Les Options de tool_choice

Contrôler quand le modèle utilise les fonctions

Le paramètre tool_choice est un levier puissant pour contrôler le comportement du modèle face aux outils. Selon la valeur choisie, vous pouvez laisser le modèle décider librement, le forcer à utiliser un outil, ou lui interdire complètement.

auto — Le mode par défaut

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools,
    tool_choice="auto"  # Facultatif, c'est la valeur par défaut
)

Avec auto, le modèle évalue la requête et décide :

• Si la question nécessite des données externes → il appelle une fonction
• Si la question est générale → il répond directement en texte

# Le modèle appellera une fonction
messages = [{"role": "user", "content": "Statut du paiement T1001 ?"}]
# → tool_call: retrieve_payment_status(transaction_id="T1001")

# Le modèle répondra directement
messages = [{"role": "user", "content": "Bonjour, comment allez-vous ?"}]
# → content: "Bonjour ! Je suis un assistant de paiements. Comment puis-je vous aider ?"

C’est le mode le plus courant en production car il offre l’expérience la plus naturelle.

any — Forcer l’utilisation d’outils

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools,
    tool_choice="any"
)

Le modèle doit appeler au moins une fonction, même si la question ne semble pas le nécessiter. C’est utile dans les pipelines automatisés où chaque requête doit produire un appel structuré :

# Extraction structurée : forcer le modèle à extraire des données
tools = [{
    "type": "function",
    "function": {
        "name": "extract_entities",
        "description": "Extrait les entités nommées d'un texte",
        "parameters": {
            "type": "object",
            "properties": {
                "persons": {"type": "array", "items": {"type": "string"}},
                "organizations": {"type": "array", "items": {"type": "string"}},
                "dates": {"type": "array", "items": {"type": "string"}}
            },
            "required": ["persons", "organizations", "dates"]
        }
    }
}]

messages = [{"role": "user", "content": "Sophia Yang de Mistral a présenté "
            "le function calling le 15 mars 2026."}]

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools,
    tool_choice="any"  # Force l'extraction
)

# → extract_entities(persons=["Sophia Yang"],
#                     organizations=["Mistral"],
#                     dates=["15 mars 2026"])

none — Désactiver temporairement les outils

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools,
    tool_choice="none"
)

Le modèle ne peut pas appeler de fonctions. C’est utile pour :

• Demander un résumé après plusieurs appels de fonctions
• Reformuler une réponse sans déclencher de nouveaux appels
• Tester le comportement du modèle sans les outils

# Après avoir récupéré des données via tool_calls...
# Demander un résumé sans nouveaux appels
messages.append({
    "role": "user",
    "content": "Résume les informations de tous les paiements que tu as trouvés."
})

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    tools=tools,
    tool_choice="none"  # Le modèle résume avec ce qu'il a déjà
)

Changer dynamiquement le tool_choice

En production, vous pouvez adapter tool_choice selon le contexte :

def get_tool_choice(user_input: str, turn_count: int) -> str:
    """Détermine le tool_choice selon le contexte."""

    # Premier tour : laisser le modèle décider
    if turn_count == 0:
        return "auto"

    # Si l'utilisateur demande explicitement un résumé
    if any(mot in user_input.lower() for mot in ["résume", "récapitule", "synthèse"]):
        return "none"

    # Par défaut
    return "auto"

Bonnes pratiques

• Utilisez auto par défaut — c’est le plus naturel et le plus flexible
• Utilisez any pour les pipelines d’extraction de données structurées
• Utilisez none pour empêcher les boucles infinies de tool_calls
• Ne changez jamais de tool_choice en cours de traitement d’un tool_call (terminez d’abord le cycle)

Points clés à retenir

• tool_choice contrôle quand le modèle utilise les fonctions
• auto = le modèle décide librement (défaut, recommandé pour les chatbots)
• any = le modèle est forcé d’appeler un outil (pipelines, extraction structurée)
• none = les outils sont désactivés (résumés, reformulation)
• Adaptez tool_choice dynamiquement selon le contexte de la conversation