Écrire des scripts miniSMU et µSMU avec des outils d’IA
Apprenez à utiliser des assistants IA comme Claude, ChatGPT et Gemini pour écrire des scripts d’automatisation Python pour les unités source-mesure miniSMU et µSMU. Avec des modèles de contexte prêts à l’emploi et des exemples de code fonctionnels pour cellules solaires, batteries, LED et plus encore.
Vous êtes chercheur en photovoltaïque, spécialiste des batteries, ingénieur en matériaux ou étudiant, vous savez exactement quelles mesures il vous faut, mais vous n’êtes pas à l’aise pour écrire du Python à partir de zéro ? Les assistants de programmation IA peuvent vous aider. Des outils comme Claude, ChatGPT et Gemini vous permettent de décrire votre expérience en langage courant et d’obtenir en retour du code qui fonctionne. Aucune expérience de la programmation n’est nécessaire.
Le hic ? Ces outils ont été entraînés sur d’énormes quantités de code, mais ils ne connaissent pas forcément les particularités des bibliothèques Python du miniSMU ou du µSMU. Ce guide règle ce problème grâce à des modèles de contexte prêts à l’emploi, qui apprennent à votre outil d’IA tout ce qu’il doit savoir.
L’idée clé : les outils d’IA donnent les meilleurs résultats lorsqu’on leur fournit du contexte sur les bibliothèques qu’ils utilisent.
Imaginez que vous deviez vous rappeler les détails d’un livre lu il y a 10 ans, plutôt que ceux d’un livre que vous avez sous les yeux. C’est un peu la différence entre les connaissances acquises pendant l’entraînement d’un modèle d’IA et celles qui se trouvent dans sa « fenêtre de contexte ».
Ce guide fournit des modèles de contexte prêts à l’emploi qui aident les assistants IA à écrire, pour votre miniSMU ou votre µSMU, du code correct et qui fonctionne.
Qu’est-ce qu’un modèle de contexte ?
Un modèle de contexte est un document de référence qui décrit l’API d’une bibliothèque, ses usages courants et ses principaux pièges. Le donner à un assistant IA, c’est comme remettre un aide-mémoire à un collègue avant de lui demander de l’aide : le résultat sera bien meilleur.
Nous tenons à jour des modèles de contexte pour nos deux bibliothèques Python. Pour les utiliser, vous pouvez :
- Les coller au début d’une conversation avec n’importe quel assistant IA
- Les enregistrer dans un fichier de votre dossier de projet (
CLAUDE.mdpour Claude Code,AGENTS.mdpour Copilot/Codex), pour que l’IA les prenne en compte automatiquement - Les ajouter à votre prompt système ou à vos instructions personnalisées
Obtenir les modèles
miniSMU
Le modèle du miniSMU MS01 couvre le fonctionnement à deux voies, la connectivité USB et Wi-Fi, les balayages I-V matériels, le contrôle de la gamme de courant, la mesure Kelvin 4 fils et le streaming de données.
Obtenir le modèle : Voir sur GitHub – cliquez sur « Raw », puis copiez tout le contenu
µSMU
Le modèle du µSMU couvre la connexion série USB, le contrôle de la sortie, la mesure de tension et de courant, la limitation du courant et les balayages I-V logiciels.
Obtenir le modèle : Voir sur GitHub – cliquez sur « Raw », puis copiez tout le contenu
Prise en main
- Copiez le modèle depuis le lien ci-dessus (cliquez sur « Raw », sélectionnez tout, copiez)
- Collez-le au début de votre conversation avec l’outil d’IA de votre choix
- Décrivez votre mesure en langage courant
- Itérez – demandez à l’IA de modifier le code, d’ajouter des fonctionnalités ou de corriger des problèmes
Commencez simplement. Demandez un script de base qui se connecte et effectue une mesure. Une fois qu’il fonctionne, demandez à l’IA d’ajouter un balayage, puis l’export CSV, puis un graphique. Avancer par étapes est plus fiable que de tout demander d’un coup, et vous comprendrez mieux le code à mesure qu’il s’étoffe.
