Prompts sur Vibe : ce qui a changé et comment s’y prendre

La plupart des guides de prompt engineering vous expliquent d’être précis, de donner du contexte et de fournir des exemples. Ces conseils restent vrais. Ils perdent pourtant une bonne partie de leur intérêt si vous ignorez les changements survenus chez Mistral depuis le printemps. L’interface a été réorganisée deux fois, Chat et Work forment désormais un seul mode, et la brique la plus puissante du prompting porte un autre nom.

Ce deuxième article de la série « Maîtriser Mistral de A à Z » part donc de ce basculement. Vous y trouverez la nouvelle logique de l’outil, une méthode de prompt en quatre blocs, les réglages qui subsistent côté API, et cinq templates à copier. Le premier article couvrait l’écosystème Mistral dans son ensemble ; celui-ci descend dans la pratique quotidienne.

Le changement de 2026 : Chat et Work ne font plus qu’un

Vibe fonctionnait jusqu’ici en trois modes : Chat, Work et Code. Le 22 septembre 2026, Mistral a fusionné les deux premiers. Il ne reste donc que Work, pour le travail, et Code, pour le développement. Le déploiement a commencé le 14 septembre sur les comptes Free, Pro et Team, tandis que les organisations Enterprise basculeront à partir du 1er octobre.

Fast ou Think : le réglage revient dans la zone de saisie

Après la fusion, un sélecteur Fast / Think apparaît dans la zone de saisie. Fast sert la conversation rapide, tour par tour, comme le faisait l’ancien Chat. Think déclenche un raisonnement plus poussé et les tâches à plusieurs étapes : Work planifie, appelle des outils, montre sa progression et demande votre validation avant toute action sensible.

Ce sélecteur ne dispense pas de bien écrire. En mode Think, la profondeur de l’analyse dépend encore largement de ce que votre demande laisse entendre. Une consigne du type « compare ces trois options sur cinq critères et justifie ton arbitrage » déclenche naturellement un raisonnement long. Une simple reformulation n’en demande pas autant, et Fast suffit.

Ce que deviennent les fonctions de l’ancien Chat

Les fonctions historiques de Chat trouvent toutes une nouvelle place. Les Agents cèdent la place aux Skills, et Deep Research devient la Skill deep-research. Les Memories se transforment en sujets de la nouvelle base de connaissances. L’interpréteur de code Python reste proposé sur les paliers payants. Une conversation temporaire, qui ne s’enregistre pas dans l’historique, fait enfin son apparition.

La méthode en quatre blocs : le prompt qui fait la différence

Le sélecteur Fast / Think fixe un cadre, mais c’est la structure du prompt qui fait la qualité de la réponse. Quatre blocs suffisent, dans cet ordre.

• Rôle et contexte — qui parle, pour qui, dans quel cadre. Les modèles Mistral présentent une forte adhérence au system prompt, donc ce cadrage tient sur toute la conversation.
• Tâche — un verbe d’action et un objet précis. « Compare », « extrais », « réécris », « audite » valent mieux que « parle-moi de ».
• Contraintes — longueur, ton, sources autorisées, choses à ne pas faire. C’est ici que vous évitez 80 % des allers-retours.
• Format de sortie — tableau, liste numérotée, JSON, note de synthèse. Décrivez-le comme un gabarit, pas comme un souhait.

La différence, en pratique

Prenons une demande courante. Voici la version qui produit une réponse tiède.

# Version faible
Analyse ce contrat et dis-moi ce qui cloche.

Et voici la même intention, structurée selon les quatre blocs.

# Version structurée
Tu es juriste d'affaires, tu conseilles une PME de 25 salariés.

Tâche : audite le contrat de prestation ci-joint et identifie
les clauses défavorables au client.

Contraintes :
- Cite l'article et la page pour chaque point
- Distingue les risques bloquants des points négociables
- N'invente aucune clause absente du document
- Signale les zones ambiguës plutôt que de trancher

Format :
| Article | Clause | Risque | Gravité (1-3) | Reformulation proposée |

La seconde version obtient un livrable exploitable en une passe. La première déclenche une réponse générique, puis trois relances pour la corriger. Le temps gagné se compte en minutes à chaque usage.

reasoning_effort : le réglage qui subsiste côté API

Dans l’interface, vous choisissez seulement entre Fast et Think. Sur l’API, en revanche, vous réglez directement le paramètre, et il devient un levier de coût autant que de qualité.

Deux valeurs, pas trois

Le paramètre accepte exactement deux valeurs. Avec reasoning_effort="none", le modèle réfléchit au minimum et la réponse arrive sous forme de texte simple. Avec reasoning_effort="high", la réponse contient d’abord une trace de raisonnement complète, au prix d’une consommation de tokens plus élevée. Mistral recommande le mode « high » pour le code, les tâches agentiques et les problèmes complexes.

