (Server-Sent Events) et l'authentification des utilisateurs.
Documentation automatique d'API avec OpenAPI
FastAPI génère automatiquement une documentation interactive Swagger UI et ReDoc à partir des annotations de types Python, réduisant drastiquement le temps de documentation et facilitant les intégrations.
✓ Points forts
✗ Limites
✓ Fait pour vous si…
Exposition de modèles ML en API REST, microservices data, backends pour applications Streamlit/React. Standard pour le serving de modèles.
✗ Pas fait pour vous si…
Applications web full-stack avec rendu côté serveur (préférer Django). Développeurs cherchant un ORM intégré.
FastAPI Documentation officielle
DocumentationFastAPI
FastAPI - The Complete Course
MOOCUdemy
Building APIs with FastAPI
Formation officielleTestDriven.io