L’API Mistral et Studio : le guide pour les développeurs

Mistral Studio est la console développeur de l’écosystème, anciennement La Plateforme puis AI Studio. Clés API, playground, suivi de consommation, agents, connecteurs, administration des utilisateurs et déploiement : tout y passe. L’API elle-même reste un endpoint REST classique, compatible avec les SDK officiels et avec le SDK OpenAI moyennant un changement d’adresse de base.

Ce septième volet de la série « Maîtriser Mistral de A à Z » s’adresse aux développeurs et aux responsables techniques. Il fait suite à l’article sur Vibe Code, et il descend cette fois dans la couche que vous appelez depuis vos propres applications.

Studio en 2026 : quatre changements qui comptent

Commençons par ce qui rend obsolètes les guides publiés au printemps. Studio a gagné cette année quatre briques qui changent la façon de bâtir dessus.

• La gouvernance des prompts et des skills — depuis juillet, ce sont des actifs versionnés, avec retour arrière et journaux d’audit.
• Les endpoints régionaux — vous choisissez désormais où s’exécute votre inférence, en Europe ou aux États-Unis.
• Le Priority Tier — des niveaux de service engagés, passés en disponibilité générale pour les clients entreprise.
• Les modèles ouverts tiers — la plateforme ne sert plus uniquement les modèles maison.

Chacune de ces briques est détaillée plus bas. Notez déjà qu’elles déplacent le centre de gravité de l’offre. Studio ne se vend plus comme un accès aux modèles Mistral, mais comme une couche d’exécution que vous contrôlez.

Deux ajouts plus discrets ont suivi. Depuis le 20 août 2026, les administrateurs peuvent imposer une durée de validité maximale aux clés API, en préversion publique. Depuis le 10 septembre, un panneau d’administration gère aussi les utilisateurs, les groupes, les rôles et les clés. Depuis le 9 octobre, Managed Deployments, en préversion publique, héberge enfin vos Workflows à partir d’un dépôt GitHub, sans infrastructure à gérer. Ce service reste réservé aux comptes en paiement à l’usage et aux clients Enterprise.

Premier appel en cinq minutes

# Python — SDK officiel
import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {"role": "system", "content": "Tu es un assistant technique concis."},
        {"role": "user", "content": "Explique le RAG en trois phrases."}
    ]
)

print(response.choices[0].message.content)

# Migration depuis le SDK OpenAI — une seule ligne change
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MISTRAL_API_KEY"],
    base_url="https://api.mistral.ai/v1"
)

Les tarifs, et les deux remises que personne ne calcule

Mistral facture au token, entrée et sortie séparément. Voici les modèles principaux, en dollars par million de tokens.

S’y ajoutent des grilles à part. L’OCR se facture par tranche de mille pages, l’audio à la minute, et les API d’outils à l’appel.

L’anomalie de la grille

Un chiffre saute aux yeux : Large 3 sort cinq fois moins cher que Medium 3.5. Le plus gros modèle de la gamme est donc le moins coûteux des deux. L’explication tient à l’architecture. Large 3 est un modèle à experts, économique par token servi. Medium 3.5 est dense et se paie sur ce qu’il fait le mieux, c’est-à-dire l’agentique et le code.

La conséquence pratique est directe. Si votre charge consiste à produire du texte long ou à raisonner sans appeler d’outils, essayez Large 3 avant Medium 3.5. Beaucoup d’équipes paient le modèle par défaut pour des tâches qui n’en ont pas besoin.

Large 4 bouscule encore la grille. Malgré sa taille, il coûte moins cher que Medium 3.5, en entrée comme en sortie. Il reste toutefois en préversion, et ses tarifs peuvent encore évoluer avant la disponibilité générale.

Les deux remises

Voici le point qui change réellement une facture, et qui n’apparaît dans aucun tableau comparatif.

• Le traitement par lots — les requêtes asynchrones bénéficient d’une remise de 50 %, sur l’entrée comme sur la sortie. Résumé, classification, évaluation : tout ce qui n’exige pas de réponse immédiate devrait passer par là.
• Le cache de prompt — les tokens d’entrée déjà vus tombent à 10 % du tarif normal, soit 90 % de remise. Vous l’activez en passant une clé de cache stable, le paramètre prompt_cache_key, puis en gardant le préfixe identique d’un appel à l’autre.

