Le Chat
Etape 0 : https://mistral.ai/fr/
et se créer un compte

Par défaut, le modèle utilisé est un modèle de langage textuel.

Il y a plusieurs nouvelles fonctionnalités, décrites en détail dans le post suivant :
https://mistral.ai/fr/news/mistral-chat/
Retrieval-Augmented Generation Basique :
On peut accompagner le prompt d'images ou de documents PDF pour questionner des documents texte ou analyser des images.


La Plateforme (https://console.mistral.ai/) est une interface web permettant entre autres de créer des agents conversationnels pour des tâches spécifiques que l'on peut ensuite mentionner dans le chat.
Elle permet également d'affiner des modèles sur vos données sur les serveurs de calcul Mistral gratuitement (pour l'instant).
Commencer par accéder à l'onglet "Facturation" sur la gauche, sous Espace de travail :

Et activer la fonctionnalité "Experiment" pour pouvoir déployer des agents conversationnels sur la plateforme gratuitement.
AI agents are autonomous systems powered by large language models (LLMs) that, given high-level instructions, can plan, use tools, carry out steps of processing, and take actions to achieve specific goals. These agents leverage advanced natural language processing capabilities to understand and execute complex tasks efficiently and can even collaborate with each other to achieve more sophisticated outcomes.
Cliquer sur "Create an Agent" sur la page d'accueil pour arriver sur cette interface :

Où l'on peut tester différents modèles. Les modèles déployés dans Le Chat sont utilisables gratuitement.
Choisir un modèle en adéquation à votre problématique, dont la liste et les fonctionnalités sont décrites ici : https://docs.mistral.ai/getting-started/models/models_overview/
Par exemple, pour du traitement de texte et d'image, le modèle Pixtral est adapté.
Passer la souris sur les (i) adjacents aux paramètres pour leur explication.
Une fois les instructions spécifiques saisies, déployer le modèle en cochant la case "Le Chat" pour pouvoir l'utiliser dans Le Chat gratuitement.
Un exemple de la documentation est le suivant :
Un modèle qui ne répond qu'en français.

D'autres cas d'utilisations sont montrés ici : https://docs.mistral.ai/capabilities/agents/#use-cases
Par exemple, j'ai crée un agent "Table reader" qui a pour but d'extraire des données tabulaire d'une photo d'écriture manuscrite et les convertir en CSV à l'aide du modèle Pixtral. La température est paramétrée comme nulle car on ne veut pas de hasard dans la génération ici :

On peut ensuite l'utiliser dans Le Chat avec @Table reader :

Si les résultats sont incorrects, on peut affiner la requête en donnant des exemples ou affiner la question jusqu'à un résultat satisfaisant.