Les réglages associés

La température varie selon le mode retenu. Comptez 0,7 en raisonnement, avec un top_p à 0,95. En mode rapide, descendez entre 0,0 et 0,7 selon la tâche, et laissez le top_p à 1,0. Une valeur basse donne des réponses factuelles et directes. Une valeur haute laisse davantage de place à la créativité.

Le piège du multi-tours

Voici l’erreur la plus coûteuse, et la moins connue. En mode raisonnement, la réponse du modèle contient un bloc de pensée puis un bloc de texte. Quand vous rejouez l’historique au tour suivant, la tentation est de ne garder que la réponse finale pour économiser des tokens. Mistral déconseille formellement cette optimisation.

Le modèle s’appuie sur sa propre trace pour rester cohérent d’un tour à l’autre. La supprimer économise effectivement des tokens, mais dégrade nettement la qualité. Renvoyez donc le message d’assistant complet, tel que reçu.

Les Skills : le prompt qui se réutilise

Voici la brique qui remplace vraiment les anciens réglages. Une Skill est un dossier contenant un fichier SKILL.md, avec des instructions et, si besoin, des fichiers joints. Mistral suit le standard ouvert Agent Skills, adopté par plusieurs clients agentiques. Vous emballez une méthode une fois, puis Work l’applique chaque fois que la tâche correspond.

La description compte plus que les instructions

Le fonctionnement repose sur un chargement progressif en trois temps. Au démarrage, Work ne lit que le nom et la description de chaque Skill, soit une centaine de tokens. Lorsqu’une tâche correspond, il charge alors le fichier complet. Il exécute enfin les instructions, en ouvrant au besoin les fichiers joints.

Conséquence pratique : votre description doit dire quand utiliser la Skill, pas ce qu’elle fait. « À utiliser pour relire un contrat client et repérer les risques de reconduction » déclenche correctement. « Aide sur les contrats » ne déclenche presque jamais. Cette phrase est le prompt le plus important que vous écrirez.

Douze Skills livrées d’origine

Work embarque une bibliothèque intégrée. Elle s’active automatiquement, ou explicitement avec une commande slash. Voici les plus utiles au quotidien.

• /deep-research — recherche approfondie et sourcée, avec un rapport structuré ouvert dans Canvas.
• /data-analysis — inspection, nettoyage et agrégation d’un fichier CSV ou JSON.
• /document-review — contrôle de complétude, de conformité ou de cohérence sur un document.
• /structured-extraction — transformation d’un PDF ou d’un email en tableau ou en JSON.
• /challenge-my-thinking — avocat du diable sur un plan, revue des risques et des angles morts.

S’y ajoutent /meeting-prep, /doc-coauthoring, /internal-comms, /research-synthesis et /stakeholder-translator. Les deux dernières de la liste, /skill-creator et /vibe-work-onboarding, aident à écrire vos propres Skills et à prendre l’outil en main. Vous désactivez celles dont vous n’avez pas l’usage depuis Context puis Skills.

La bonne façon d’en créer une

Ne partez pas de la page blanche. Mistral recommande une autre voie : menez d’abord une tâche réelle jusqu’au résultat qui vous satisfait, en affinant au fil des relances. Demandez ensuite « transforme ça en Skill ». Work rédige alors le SKILL.md, liste les fichiers et vous le soumet. Vous corrigez, puis vous enregistrez.

Cette méthode capture les détails que vous n’auriez pas pensé à écrire. Gardez ensuite une règle simple : une Skill par métier. Deux descriptions qui se chevauchent embrouillent le modèle et gonflent le contexte pour rien.

Prompter sur des documents : ce qui a changé aussi

La fenêtre de contexte atteint 256 000 tokens, soit environ 400 pages de texte courant. La capacité couvre la grande majorité des besoins. Elle n’est pourtant plus le bon angle d’attaque depuis août 2026.

Arrêtez de tout coller

Agentic Search a changé la donne sur les documents volumineux. Le modèle ne se contente plus de lire un extrait fourni : il cherche, ouvre le fichier, navigue jusqu’à la bonne page et vérifie avant de répondre. Déposer un document entier dans une bibliothèque devient donc plus efficace que d’en coller des morceaux choisis.

Votre prompt change en conséquence. Plutôt que de découper le document vous-même, désignez la cible et exigez la traçabilité. « Dans le rapport annuel, trouve le taux d’imposition effectif du troisième trimestre et cite la page » exploite pleinement la boucle de recherche.

Trois réflexes qui restent valables

• Structurez les longs textes — posez des délimiteurs clairs entre les sections, avec des dièses ou des balises. Le modèle navigue mieux dans du contenu balisé que dans un bloc continu.
• Séparez vos conversations — le contexte s’accumule au fil des tours. Quand le modèle commence à oublier le début du fil, ouvrez un nouveau chat en résumant l’essentiel.
• Exigez l’aveu d’ignorance — ajoutez « écris Non mentionné si l’information est absente ». C’est la parade la plus simple contre les inventions.