Deux mécaniques conditionnent la seconde remise. Le cache travaille par blocs de 64 tokens, donc un prompt plus court ne le déclenchera jamais. Le préfixe doit par ailleurs rester rigoureusement identique : un horodatage glissant en tête de system prompt suffit à tout invalider.

Les fonctionnalités de l’API

Appel de fonctions et sorties structurées

L’API prend en charge l’appel de fonctions sur les modèles commerciaux, y compris en parallèle. Vous décrivez vos fonctions en JSON Schema, puis le modèle décide quand les appeler et fournit les arguments.

Côté format de réponse, deux modes coexistent. Le mode JSON simple force une sortie valide. Les sorties structurées vont plus loin : vous fournissez un schéma complet, et le modèle respecte exactement vos types et vos clés. C’est le second qu’il faut retenir en production.

Le raisonnement configurable

Le paramètre reasoning_effort se règle directement côté API, alors que l’interface se limite au sélecteur Fast / Think. Il n’accepte que deux valeurs, none et high. Le détail des réglages associés figure dans l’article sur les prompts. Il est également accessible sur les endpoints Agents et Conversations.

Vision et traitement documentaire

Small 4, Medium 3.5, Large 3 et Large 4 acceptent des images en entrée, en base64 ou par URL. Pour le document lui-même, un endpoint dédié fait mieux.

Mistral OCR 4, publié le 23 juin 2026, ajoute les boîtes englobantes, la classification des blocs et des scores de confiance par mot et par page. Sa version 4.1, disponible depuis fin août, descend ces scores au niveau du bloc. OCR 4.0 a été retiré le 30 septembre, et OCR 4.1 prend sa place au même prix. La couverture atteint 170 langues, et le modèle s’auto-héberge dans un conteneur unique. C’est la brique à privilégier dès qu’un pipeline traite des documents scannés.

Embeddings, audio et lots

Mistral Embed alimente la recherche sémantique et le clustering, avec compatibilité des bases vectorielles courantes. Côté audio, Voxtral couvre la transcription, y compris en temps réel, et Voxtral TTS la synthèse dans neuf langues. Le traitement par lots s’organise enfin en jobs, sans passer par un envoi de fichier préalable.

Fine-tuning

L’API de fine-tuning de Studio est désormais classée parmi les fonctions dépréciées : Mistral indique qu’elle n’est plus activement maintenue. Pour un ajustement léger, la voie la plus sûre passe donc par les poids ouverts, que vous adaptez sur votre propre infrastructure. Pour un entraînement en profondeur sur vos données, l’offre Forge, présentée dans l’article 9, prend le relais.

Agentic Search : la recherche documentaire change de méthode

Depuis le 20 août 2026, Mistral remplace la récupération en un seul passage par une boucle en plusieurs étapes. Le modèle dispose de cinq outils : chercher, ouvrir, naviguer, lire, puis repérer un motif précis dans le texte avec grep. Il traverse ainsi un document dense jusqu’à la bonne ligne, au lieu de travailler sur des extraits découpés à l’avance.

La brique s’appelle le Search Toolkit côté API, et elle alimente les bibliothèques dans Studio comme dans Vibe. Sur FinanceBench, un banc d’essai fondé sur des rapports financiers, la justesse passe de 26,7 % à 86 %. La latence au 90e centile descend dans le même temps de 255 à 154 secondes.

Pour vos pipelines, la conséquence inverse un réflexe bien installé. Vous n’avez plus à optimiser votre stratégie de découpage. Déposez le document entier, puis laissez le modèle naviguer dedans.

Prompts et Skills : la gouvernance de production

Voici l’ajout le plus utile aux équipes qui exploitent déjà en production. Depuis juillet 2026, Studio traite les prompts et les skills comme des actifs versionnés. Ils ne restent donc plus des chaînes de caractères perdues dans un dépôt.

Le dispositif apporte quatre choses. D’abord des versions immuables, ce qui rend le retour arrière fiable. Chaque actif porte un propriétaire identifié. Des étiquettes de classification permettent de séparer ce qui est sensible de ce qui ne l’est pas. Les journaux d’audit tracent enfin qui a modifié quoi, et à quel moment.

