Comment les utilisateurs créent et configurent des agents personnalisés dans Mistral Le Chat avec des instructions sur mesure et des fichiers de connaissances

Mistral Le Chat permet aux utilisateurs de créer, personnaliser et déployer des assistants IA spécialisés — appelés agents personnalisés (custom agents) — directement au sein de son interface conversationnelle et via Mistral AI Studio. Au lieu de coller répétitivement des instructions de prompt, de téléverser à nouveau des documents de référence ou d'activer manuellement des outils pour des tâches de routine, les agents personnalisés regroupent un modèle de base Mistral sélectionné, des directives système explicites, des bibliothèques de documents persistantes et un accès natif aux outils dans un assistant réutilisable. Ce guide détaille comment naviguer dans le flux de travail de création d'agents de Le Chat, structurer des instructions système sur mesure, connecter des fichiers de référence via des bibliothèques de documents pour la génération augmentée par récupération (RAG), équiper les agents d'outils d'exécution et les déployer dans les conversations d'équipe à l'aide de mentions directes.

Architecture fondamentale des agents personnalisés Mistral

Les agents personnalisés dans Mistral Le Chat transforment des modèles de langage de grande taille généralistes en collègues de travail numériques dédiés à des rôles précis. En regroupant des règles de comportement, des connaissances propriétaires et des capacités d'exécution au sein d'une configuration persistante unique, les agents éliminent les configurations répétitives et réduisent la dérive de prompt (prompt drift) au fil des sessions multi-tours.

Chaque agent personnalisé est composé de quatre éléments interconnectés :

• Modèle de base (Foundation Model) : Le moteur sous-jacent qui régit la capacité de raisonnement, la taille de la fenêtre de contexte, la latence et le coût opérationnel.
• Instructions système (System Instructions) : La constitution comportementale et la définition de rôle qui dictent le ton, les cadres d'analyse, le formatage des sorties et les limites opérationnelles.
• Bibliothèques de documents (Document Libraries) : Des collections persistantes de fichiers de connaissances téléversés (tels que des manuels de politiques d'entreprise, la documentation de bases de code ou des articles de recherche) indexés pour la recherche vectorielle et des citations fondées.
• Connecteurs d'outils (Tool Connectors) : Des capacités natives telles que la recherche web en direct, l'exécution de code Python en bac à sable (sandbox) et les intégrations du protocole de contexte de modèle (Model Context Protocol, MCP), permettant à l'agent de récupérer des informations en temps réel ou d'effectuer des tâches de calcul.

Le tableau ci-dessous met en évidence la manière dont les modèles clés de Mistral s'alignent sur les différents cas d'usage des agents :

Guide étape par étape pour créer un agent dans Le Chat

La création d'un agent personnalisé dans Mistral Le Chat ne nécessite aucune expérience technique en programmation. Les utilisateurs peuvent configurer, tester et enregistrer des assistants directement dans l'espace de travail web.

Étape 1 : Accéder à l'espace de travail des agents

1. Connectez-vous à Mistral Le Chat à l'aide de votre compte d'organisation ou individuel.
2. Dans la barre latérale de navigation de gauche, cliquez sur l'onglet Agents.
3. Cliquez sur le bouton Create Agent situé dans le coin supérieur droit du répertoire des agents.
4. Choisissez de partir d'une page blanche ou de sélectionner un modèle de démarrage préconçu (comme un assistant de codage, un générateur d'idées créatives ou un synthétiseur de documents) comme base.

Étape 2 : Définir l'identité et les métadonnées clés de l'agent

1. Name : Attribuez un nom clair et distinctif (par exemple, Financial-Auditor-Bot ou Docs-Reviewer). Les agents étant appelés dans le chat à l'aide du symbole @, choisissez un identifiant concis sans symboles spéciaux.
2. Description : Fournissez un bref résumé des responsabilités de l'agent. Cette description apparaît dans le catalogue d'agents de votre équipe et aide les collaborateurs à déterminer quand solliciter l'assistant.
3. Avatar : Sélectionnez une icône ou téléversez un badge visuel pour rendre l'agent immédiatement reconnaissable dans les fils de discussion multi-agents.