Quelques éléments qui aident l’IA à vous donner de meilleurs résultats :
- Indiquez votre système d’exploitation et votre port COM (par exemple « Je suis sous Windows, l’appareil est sur COM3 »)
- Précisez les gammes de courant attendues pour votre dispositif sous test
- Dites quel format de sortie vous voulez (CSV, graphique matplotlib, affichage dans la console)
- Demandez des fonctions de sécurité : « Ajoutez des limites de protection et veillez à ce que la sortie soit désactivée si une erreur se produit »
Exemples de prompts et de code généré
Pour vous donner une idée de ce à quoi ressemble ce processus en pratique, voici quelques vrais prompts et le type de code qu’un assistant IA produira.
Caractérisation I-V d’une cellule solaire
« Écrivez un script Python pour le miniSMU MS01 qui mesure la courbe I-V d’une cellule solaire de -0,2 V à 0,8 V avec 101 points. Calculez et affichez Voc, Isc, le facteur de forme et le rendement, en supposant un éclairement de 100 mW/cm² et une surface de cellule de 1 cm². Enregistrez les données dans un fichier CSV. »
Test de LED avec coupure de sécurité
« Créez un script pour le miniSMU qui balaie la tension de 0 à 3,5 V sur une LED. Arrêtez le balayage immédiatement si le courant dépasse 15 mA, pour protéger la LED. Tracez la courbe I-V à la fin. »
Cycle de charge et de décharge d’une batterie Li-ion
« Écrivez un script qui effectue un cycle complet de charge et de décharge d’une batterie Li-ion à 100 mA. Incluez une charge à courant constant (CC) jusqu’à 4,2 V, un maintien à tension constante (CV) jusqu’à ce que le courant descende à 10 mA, un repos de 5 minutes, une décharge CC jusqu’à 3,0 V, puis un nouveau repos. Enregistrez toutes les données, horodatées, dans un fichier CSV. »
Test d’une série d’échantillons
« Je dois tester plusieurs échantillons. Écrivez un script qui tourne en boucle : il demande l’identifiant de l’échantillon, effectue un balayage I-V de -1 V à 1 V, enregistre le résultat sous “sample_[ID].csv” et me demande si je veux continuer. »
Suivi d’une résistance dans le temps
« Écrivez un script qui surveille une résistance en imposant 1 mA et en mesurant la tension. Faites une mesure par seconde pendant 5 minutes et affichez un graphique mis à jour en direct. »
En cas de problème
Si l’IA vous donne du code qui ne fonctionne pas, pas d’inquiétude ! Cela fait normalement partie du processus (même si c’est de moins en moins fréquent). Copiez le message d’erreur, collez-le dans la conversation et demandez à l’IA de corriger le problème. En général, elle le repère immédiatement.
Voici quelques problèmes courants et leurs solutions rapides :
« Module not found » – installez d’abord la bibliothèque :
pip install minismu-py # For miniSMU
pip install usmu-py # For µSMU
Impossible de trouver l’appareil – demandez à l’IA : « Ajoutez du code qui liste les ports série disponibles, pour que je puisse trouver mon appareil »
Mesures inattendues – demandez : « Ajoutez des limites de protection adaptées et expliquez le rôle de chaque réglage »
Notez que les bibliothèques Python utilisent exactement les mêmes commandes matérielles que l’application de bureau miniSMU : la précision de mesure est identique, quelle que soit la façon dont vous pilotez l’appareil. L’IA vous aide simplement à écrire le code ; elle n’a aucune influence sur les mesures électriques elles-mêmes.
Pour aller plus loin
- Connexions Kelvin pour les tests I-V de cellules solaires – utiliser des mesures 4 fils pour une caractérisation précise
- Comment mettre à jour le micrologiciel de votre miniSMU – obtenir les dernières fonctionnalités, dont les balayages matériels et la mesure Kelvin
- Bibliothèque Python du miniSMU – code source complet et documentation
- Bibliothèque Python du µSMU – code source complet et documentation
Il manque quelque chose dans les modèles, ou vous avez un exemple de code utile à partager ? Les fichiers CLAUDE.md et AGENTS.md de chaque dépôt font référence : les pull requests sont les bienvenues.