Cinq templates à copier

Ces gabarits suivent la méthode en quatre blocs. Copiez-les, remplacez les parties entre crochets, testez-les dans Work.

# Template 1 — Analyse comparative
Tu es analyste spécialisé en [domaine].

Tâche : compare les options suivantes et recommande-en une.
- Option A : [description]
- Option B : [description]
- Option C : [description]

Critères, par ordre d'importance :
1. [critère — ex. : coût total sur 3 ans]
2. [critère — ex. : facilité de mise en œuvre]
3. [critère — ex. : risque de dépendance]

Format :
1. Tableau comparatif, une note sur 10 par critère
2. Recommandation argumentée en 200 mots
3. Le risque principal de chaque option, en une phrase

# Template 2 — Rédaction cadrée
Tu es rédacteur professionnel francophone.

Tâche : rédige [un email / un mémo / un article] sur [sujet].

Contraintes :
- Destinataire : [qui lit]
- Ton : [professionnel / direct / pédagogique]
- Longueur : [nombre de mots]
- Une idée par paragraphe, pas de jargon inutile
- Conclure par [un appel à l'action / une question]

Style de référence :
"[collez ici un texte dont vous aimez le ton]"

# Template 3 — Extraction structurée
/structured-extraction

Source : le document joint.

Tâche : extrais les champs ci-dessous dans un tableau.

| Champ | Valeur | Page |
|---|---|---|
| [ex. : date de signature] | | |
| [ex. : montant total HT] | | |
| [ex. : durée d'engagement] | | |
| [ex. : conditions de résiliation] | | |

Contraintes :
- Écris "Non mentionné" si le champ est absent
- N'extrais que ce qui est explicitement écrit
- Signale toute formulation ambiguë en fin de tableau

# Template 4 — Brainstorming trié
Tu es consultant en [domaine], quinze ans d'expérience.

Contexte : [situation actuelle en deux phrases]
Objectif : [résultat visé, avec un chiffre si possible]
Contraintes : [budget, délai, ressources]

Tâche : génère 10 actions concrètes.

Format, pour chaque action :
- Titre en une phrase
- Effort estimé : faible / moyen / élevé
- Premier pas concret, réalisable cette semaine

Classe le tout par rapport impact sur effort décroissant.

# Template 5 — Description de Skill
Titre : [Nom court et parlant]

Description (c'est elle qui déclenche la Skill) :
À utiliser quand [situation précise déclenchant l'usage],
par exemple [cas concret].

SKILL.md :
Méthode à suivre :
1. [étape]
2. [étape]
3. [étape]

Format de sortie attendu : [gabarit]

Règles :
- [ce qu'il faut toujours faire]
- [ce qu'il ne faut jamais faire]

Fichiers joints : [modèle vierge, charte, exemple validé]

Les cinq erreurs qui coûtent le plus

Chercher un réglage au lieu d’écrire

Passer en Think ne suffit pas à rendre le modèle plus pertinent. La profondeur d’analyse dépend surtout de ce que votre demande laisse entendre. Une tâche qui exige un arbitrage doit donc le dire explicitement.

Surcharger le contexte

Coller 80 pages quand la question porte sur un paragraphe dilue l’attention du modèle. Déposez plutôt le document dans une bibliothèque et laissez Agentic Search naviguer dedans.

Oublier le format de sortie

« Analyse ce fichier » peut produire un paragraphe, un tableau ou un essai de 2 000 mots. Décrivez le gabarit exact et vous obtenez exactement ce qui vous sert.

Relancer le même prompt à l’identique

Quand la première réponse déçoit, dites ce qui ne va pas. « Trop long, réduis à 150 mots » ou « tu as manqué le point sur la garantie, développe » corrige en un tour. Répéter la demande initiale ne change rien.

Multiplier les Skills quasi identiques

Deux Skills aux descriptions voisines se disputent le déclenchement. Le modèle hésite, choisit mal, et votre contexte se remplit pour rien. Modifiez la Skill existante plutôt que d’en enregistrer une variante.

Ce que vous pouvez faire cette semaine

Retenez le déplacement, il commande tout le reste. Le prompting sur Mistral se joue surtout dans la description de la tâche, bien plus que dans le choix entre Fast et Think. Décrivez-la assez précisément pour que le modèle calibre son effort, puis figez les méthodes qui marchent dans des Skills réutilisables.

Un exercice concret pour démarrer. Prenez la tâche que vous répétez le plus souvent, menez-la une fois avec la méthode en quatre blocs, puis demandez à Work d’en faire une Skill. Vous aurez transformé un prompt jetable en outil permanent. C’est le meilleur rapport effort sur gain de toute cette série.