Étape 3 : Sélectionner le moteur et les paramètres

Dans les paramètres de configuration du modèle :

1. Sélectionnez le modèle Mistral approprié dans le menu déroulant en fonction de la profondeur d'analyse requise.
2. Si vous effectuez la configuration via Mistral AI Studio ou les paramètres avancés, ajustez le paramètre Temperature. Des valeurs plus faibles (par exemple, de 0.1 à 0.3) rendent l'agent déterministe et factuel, ce qui est crucial pour l'analyse de documents et l'audit de code. Des valeurs plus élevées (par exemple, de 0.7 à 0.9) encouragent la créativité pour la rédaction publicitaire et le remue-méninges.

Rédiger des instructions système sur mesure

Le champ Instructions sert de prompt système définissant la manière dont votre agent interprète les requêtes, structure ses réponses et gère les cas particuliers. La rédaction d'instructions précises garantit que l'agent reste concentré sur son objectif et respecte les normes de la marque ou de l'organisation.

Éléments clés d'instructions performantes

Pour maximiser la fiabilité, organisez vos instructions système en sections opérationnelles distinctes :

• Rôle et persona (Role and Persona) : Établissez l'identité professionnelle de l'agent, son niveau d'ancienneté et son style de communication (par exemple : « Vous êtes un rédacteur technique senior spécialisé dans la documentation d'API pour les infrastructures cloud »).
• Objectifs de la tâche (Task Objectives) : Décrivez les principaux livrables que l'agent doit produire, tels que des résumés pour la direction, des comparatifs de code (diffs) ou des procédures de dépannage étape par étape.
• Règles de formatage et de sortie (Formatting and Output Rules) : Spécifiez des structures de sortie exactes, telles que des tableaux Markdown CommonMark, des listes d'actions à puces ou des extraits de code accompagnés de balises de langage.
• Contraintes négatives et limites (Negative Constraints and Boundaries) : Indiquez explicitement ce que l'agent ne doit pas faire, y compris refuser les demandes hors périmètre, éviter les affirmations spéculatives ou interdire l'utilisation de HTML brut.
• Instructions de citation (Citation Instructions) : Demandez à l'agent de donner la priorité aux faits extraits des fichiers de connaissances joints et de mentionner explicitement lorsqu'une information est absente des documents fournis.

Modèle d'exemple d'instruction système

Voici un exemple d'instruction système efficace et prête pour la production pour un assistant de politiques d'entreprise :

Role & Purpose:
You are the Internal Compliance Assistant for Acme Corp. Your purpose is to help employees understand corporate IT security policies and data governance standards.

Operational Guidelines:
1. Always ground your explanations in the attached Acme Security Handbook documents.
2. When answering policy questions, quote the relevant policy section or document title.
3. If an employee asks a question that is not covered in the attached knowledge files, explicitly state: "This topic is not addressed in current company policy documentation. Please contact the IT Security team at security@acme.internal."
4. Never speculate or invent internal procedures.

Tone and Format:
- Professional, objective, and clear.
- Use bullet points for procedural steps.
- Avoid technical jargon unless explaining specific security protocols.

Intégration d'exemples Few-Shot

L'ajout d'exemples few-shot — des démonstrations d'entrées utilisateur idéales associées aux sorties attendues du modèle — au sein des instructions améliore considérablement la cohérence du formatage :

Example Interaction:

User: Can I use personal USB flash drives on company laptops?
Assistant: According to Section 4.2 of the IT Security Handbook ("Removable Storage Media"):
- Personal USB storage devices are strictly prohibited on all company-issued laptops.
- Data transfers must occur through approved enterprise cloud storage.
- Exceptions require written approval from the IT Security Director.

