Mistral AI lance Workflows, une couche d'orchestration pour l'IA en production

Mistral AI a annoncé la sortie de Workflows en public preview, une couche d'orchestration pour l'IA en entreprise qui permet d'exécuter des processus d'IA en production avec la fiabilité, la visibilité et la tolérance aux pannes qu'exigent les processus métier critiques.

Pourquoi l'IA en production n'a rien à voir avec les prototypes

Les entreprises ont accès à des modèles puissants, mais ne savent pas comment les exécuter en production. Les problèmes sont connus et reviennent partout : les processus fonctionnent dans un notebook mais plantent silencieusement sur le serveur, sans laisser de trace ; les opérations en plusieurs étapes ne survivent pas à un timeout réseau ; il n'existe aucun moyen intégré d'insérer une validation humaine en cours de route ; et rien ne suit ce qui se passe après le déploiement.

Aujourd'hui, les entreprises doivent assembler à la main une couche d'orchestration à partir de morceaux épars : des outils différents pour l'inférence, les agents, les connecteurs et l'observabilité, chacun avec sa propre interface et son propre format. Il faut tout raccorder manuellement, ce qui demande des mois de travail.

Comment fonctionne Workflows

Le développeur écrit un workflow en Python. Il peut ensuite le publier dans Le Chat pour que des personnes non techniques de l'organisation le lancent. Chaque étape est suivie et auditée dans Studio.

Principales fonctionnalités :

• Durability : le workflow survit aux timeouts et aux pannes réseau grâce à une gestion d'erreurs intégrée
• Human-in-the-loop : une pause intégrée pour la validation humaine (`wait_for_input()` tient en une seule ligne)
• Full observability : un historique d'exécution complet, avec la possibilité d'examiner chaque étape en détail
• Voie rapide vers la production : de l'idée au processus opérationnel en quelques jours, et non en plusieurs mois

Workflows est intégré à Studio : l'orchestration et ses composants (inférence, agents, connecteurs) ont donc été conçus dès l'origine pour fonctionner ensemble.

Des exemples en conditions réelles

Des clients de Mistral utilisent déjà Workflows pour des opérations critiques.

Automatisation du cargo release. La logistique mondiale repose sur la paperasse. Un seul cargo release peut impliquer des déclarations douanières, la classification de marchandises dangereuses, des contrôles de sécurité et des vérifications réglementaires dans plusieurs juridictions. Une étape oubliée entraîne un retard au port et une infraction de compliance. Le workflow valide les documents entrants au regard des règles douanières, recherche des anomalies, signale ce qui nécessite une validation humaine, attend l'approbation, puis libère la cargaison. La clé tient en une seule ligne, `wait_for_input()`. Le système se met en pause, attend le relecteur aussi longtemps que nécessaire sans consommer de calcul, lui envoie une notification, puis reprend exactement là où il s'était arrêté. Studio enregistre l'historique d'exécution complet.

Vérification de documents de compliance. La revue KYC est aujourd'hui manuelle, monotone et coûteuse. Pour un seul client, il peut falloir extraire des documents d'identité, vérifier les listes de sanctions et les bases PEP, croiser les exigences selon les juridictions et produire une évaluation des risques structurée, étayée par des preuves. À la main, cela occupe un analyste pendant des heures. Avec Workflows, tout le processus prend quelques minutes, et Studio affiche chaque étape sous forme de timeline structurée que l'on peut examiner en détail.

Ce que cela signifie

Mistral a franchi un seuil important : l'orchestration de l'IA cesse d'être un outil pour ingénieurs LLMOps et devient une plateforme pour l'entreprise. Les sociétés qui disaient « nous n'avons pas de spécialistes LLMOps » peuvent désormais fournir à leurs développeurs une couche prête à l'emploi, avec fiabilité, visibilité et validation humaine intégrées. Cela fait passer la discussion de « expérimentons » à « passons en production ».