Introduction à Codestral

Codestral : le modèle de Mistral AI spécialisé dans le code

Codestral est le modèle phare de Mistral AI dédié à la génération et à la complétion de code. Sa version v25.08 est l’aboutissement de plusieurs années de recherche en intelligence artificielle appliquée au développement logiciel. La différence avec un modèle généraliste tient à l’entraînement : là où un modèle polyvalent traite le code comme un cas particulier du langage naturel, Codestral a été entraîné spécifiquement pour comprendre, générer et compléter du code source dans plus de 80 langages de programmation. Il appartient au Premier tier de Mistral AI, la gamme qui bénéficie des meilleures performances et du support le plus complet de la plateforme.

Pourquoi un modèle dédié au code ?

Les modèles généralistes comme Mistral Large 3 ou GPT-5.6 écrivent du code très correctement, mais ils ne sont pas optimisés pour cette tâche, et cela se voit sur quatre points précis. Le premier est la compréhension syntaxique : Codestral a intégré les structures propres à chaque langage, pas seulement les régularités textuelles qui les entourent. Sur un fichier Rust, il sait ce qu’implique un emprunt ; sur un fichier SQL, il sait qu’un GROUP BY appelle une agrégation.

Le deuxième point est le Fill-In-The-Middle, capacité de compléter du code au milieu d’un fichier et non seulement à sa fin. Un modèle généraliste continue un texte ; Codestral peut aussi remplir un trou entre deux blocs existants, ce qui correspond exactement au geste du développeur qui place son curseur au milieu d’une classe. Le troisième point est la latence : l’autocomplétion en temps réel dans un IDE n’est utilisable que si la suggestion arrive avant que le développeur ait fini de taper lui-même la ligne, et Codestral est dimensionné pour ces appels très courts et très fréquents. Le quatrième est la constance des sorties : le code produit est formaté et idiomatique dans le langage cible, sans le mélange de conventions qu’on observe parfois ailleurs.

Les deux endpoints de Codestral

Mistral AI expose Codestral par deux portes d’entrée, et choisir la bonne conditionne la qualité du résultat autant que le prompt lui-même.

Endpoint FIM — /v1/fim/completions

C’est le plus innovant des deux. Vous fournissez un prompt, c’est-à-dire le début du code, et un suffix, c’est-à-dire la fin, et Codestral génère ce qui va entre les deux. Concrètement, si votre éditeur envoie les quarante lignes situées au-dessus du curseur et les dix situées en dessous, le modèle produit la portion manquante en tenant compte des deux côtés. C’est exactement ce dont un IDE a besoin pour une autocomplétion réellement contextuelle.

Endpoint Chat — /v1/chat/completions

C’est l’endpoint classique d’instruction-following : vous posez une question ou donnez une consigne, Codestral répond avec du code. Il convient à la génération de fonctions complètes, à la rédaction de documentation ou à la production de tests unitaires, c’est-à-dire à tout ce qui part d’une intention exprimée en langage naturel plutôt que d’un curseur posé dans un fichier.

Langages supportés

Codestral couvre l’essentiel de l’écosystème de développement moderne : Python, JavaScript, TypeScript, Java, C, C++, C#, Go, Rust, PHP, Ruby, Swift, Kotlin, Dart, R, MATLAB, SQL, HTML, CSS, Shell/Bash, PowerShell, Lua, Perl, Scala, et bien d’autres. Cette couverture de plus de 80 langages en fait l’un des modèles de code les plus polyvalents du marché, y compris pour les projets qui mélangent trois ou quatre technologies dans le même dépôt.

Codestral dans l’écosystème Mistral

Codestral ne se consomme pas seulement en appels API bruts. Dans un éditeur, il s’installe via Continue.dev, l’extension disponible pour VS Code et JetBrains, qui gère l’autocomplétion au fil de la frappe, ou via Tabnine, qui y ajoute des actions rapides déclenchées depuis l’IDE. Les data scientists le retrouvent dans JupyterLab grâce à Jupyter AI, directement dans leurs notebooks. En ligne de commande, Mistral Vibe joue le rôle d’assistant de code au terminal. Enfin, LangChain et LlamaIndex permettent de l’enchaîner dans des pipelines applicatifs, quand le code généré n’est qu’une étape d’un traitement plus large.

Les prochaines leçons entrent dans le détail : le mécanisme FIM, l’API Python, puis les cas d’usage concrets de Codestral.

Points clés à retenir

• Codestral v25.08 est le modèle Premier tier de Mistral AI spécialisé dans le code
• Il supporte plus de 80 langages de programmation
• Sa capacité FIM (Fill-In-The-Middle) le distingue des modèles généralistes
• Il est accessible via deux endpoints : FIM et Chat
• Il s’intègre nativement dans les IDE les plus populaires