Connecter des fichiers de connaissances via les bibliothèques de documents

L'une des capacités les plus puissantes des agents personnalisés Mistral réside dans leur aptitude à fonder leurs réponses sur des données propriétaires grâce aux bibliothèques de documents (Document Libraries) de Mistral et à la génération augmentée par récupération (RAG) native.

Comprendre les bibliothèques de documents

Plutôt que de téléverser des fichiers dans des sessions de chat individuelles où les fenêtres de contexte peuvent être encombrées, Mistral organise les connaissances en Document Libraries persistantes. Une fois qu'une bibliothèque est créée et alimentée en documents sources, plusieurs agents peuvent s'y connecter simultanément.

Les types de fichiers pris en charge comprennent :

• Documents PDF (.pdf)
• Fichiers texte brut (.txt)
• Fichiers Markdown (.md)
• Documents Word (.docx)
• Référentiels de code et spécifications techniques

Configurer une bibliothèque de documents

1. Dans Le Chat ou Mistral AI Studio, accédez à la section Libraries.
2. Cliquez sur Create Library, saisissez un titre descriptif (par exemple, Product-Specifications-2026) et ajoutez une description facultative.
3. Téléversez vos documents de référence. Mistral lance automatiquement l'analyse des documents, l'extraction de texte et les plongements vectoriels (vector embeddings).
4. Suivez l'état de traitement des fichiers :
   • Running : Le document est en cours d'analyse, de découpage en segments (chunks) et d'indexation dans la base de données vectorielle.
   • Completed : Le document est entièrement indexé et prêt pour les requêtes de recherche.

Associer des bibliothèques à votre agent personnalisé

1. Ouvrez votre agent dans l'éditeur Agents.
2. Accédez au panneau de configuration Knowledge ou Tools.
3. Activez l'outil Document Library.
4. Sélectionnez la ou les bibliothèques spécifiques dans lesquelles vous souhaitez que l'agent effectue des recherches.
5. Dans vos instructions système, renforcez le comportement de récupération en indiquant au modèle : « Consultez la Document Library connectée avant de répondre aux questions relatives aux procédures propriétaires ou aux spécifications des produits. »

Ancrage factuel et citations vérifiables

Lorsqu'un agent interroge une Document Library associée, le pipeline de récupération de Mistral extrait les segments de texte pertinents et les fournit comme ancrage contextuel. Dans sa réponse, l'agent produit des citations vérifiables (segments tool_reference) qui renvoient directement au document source et au numéro de page. Cette transparence permet aux utilisateurs de vérifier les déclarations par rapport aux sources primaires et élimine les hallucinations de l'IA.

Accès d'équipe et autorisations

Dans les espaces de travail d'entreprise et d'organisation, les Document Libraries prennent en charge un contrôle d'accès précis :

• Viewer : Les utilisateurs peuvent interroger la bibliothèque et l'associer à leurs agents personnels, mais ne peuvent ni ajouter ni supprimer de documents.
• Editor : Les membres de l'équipe peuvent téléverser de nouveaux fichiers, mettre à jour la documentation existante et gérer les métadonnées de la bibliothèque.
• Org Sharing : Les administrateurs de l'organisation peuvent partager des bibliothèques dans l'ensemble de l'annuaire d'entreprise, garantissant ainsi que toutes les équipes accèdent à une documentation identique et à jour.

Équiper les agents d'outils natifs

Au-delà de la recherche passive de documents, les agents personnalisés Mistral peuvent être configurés avec des outils d'exécution active :

• Recherche Web (web_search) : Permet à l'agent d'interroger le Web public en temps réel. C'est essentiel pour les agents qui suivent les tendances du marché, vérifient les modifications réglementaires récentes ou rassemblent les actualités du secteur.
• Interpréteur de code (code_interpreter) : Fournit un environnement d'exécution Python en bac à sable. L'agent peut écrire, exécuter et déboguer du code Python pour effectuer des calculs statistiques, nettoyer des jeux de données CSV ou générer des modèles mathématiques.
• Génération d'images (Image Generation) : Permet à l'agent de générer des schémas contextuels, des maquettes marketing et des illustrations à la demande de l'utilisateur.
• Connecteurs et protocole de contexte de modèle (MCP) : Pour les développeurs et les équipes d'entreprise, Mistral prend en charge l'enregistrement de serveurs MCP externes et d'appels de fonctions personnalisés, permettant aux agents d'interroger des bases de données internes, de déclencher des pull requests GitHub ou de mettre à jour des enregistrements CRM.

