Formation Mistral AI

Trois jours pour adapter les modèles Mistral à vos données : Ministral 3 en local, dataset, fine-tuning LoRA, évaluation et déploiement avec vLLM.

Formation Mistral AI

Description

Cette formation Mistral AI vous permettra d'adapter un modèle Mistral à poids ouverts à vos données, puis de le déployer sur votre infrastructure.

Pendant 3 jours, vous apprendrez à :

  • disposer d'un assistant spécialisé sur vos tickets et vos documents, sans envoyer vos données à un service externe,
  • choisir dans la gamme 2026 (Ministral 3, Mistral Small 4, Mistral Large 4) le modèle qui tient votre budget, votre latence et vos contraintes de confidentialité,
  • mettre en production un modèle supervisé et protégé contre l'injection de prompt.

Le projet fil rouge consiste à fine-tuner Ministral 3 sur des tickets de support internes anonymisés, pour obtenir un assistant qui répond aux demandes, les classe et lit les captures d'écran jointes.

Pour coder avec l'agent de Mistral, voyez la formation Mistral Vibe et Devstral.

Public

Cette formation s'adresse aux développeur·euse·s, data scientists et ingénieur·e·s IA qui veulent adapter, personnaliser et déployer des modèles Mistral à poids ouverts.

Les objectifs

  • Situer la gamme Mistral 2026 : modèles à poids ouverts et modèles de l'API
  • Exécuter Ministral 3 et Mistral Small 4 en local ou sur serveur
  • Préparer et nettoyer un dataset d'instruction tuning
  • Appliquer un fine-tuning PEFT/LoRA avec Hugging Face
  • Évaluer un modèle fine-tuné face aux modèles de l'API
  • Déployer, sécuriser et superviser un modèle avec vLLM ou Ollama

Pré-requis

  • Bases solides en Python et en machine learning
  • Être à l’aise avec Git et la ligne de commande
  • Disposer d'un accès actif à l'API Mistral (compte et clé API)
  • Ordinateur portable à apporter

Le programme de la formation Mistral AI

Jour 1 — Comprendre et manipuler les modèles Mistral

  • La gamme Mistral en 2026
    • Ministral 3 (3B, 8B, 14B), Mistral Small 4, Mistral Large 4 : tailles, licences et usages
    • Poids ouverts (Apache 2.0, licence Mistral pour Large 4) ou API : ce que chaque option permet
    • Les modèles spécialisés : Codestral pour le code, OCR pour les documents, Voxtral pour l'audio
  • Architecture des modèles Mistral
    • Rappel du fonctionnement Transformer et Mixture of Experts (Small 4, Large 4)
    • Multimodalité : texte et image dans Ministral 3 et Small 4
    • Mode raisonnement : l'activer et régler son effort selon la tâche
  • Mise en place de l'environnement
    • Évaluation interactive sur les bases Python/ML
    • Installation et configuration : transformers, vLLM, Ollama, accelerate
    • Chargement et test de Ministral 3 : premiers prompts et paramètres de génération
  • Analyse des performances
    • Benchmark rapide : latence, mémoire, coût
    • Impact de la quantization (FP8, 4-bit)
    • Comparaison entre Ministral 3 en local et Mistral Small 4 par l'API

Mises en pratique :

  • Installer Ministral 3 et le tester sur des tickets de support et des captures d'écran, pour mesurer ce qu'il sait faire sans adaptation

Jour 2 — Préparation et fine-tuning de modèles Mistral

  • Préparation du dataset
    • Collecte de données : extraire des tickets, des échanges de support ou des conversations Slack (anonymisés)
    • Nettoyage et formatage JSONL (instruction / réponse)
    • Vérification RGPD : suppression d'informations sensibles
  • Fine-tuning avec Hugging Face (PEFT/LoRA)
    • Introduction au fine-tuning paramétriquement efficace (PEFT)
    • Application à Ministral 3 : création d'adapters LoRA et gestion des checkpoints
    • QLoRA : entraîner sur un seul GPU grâce à la quantization
    • Pourquoi le fine-tuning passe par les poids ouverts : l'API de fine-tuning de Mistral est dépréciée
  • Évaluation du modèle
    • Métriques : exactitude des réponses, qualité du classement, évaluation par un LLM juge
    • Détection basique des biais : consignes et ton du modèle
    • Comparaison avec Mistral Small 4 et Mistral Large 4 par l'API pour situer les performances

Mises en pratique :

  • Fine-tuner Ministral 3 sur un jeu de tickets internes anonymisés
  • Évaluer le modèle sur un corpus de demandes de test et comparer ses réponses avant et après fine-tuning

