Sign up to save your podcasts
Or
Share Mistral en Mai : Agents en Rafale
Share to email
Share to Facebook
Share to X
Share to email
Share to Facebook
Share to X
Or
Mistral en Mai : Agents en Rafale
Un printemps d’hyper-lancement
Du 7 au 28 mai 2025, Mistral empile nouveautés et confirme la cadence mensuelle annoncée après Codestral v2. Objectif :
Bâtir un stack complet, libre de droits et taillé pour la production, tout en nourrissant la recherche open-source.
Agents API : l’orchestrateur sans code
Lancée le 27 mai, l’Agents API permet d’enchaîner plusieurs LLM et outils métier via une interface graphique ou un YAML minimal :
Cas d’usage : un agent « support » qui extrait un PDF, résume l’erreur, propose un patch code avec Medium 3 puis génère la réponse client en natural-language.
Codestral Embed : la mémoire longue du code
Le 28 mai, Mistral dévoile Codestral Embed, un modèle d’embeddings optimisé pour le code avec une fenêtre de 256 k tokens.
Il capture la structure des projets volumineux — monorepos, dépôts historiques, bases COBOL — et alimente la recherche sémantique, la détection de duplicats ou la génération de diagrammes d’architecture.
Pourquoi c’est clé
Nouveaux modèles : Medium 3 et Devstral Small
ModèleParamsRôleDistinctifMistral Medium 322 BLLM généralisteCombler le vide entre Small (8 B) et Large (52 B) avec un coût/latence équilibréDevstral Small4 BAutocomplétion localeTourne sur GPU mobile ou CPU performant ; idéal hors-ligne ou en edge.
Benchmark interne : Medium 3 atteint 70 % de précision sur HumanEval, à ±40 ms de latence sur A100, tandis que Devstral Small conserve 55 % sur un laptop RTX 4070.
Mistral OCR 25.05 : Document AI complet
Annoncé le 22 mai, ce pipeline associe vision et langage :
Il extrait texte, tableau et schémas, puis appelle un LLM pour normaliser les champs.
L’API accepte JPEG, PDF multi-pages et rend un JSON structuré plus le texte brut indexable par Codestral Embed.
Classifier Factory : le filtre ML à la minute
Présenté en avril, l’outil génère un classifieur léger (20 MB) à partir de 50 exemples labellisés. En mai, il s’intègre à Agents API :
Ajoutez une étape “safe-content” ou “routing” sans écrire de code.
Open-weight : la philosophie intacte
Tous les modèles sortis restent sous licence Apache-2.0 (weights + code). Conséquences :
Comment composer son workflow Mistral
Temps total : < 2 h pour un POC complet.
Impact sur l’écosystème dev
Prochaines étapes annoncées
Mistral tease déjà Codestral v3 (Q3 2025) et un vision-LLM Large pour l’automne. La promesse :
Maintenir une cadence mensuelle de releases tout en gardant l’ADN open-source.
Mai 2025 marque une rupture :
Avec Agents API, Codestral Embed et une nouvelle gamme de modèles, Mistral AI offre un kit complet et ouvert pour construire, déployer et scaler des agents productifs.
De l’IDE offline au cluster cloud, toutes les briques s’imbriquent sans friction.
Pour les équipes de développement pressées de réduire le time-to-value sans s’enfermer dans des silos propriétaires, le moment est venu d’explorer cette « constellation » Mistral.
View all episodes
By ApclUn printemps d’hyper-lancement
Du 7 au 28 mai 2025, Mistral empile nouveautés et confirme la cadence mensuelle annoncée après Codestral v2. Objectif :
Bâtir un stack complet, libre de droits et taillé pour la production, tout en nourrissant la recherche open-source.
Agents API : l’orchestrateur sans code
Lancée le 27 mai, l’Agents API permet d’enchaîner plusieurs LLM et outils métier via une interface graphique ou un YAML minimal :
Cas d’usage : un agent « support » qui extrait un PDF, résume l’erreur, propose un patch code avec Medium 3 puis génère la réponse client en natural-language.
Codestral Embed : la mémoire longue du code
Le 28 mai, Mistral dévoile Codestral Embed, un modèle d’embeddings optimisé pour le code avec une fenêtre de 256 k tokens.
Il capture la structure des projets volumineux — monorepos, dépôts historiques, bases COBOL — et alimente la recherche sémantique, la détection de duplicats ou la génération de diagrammes d’architecture.
Pourquoi c’est clé
Nouveaux modèles : Medium 3 et Devstral Small
ModèleParamsRôleDistinctifMistral Medium 322 BLLM généralisteCombler le vide entre Small (8 B) et Large (52 B) avec un coût/latence équilibréDevstral Small4 BAutocomplétion localeTourne sur GPU mobile ou CPU performant ; idéal hors-ligne ou en edge.
Benchmark interne : Medium 3 atteint 70 % de précision sur HumanEval, à ±40 ms de latence sur A100, tandis que Devstral Small conserve 55 % sur un laptop RTX 4070.
Mistral OCR 25.05 : Document AI complet
Annoncé le 22 mai, ce pipeline associe vision et langage :
Il extrait texte, tableau et schémas, puis appelle un LLM pour normaliser les champs.
L’API accepte JPEG, PDF multi-pages et rend un JSON structuré plus le texte brut indexable par Codestral Embed.
Classifier Factory : le filtre ML à la minute
Présenté en avril, l’outil génère un classifieur léger (20 MB) à partir de 50 exemples labellisés. En mai, il s’intègre à Agents API :
Ajoutez une étape “safe-content” ou “routing” sans écrire de code.
Open-weight : la philosophie intacte
Tous les modèles sortis restent sous licence Apache-2.0 (weights + code). Conséquences :
Comment composer son workflow Mistral
Temps total : < 2 h pour un POC complet.
Impact sur l’écosystème dev
Prochaines étapes annoncées
Mistral tease déjà Codestral v3 (Q3 2025) et un vision-LLM Large pour l’automne. La promesse :
Maintenir une cadence mensuelle de releases tout en gardant l’ADN open-source.
Mai 2025 marque une rupture :
Avec Agents API, Codestral Embed et une nouvelle gamme de modèles, Mistral AI offre un kit complet et ouvert pour construire, déployer et scaler des agents productifs.
De l’IDE offline au cluster cloud, toutes les briques s’imbriquent sans friction.
Pour les équipes de développement pressées de réduire le time-to-value sans s’enfermer dans des silos propriétaires, le moment est venu d’explorer cette « constellation » Mistral.