Introduction à Devstral

Devstral 2 : l’agent de code frontier de Mistral AI

Si Codestral est le spécialiste de la complétion de code, Devstral 2 est son pendant agentique. Lancé dans sa version v25.12, Devstral appartient à l’Open tier de Mistral AI — ce qui signifie que ses poids sont disponibles en open-source, une différence fondamentale avec Codestral (Premier tier, propriétaire).

Devstral n’est pas conçu pour compléter une ligne de code dans un IDE. Son rôle est de comprendre un codebase entier, planifier des modifications complexes, et exécuter des tâches de développement de bout en bout — comme un développeur junior autonome.

Codestral vs Devstral : deux philosophies

La confusion entre les deux modèles est fréquente. Voici la distinction fondamentale :

• Codestral = un outil de complétion — il génère du code à partir d’un prompt, ligne par ligne ou bloc par bloc. Il excelle dans les tâches rapides et ciblées.
• Devstral = un agent — il comprend un problème, explore le code existant, planifie une stratégie, implémente les changements, et vérifie le résultat. Il gère des tâches multi-fichiers et multi-étapes.

Analogie concrète

Imaginez que vous devez corriger un bug dans une application :

• Avec Codestral : vous identifiez le fichier, vous positionnez le curseur, Codestral vous propose la correction
• Avec Devstral : vous décrivez le bug, Devstral explore le codebase, identifie la cause racine, propose un plan de correction, implémente les changements dans plusieurs fichiers, et génère les tests

Caractéristiques techniques de Devstral 2

Devstral Small 2

• Identifiant : devstral-small-latest
• Paramètres : 24 milliards (24B-Instruct-2512)
• Contexte : jusqu’à 128k tokens
• Tier : Open (poids disponibles sur Hugging Face)
• Usage : agent de code, compréhension de codebase, planification

Devstral Medium

• Identifiant : devstral-medium-latest
• Usage : tâches agentiques plus complexes, raisonnement approfondi

Les deux variantes sont accessibles via l’endpoint /v1/chat/completions — Devstral n’utilise pas l’endpoint FIM.

Ce que Devstral sait faire

Devstral est entraîné pour les tâches agentiques du développement logiciel :

• Explorer un codebase — naviguer dans l’arborescence, lire des fichiers, comprendre l’architecture
• Diagnostiquer des bugs — analyser les logs, tracer les appels, identifier la cause racine
• Planifier des refactorings — proposer un plan étape par étape avant d’écrire du code
• Implémenter des features — modifier plusieurs fichiers de manière cohérente
• Écrire et exécuter des tests — vérifier que les changements fonctionnent
• Utiliser des outils — appeler des fonctions, exécuter des commandes shell, interagir avec des API

L’approche agentique

Ce qui distingue Devstral d’un simple modèle de code, c’est sa capacité à utiliser des outils (tool use). Dans un workflow agentique typique :

# Devstral peut appeler des outils comme :
# - read_file(path) : lire un fichier du projet
# - write_file(path, content) : modifier un fichier
# - run_command(cmd) : exécuter une commande shell
# - search_code(query) : chercher dans le codebase

Cette capacité de tool use est ce qui fait de Devstral un véritable agent, pas juste un modèle génératif. Il peut interagir avec son environnement de manière itérative.

Open-source : un avantage stratégique

Le fait que Devstral soit open-source (Apache 2.0) a des implications importantes :

• Hébergement local — vous pouvez déployer Devstral sur vos propres serveurs, sans envoyer votre code à une API externe
• Personnalisation — fine-tuning possible sur votre propre codebase
• Audit de sécurité — le modèle est inspectable, important pour les entreprises réglementées
• Coût prévisible — pas de facturation à l’usage une fois le GPU provisionné

Nous verrons dans la leçon 13 comment héberger Devstral en local avec vLLM.

Points clés à retenir

• Devstral 2 (v25.12) est l’agent de code open-source de Mistral AI
• Il appartient à l’Open tier — poids disponibles sur Hugging Face
• Contrairement à Codestral (complétion), Devstral est un agent capable de tâches multi-étapes
• Il utilise le tool use pour interagir avec le codebase et l’environnement
• Disponible en Small (24B) et Medium, avec jusqu’à 128k tokens de contexte
• Son caractère open-source permet l’hébergement local et la personnalisation