Jour 3 — Déploiement et intégration du modèle fine-tuné

  • Optimisation et export
    • Fusion des adapters, conversion en safetensors et GGUF pour Ollama / vLLM
    • Conserver la vision à l'export (texte et image)
    • Compression pour un déploiement sur serveur ou sur edge device (Ministral 3 3B)
  • Déploiement sécurisé
    • Mise en place d'un serveur d'inférence FastAPI + vLLM
    • Sécurité : prévention des injections de prompt, filtrage avec Shieldstral et Mistral Moderation 2
    • Hébergement souverain : OVH, Scaleway, Hugging Face, Mistral Compute
  • Intégration et supervision
    • Interface utilisateur : intégration dans Streamlit (chat et envoi de captures d'écran)
    • Monitoring : métriques de coût, de latence et de biais avec MLflow
    • Logs d'anomalie et supervision continue du modèle

Mises en pratique :

  • Déployer l'assistant fine-tuné sous forme d'application web : chat qui répond aux demandes, les classe et lit les captures d'écran jointes
  • Intégrer un test de sécurité et un monitoring éthique basique

Télécharger le programme

Thématiques de cette formation

FAQ

La formation suit la gamme actuelle : Ministral 3 (3B, 8B, 14B, sous licence Apache 2.0) pour le travail en local et le fine-tuning, Mistral Small 4 et Mistral Large 4 par l'API pour comparer. Mistral 7B, Devstral et Magistral, retirés de l'API en 2025 et 2026, ne sont plus au programme : Small 4 réunit désormais le raisonnement de Magistral et le code de Devstral.

Vous fine-tunez Ministral 3 sur des tickets de support internes anonymisés pour créer un assistant qui répond aux demandes, les classe et lit les captures d'écran jointes. Vous le déployez ensuite en application web, sécurisée et supervisée.

À notre connaissance, Mistral AI ne délivre pas de certification officielle pour les développeur·euse·s. La formation donne lieu à une attestation de fin de formation Human Coders.

Il faut de bonnes bases en Python et en machine learning, être à l'aise avec Git et la ligne de commande, et disposer d'un accès actif à l'API Mistral (compte et clé API). Prévoyez-le avant le premier jour.

Cette formation est centrée sur la gamme Mistral : exécution locale, fine-tuning PEFT/LoRA avec Hugging Face, déploiement via vLLM ou Ollama. Mistral Vibe et Devstral apprend à coder avec l'agent de Mistral. Ollama se concentre sur le déploiement et l'optimisation de modèles locaux, et Fine-tuning de LLM traite l'adaptation d'un modèle de façon générale, en deux jours.

Oui, le troisième jour porte sur l'optimisation et l'export, le déploiement sécurisé, puis l'intégration et la supervision du modèle fine-tuné. Pour concevoir une infrastructure complète, voyez Infrastructure IA souveraine.

Nos formations sont éligibles à plusieurs dispositifs de financement, selon votre situation. Human Coders est certifié Qualiopi, ce qui permet la prise en charge par des organismes comme Pôle emploi, votre OPCO ou encore le CPF (Compte Personnel de Formation) pour certaines formations.

Pour en savoir plus, veuillez consulter notre page : Comment financer votre formation ?

Oui, la formation peut être proposée en présentiel ou en distanciel. Pour les inter-entreprises, les modalités (présentiel ou à distance) sont fonction de la session.

Nous pouvons organiser des sessions à d'autres dates ou dans d'autres villes (Bordeaux, Lille, Lyon, Marseille, Montpellier, Nantes, Nice, Paris, Strasbourg, Toulouse...)

Les formations se déroulent toujours en petit groupe de 3 à 6 stagiaires. Nous souhaitons que les formateurs et formatrices puissent passer un maximum de temps avec chacun·e.

Voici une journée type :

  • 9h : vous êtes accueillis par votre formateur·rice autour d'un petit déjeuner (croissants, pains au chocolat, jus de fruit, thé ou café...)
  • 9h : la formation commence
  • 12h30 : pause de midi. Le·a formateur·rice mangera avec vous. C'est l'occasion d'avoir des discussions plus informelles.
  • 14h : reprise de la formation
  • 17h30 : fin de la journée

8 raisons de participer à une formation Human Coders

  • Satisfaction client élevée : Un taux de satisfaction de 4,6/5 depuis 2012 (sur 2003 sessions réalisées). 99% des participants se disent satisfaits de nos formations
  • Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
  • Catalogue de formations complet : 298 formations au catalogue, de quoi vous accompagner sur tout vos projets
  • Écosystème dynamique : Nous accompagnons les dev depuis 14 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
  • Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
  • Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
  • Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
  • Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux

* Nombre de personnes ayant répondu au questionnaire de satisfaction sur cette formation depuis 2012