Alors que les LLM produisent de plus en plus de données structurées, le défi de restituer ces données dans des interfaces utilisateur a engendré plusieurs paradigmes. Cet article identifie cinq approches distinctes : modèles codés en dur, composants configurables, rendu piloté par schéma, génération semi-automatique d'UI et UI entièrement générative. Chaque paradigme équilibre différemment la flexibilité, les performances et l'effort de développement. Par exemple, les modèles codés en dur offrent la simplicité mais manquent d'adaptabilité, tandis que l'UI générative offre une flexibilité maximale au prix de l'imprévisibilité et de la latence. L'auteur fournit des exemples concrets et des critères de décision pour choisir le bon paradigme en fonction de la complexité des données, de la fréquence de mise à jour et des besoins d'interaction utilisateur. Cette taxonomie est précieuse pour les équipes construisant des tableaux de bord, des générateurs de rapports ou des applications où les données générées par l'IA doivent être visualisées dynamiquement.
Une taxonomie structurée de cinq approches pour restituer les données extraites par LLM dans les interfaces utilisateur, des modèles codés en dur à l'UI générative, avec une analyse pratique des compromis.