EN DIRECT
Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|
Tooléditeur officiel

code_interpreter (Mistral)

Tool : Une action précise que l’IA peut appeler · nécessite mistral-api

Python en bac à sable pour les agents Mistral.

L'option européenne pour l'exécution de code.

Score global
6.7 /10
Sécu : une réserve, lire la fiche
Utilité
7.0
Fiabilité
6.0
Sécurité
Une réserve
Facilité
1 clic · À l’aise

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Lorsqu'un agent a besoin d'effectuer des calculs, d'analyser des données ou de produire des graphiques, il ne peut pas le faire seul à partir de son seul modèle de langage. L'outil code_interpreter de Mistral résout ce problème en permettant à l'agent d'exécuter du code Python dans un environnement isolé, directement côté serveur.

Concrètement, l'agent reçoit une demande, génère du code Python, l'envoie à l'outil qui l'exécute dans un bac à sable sécurisé, puis récupère le résultat ou le graphique produit. Toute l'exécution se déroule dans l'infrastructure interne de Mistral, sans que le code ne tourne sur la machine de l'utilisateur.

Cet outil s'adresse aux développeurs qui construisent des agents via l'API Mistral et qui ont besoin d'automatiser des tâches d'analyse de données, de visualisation ou de calcul. Il est également accessible directement via l'interface Conversations, sans qu'il soit nécessaire de créer un agent au préalable.

En revanche, code_interpreter n'est pas disponible dans l'API Chat Completions classique. Il ne convient pas non plus aux utilisateurs qui souhaitent exécuter du code dans leur propre environnement local, car l'exécution est entièrement gérée côté Mistral.

Ce que ça propose

  • ·Exécution de code Python dans un bac à sable isolé côté serveur (payant).
  • ·Génération de graphiques et de visualisations à partir des données fournies (payant).
  • ·Disponible comme outil intégré, prêt à l'emploi sans configuration supplémentaire (payant).
  • ·Utilisable directement via l'interface Conversations sans création préalable d'un agent (payant).
  • ·Compatible avec l'API Conversations et l'API Agents (payant).
  • ·Peut être combiné avec d'autres outils intégrés comme la recherche web ou la génération d'images au sein du même agent (payant).

En pratique

Prix
Payant · dès 28 €30 $ les 1 000 appels.
Usage commercial
Usage commercial : oui
Disponible sur
api
Hôte
mistral-api
Interface FR
Non

Sécurité et données

Pastille
Sécu : une réserve, lire la fiche
Capacités
litécritexécuteréseau
Vos données
Données chez l’éditeur
Permissions
Exécution isolée.
Maintenance
Active

Liens et dépôt vérifiés le 25 octobre 2026 · ajoutée le 1 mai 2025

Comment installer code_interpreter (Mistral)

1. Créez un compte et obtenez une clé API sur la plateforme Mistral. 2. Installez le client Python Mistral dans votre environnement de développement. 3. Lors de la création d'un agent via client.beta.agents.create(), ajoutez code_interpreter dans le paramètre tools. 4. Vous pouvez aussi appeler l'outil directement via l'API Conversations sans créer d'agent. 5. Ne transmettez jamais votre clé API dans du code partagé ou public ; stockez-la dans une variable d'environnement.
tools=[{"type":"code_interpreter"}]

Documentation officielle ↗

Dans la même catégorie

Toute la catégorie Code →