Comment Configurer Mistral AI (La Plateforme) : Guide Pratique pour les Équipes d'Entreprise

export MISTRAL_API_KEY="votre-clé-api-ici"

$env:MISTRAL_API_KEY="votre-clé-api-ici"

pip install mistralai --upgrade

from mistralai.client import MistralClient
from mistralai.models.chat_completion import ChatMessage

client = MistralClient()
response = client.chat(
    model="mistral-small",
    messages=[ChatMessage(role="user", content="Expliquez Mistral AI en 2026.")]
)
print(response.choices[0].message.content)

Mistral AI est un laboratoire d'IA européen de premier plan, axé sur le développement de modèles de langage avancés...

for chunk in client.chat_stream(
    model="mistral-small",
    messages=[ChatMessage(role="user", content="Écrivez un haïku sur l'IA.")]
):
    print(chunk.choices[0].delta.content, end="")

Réseaux neuronaux grandissent,
Esprits silencieux en circuits,
L'avenir commence à briller.

tools = [
    {
        "type": "function",
        "function": {
            "name": "web_search",
            "description": "Rechercher sur le web des informations récentes",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string"},
                    "max_results": {"type": "integer", "default": 3}
                },
                "required": ["query"]
            }
        }
    }
]

response = client.chat(
    model="mistral-large-2",
    messages=[ChatMessage(role="user", content="Quelles sont les dernières actualités concernant Mistral AI en 2026 ?")],
    tools=tools
)

# Extraire l'appel de l'outil
tool_call = response.choices[0].message.tool_calls[0]
print(f"Outil : {tool_call.function.name}, Requête : {tool_call.function.arguments}")

Outil : web_search, Requête : {"query": "Mistral AI dernières actualités 2026", "max_results": 3}

def web_search(query, max_results=3):
    # Remplacer par une véritable API de recherche (par exemple, SerpAPI, Brave Search)
    return [
        {"title": "Mistral AI étend ses offres pour les entreprises", "url": "https://example.com/news1"},
        {"title": "Nouveaux benchmarks pour les modèles multilingues", "url": "https://example.com/news2"}
    ]

# Exécuter l'outil et poursuivre la conversation
search_results = web_search(**eval(tool_call.function.arguments))
response = client.chat(
    model="mistral-large-2",
    messages=[
        ChatMessage(role="user", content="Quelles sont les dernières actualités concernant Mistral AI en 2026 ?"),
        response.choices[0].message,
        ChatMessage(role="tool", content=str(search_results), tool_call_id=tool_call.id)
    ]
)
print(response.choices[0].message.content)

{"messages": [{"role": "user", "content": "Quelle est votre politique de retour ?"}, {"role": "assistant", "content": "Notre politique de retour permet les retours sous 30 jours avec le reçu original."}]}
{"messages": [{"role": "user", "content": "Comment puis-je suivre ma commande ?"}, {"role": "assistant", "content": "Vous pouvez suivre votre commande en utilisant le lien dans votre email de confirmation."}]}

from mistralai.fine_tuning import MistralFineTuningClient

ft_client = MistralFineTuningClient()
job = ft_client.create_job(
    model="mistral-small",  # Modèle de base
    training_files=["dataset.jsonl"],
    hyperparameters={
        "training_steps": 1000,
        "learning_rate": 1.0e-5
    }
)
print(f"[Affinage](https://hyperion-consulting.io/services/production-ai-systems) de modèle créé : {job.id}")

response = client.chat(
    model="ft:mistral-small:your-job-id",  # Remplacez par votre identifiant de tâche
    messages=[ChatMessage(role="user", content="Quelle est votre politique de retour ?")]
)
print(response.choices[0].message.content)

from mistralai.agents import MistralAgentClient

agent_client = MistralAgentClient()
agent = agent_client.create_agent(
    name="Agent de Support Client",
    model="mistral-large-2",
    instructions="Vous êtes un agent de support client utile pour une boutique en ligne. Utilisez les outils pour répondre aux questions sur les commandes, les retours et les produits.",
    tools=tools  # Réutilisation des outils de la Section 4
)
print(f"Agent créé : {agent.id}")

response = agent_client.run(
    agent_id=agent.id,
    messages=[{"role": "user", "content": "J'ai commandé une chemise bleue mais j'ai reçu une rouge. Que faire ?"}]
)
print(response.messages[-1]["content"])