Pour activer les outils, il suffit de basculer les fonctionnalités souhaitées dans la section Tools du panneau de configuration de l'agent.

Tester, valider et déployer des agents

Mistral Le Chat comprend des fonctionnalités d'itération intégrées pour valider les performances de l'agent avant de le partager avec une équipe plus large.

Aperçu interactif en temps réel

Sur le côté droit de l'interface de configuration de l'agent, Le Chat fournit un panneau de Preview en direct :

1. Saisissez des requêtes utilisateur types pour vérifier si l'agent respecte les instructions système.
2. Posez des questions nécessitant des connaissances issues des documents joints pour confirmer que le connecteur RAG extrait les passages pertinents et produit des citations exactes.
3. Testez des cas particuliers — tels que des questions hors sujet ou des invites contradictoires — pour vous assurer que les garde-fous restent efficaces.
4. Ajustez les instructions système ou ajoutez des règles de clarification en temps réel.

Enregistrement automatique

Mistral Le Chat enregistre automatiquement et en temps réel toutes les modifications apportées aux métadonnées de l'agent, aux prompts système et aux configurations d'outils. Aucun bouton d'enregistrement manuel n'est requis ; les modifications sont immédiatement prises en compte dans les conversations ultérieures.

Invoquer des agents personnalisés dans les conversations

Une fois configuré, votre agent personnalisé apparaît dans votre tiroir d'agents personnels et dans le catalogue de l'organisation :

1. Invocation directe via la mention @ : Dans toute conversation Le Chat nouvelle ou existante, tapez @ suivi du nom de l'agent (par exemple, @ComplianceBot Comment demander une licence logicielle ?). L'agent prend le contrôle du tour de conversation, en appliquant ses instructions sur mesure et sa base de connaissances.
2. Chats dédiés à l'agent : Vous pouvez lancer une conversation directement depuis l'onglet Agents en cliquant sur la fiche de l'agent et en sélectionnant Start Chat.
3. Collaboration multi-agents : Au sein d'un même fil de conversation, les utilisateurs peuvent appeler successivement plusieurs agents spécialisés (par exemple, en demandant à @DataAnalyst de résumer un jeu de données, puis en invitant @Copywriter à transformer les résultats en une lettre d'information pour la direction).

Bonnes pratiques pour la maintenance des agents

Pour maintenir la précision et l'utilité des agents personnalisés au fil du temps, suivez ces bonnes pratiques opérationnelles :

• Garder les bibliothèques de documents à jour : Examinez et nettoyez régulièrement les documents obsolètes dans vos bibliothèques associées. Lorsque les politiques internes ou les fonctionnalités du produit changent, téléversez les fichiers mis à jour et supprimez les versions obsolètes afin d'éviter les réponses contradictoires.
• Affiner les instructions de manière itérative : Analysez les interactions des utilisateurs et identifiez les schémas d'échec courants. Si l'agent fournit fréquemment des réponses trop verbeuses, ajoutez une contrainte de longueur explicite dans les instructions système.
• Séparer les rôles généraux des rôles spécialisés : Plutôt que de construire un agent monolithique unique essayant de gérer simultanément le marketing, le code et la conformité, créez des agents ciblés et dédiés à des flux de travail spécifiques.
• Auditer les autorisations des outils : N'activez que les outils strictement nécessaires à la mission de l'agent. Par exemple, un agent de conformité interne ne devrait que très rarement avoir la recherche web activée si sa seule source de vérité doit être la documentation interne de l'entreprise.