Un détail intéressera les architectes : une skill peut être exposée comme serveur MCP. Vous distribuez donc une méthode maison à vos agents sans dupliquer son contenu à chaque intégration.

Région, service et modèles tiers

Les endpoints régionaux

Les Mistral Regional Endpoints sont passés en disponibilité générale en août 2026. Un client de l’API choisit désormais où s’exécute son inférence, en Europe ou aux États-Unis. Le réglage s’aligne ensuite sur vos obligations de résidence des données et sur vos contraintes de latence. Il suffit d’appeler api.eu.mistral.ai ou api.us.mistral.ai, pour un tarif majoré de 10 %. Attention toutefois : les agents, le traitement par lots et les fichiers n’y sont pas disponibles, et seul l’appel de fonctions y fonctionne comme outil.

Le Priority Tier

Annoncé en préversion en août, ce palier est désormais en disponibilité générale pour les clients entreprise qui y souscrivent. Il apporte une disponibilité garantie de 99,5 %, des limites de débit personnalisées par modèle et une capacité réservée. Il se facture 1,75 fois le tarif standard, et il s’active avec le paramètre service_tier une fois l’accord signé avec Mistral. Il vise les charges de production qui ne tolèrent pas la file d’attente partagée.

Les modèles ouverts tiers

La plateforme ne sert plus seulement les modèles Mistral. Elle accueille désormais des modèles ouverts tiers, à commencer par GLM-5.2, développé par le laboratoire chinois Z.ai. GLM-5.3 l’a rejoint le 15 septembre 2026, et il est passé en disponibilité générale le 28 septembre. GLM-5.2, lui, sera retiré le 31 octobre. Ces modèles tournent sur la même infrastructure, sous les mêmes contrôles régionaux et avec les mêmes engagements de service.

Le raisonnement se tient. Un système sérieux combine plusieurs modèles selon la charge. Mistral choisit donc d’être la couche qui les fait tourner proprement, plutôt que le fournisseur exclusif. Pour vous, cela signifie une chose concrète : vous pouvez router vers un modèle non-Mistral sans sortir du périmètre européen que vous avez choisi.

Quel modèle pour quel usage

La bonne question n’est pas de savoir quel modèle est le meilleur, mais lequel convient à chaque tâche. La gamme est conçue pour le routage. Le format compatible OpenAI le rend d’ailleurs trivial : seul le nom du modèle change dans l’appel.

La stratégie qui en découle tient en une phrase. Envoyez les requêtes simples vers Small 4, l’agentique et le code vers Medium 3.5, le raisonnement et les sorties longues vers Large 3. Combinée aux deux remises, cette approche par paliers réduit fortement la facture face à un usage qui enverrait tout vers un seul modèle.

Les limites à connaître

• Le contexte des modèles établis plafonne à 256K tokens — suffisant dans la plupart des cas, insuffisant pour avaler un corpus entier. Agentic Search compense en partie, et Large 4 monte à un million de tokens, mais il reste en préversion.
• Le cache exige de la discipline — préfixe stable, blocs de 64 tokens, clé constante. Une variable dynamique en tête de prompt annule d’ailleurs la remise sans prévenir.
• Les endpoints régionaux restent partiels — ni les agents, ni le traitement par lots, ni les fichiers n’y sont disponibles.
• Le fine-tuning n’est plus maintenu — l’API existe encore, mais Mistral l’a dépréciée.
• Le raisonnement de pointe n’est pas toujours en tête — sur les tâches les plus exigeantes, mesurez plutôt sur vos propres cas avant de trancher.

Par où commencer

Ouvrez un compte Studio, générez une clé, lancez l’appel donné plus haut. Démarrez sur Small 4, qui couvre la majorité des besoins. Montez vers Medium 3.5 quand la tâche appelle des outils, vers Large 3 quand elle produit du texte long.

Faites ensuite les deux gestes qui rapportent le plus. Basculez en traitement par lots tout ce qui n’exige pas de réponse immédiate. Stabilisez votre préfixe de prompt et passez une clé de cache. Ces deux réglages, à eux seuls, valent plus que n’importe quel arbitrage de modèle.

L’étape suivante consiste à sortir du cloud. Les poids sont ouverts, et l’article 8 montre comment faire tourner ces mêmes modèles sur vos propres machines.