Het Forge-proces
Op deze pagina
Update 2 november 2026 — Le Chat is nu Vibe. Sinds 28 mei 2026 is Le Chat omgedoopt tot Vibe (nog steeds op chat.mistral.ai): een enkele agent voor werk en code die uw gesprekken, instellingen en abonnementen behoudt. De legacy Le Chat-ervaring blijft beschikbaar in de modus Chat. In de modus Werk zijn agents nu vaardigheden (aan te roepen met
@), dienen herinneringen als kennisbank en is diepgaand onderzoek de vaardigheid Deep Research. De abonnementen heten nu Mistral Free, Pro, Team en Enterprise. Deze les gebruikt de naam Vibe; houd er rekening mee dat sommige hier beschreven menu’s van naam of locatie veranderd kunnen zijn.
Van evaluatie tot implementatie: de volledige reis
Een Forge-project doorloopt vier fasen, onder begeleiding van een Mistral Field Deployment Engineer (FDE). U configureert niets alleen vanuit een console. In plaats daarvan is het project een gezamenlijke verbintenis tussen uw organisatie en Mistral AI, met gedefinieerde mijlpalen, meetbare deliverables en een voorspelbare tijdlijn: 2 tot 4 weken voor evaluatie, 4 tot 8 weken voor datavoorbereiding, 4 tot 6 weken voor training en iteratie, en 2 tot 4 weken voor implementatie en monitoring. Reken in totaal op 3 tot 6 maanden, afhankelijk van de complexiteit van de use case en de datakwaliteit. Als u deze volgorde vooraf kent, voorkomt u dat u uw leidinggevende een resultaat binnen zes weken belooft.
Fase 1: Evaluatie (2 tot 4 weken)
Het doel is vaststellen of Forge de juiste aanpak is en succescriteria definiëren. Het Mistral-team werkt samen met uw business sponsor en technische team op vier fronten. De use case-audit begint met de eenvoudigste, maar meest ongemakkelijke vragen: Welk exact probleem lost u op? Heeft u prompt engineering en RAG echt getest? Waarom zijn ze ontoereikend? De data-assessment meet het beschikbare volume en de feitelijke staat: gestructureerd of ongestructureerd, geannoteerd of rauw, actueel of verouderd.
Vervolgens komt de baselinemeting, een stap die velen overslaan en later betreuren. U moet de prestaties van het general-purpose model op doeltaken evalueren; zonder dit kunt u niet kwantificeren wat Forge toevoegt. De fase wordt afgesloten met het definiëren van KPI’s: precisie, recall, verwerkingstijd en gebruikerstevredenheid.
Het deliverable is een scope-document met de use case-definitie, data-inventaris, baselinemetrieken, doel-KPI’s en een voorlopig tijdschema. Daarna volgt een gezamenlijke go/no-go-beslissing. Als de data ontoereikend is of de use case Forge niet rechtvaardigt, stuurt het Mistral-team u richting RAG of prompt engineering. Een “nee” in dit stadium bespaart u enkele maanden werk en een aanzienlijk budget.
Fase 2: Datavoorbereiding (4 tot 8 weken)
Deze fase bouwt de trainingsdataset op. Het is de meest kritieke en tijdrovende fase, omdat de modelkwaliteit direct afhangt van de kwaliteit van de data waarmee het wordt getraind. Het werk begint met verzamelen: documenten, voorbeelden en use cases extraheren uit uw interne systemen. Daarna volgt schoonmaken: duplicaten, verouderde documenten en beschadigde data verwijderen. Vervolgens komt structureren, waarbij rauwe data wordt omgezet in instructie-respons-paren die bruikbaar zijn voor training. Wanneer de use case dit vereist, voegt annotatie door uw subject matter experts labels, categorieën of metadata toe. Een finale validatie door dezelfde experts zorgt ervoor dat het corpus de praktijk van alledag en het verwachte kwaliteitsniveau weerspiegelt.
Leg vanaf het begin schriftelijk vast wie welke rol heeft bij de documenten. Uw datateam handelt verzameling, schoonmaak en structurering af. Uw subject matter experts doen de annotatie en validatie. De Mistral FDE biedt methodologische begeleiding, valideert formaten en adviseert over volumes en kwaliteitsstandaarden.
Vier valkuilen keren steeds terug. Een corpus dat bepaalde cases oververtegenwoordigt, produceert een model dat in dezelfde verhoudingen bevooroordeeld is. Verouderde documenten creëren een model dat vol vertrouwen antwoordt op basis van verouderde procedures; dat is gevaarlijker dan geen antwoord geven. Enkele honderden voorbeelden zijn nooit genoeg voor kwalitatieve fine-tuning. Tot slot: als u een afweging moet maken, kies dan voor een kleiner, homogeen corpus boven een massaal corpus van wisselende kwaliteit.
Fase 3: Training en iteratie (4 tot 6 weken)
Het basismodel wordt gefine-tuned op uw dataset en vervolgens geëvalueerd op een validatieset bestaande uit data die het tijdens de training nooit heeft gezien. Resultaten worden vergeleken met de baseline en de doel-KPI’s uit Fase 1. Elke afwijking leidt tot een iteratie: hyperparameters aanpassen, de dataset verrijken of geïdentificeerde fouten corrigeren. Parallel hieraan voeren uw experts business-validatie uit door het model tegen echte cases te testen. Een model dat wel aan de metrieken voldoet, maar faalt op alledaagse bestanden, is niet klaar.
In de praktijk zijn 2 tot 4 iteraties nodig om het doelniveau te bereiken, waarbij elke iteratie 1 tot 2 weken duurt. De FDE is verantwoordelijk voor de volledige technische kant: training configureren, hyperparameters optimaliseren, prestatieproblemen diagnosticeren en dataverbeteringen aanbevelen. Uw team heeft geen machine learning-expertise nodig; de FDE fungeert als uw technische interface met het Forge-platform.
Fase 4: Implementatie en monitoring (2 tot 4 weken)
Het aangepaste model wordt geïmplementeerd op de doelinfrastructuur—Mistral Cloud, een dedicated VPC of on-premise—en geïntegreerd in uw omgeving via Mistral Enterprise, Enterprise Search of uw interne applicaties via API’s. Load tests valideren de prestaties onder productieomstandigheden. Training bereidt eindgebruikers voor op een model dat zich anders gedraagt dan een general-purpose model. Dashboards volgen prestaties, volume en tevredenheid.
Deze monitoring stuurt direct het governance-beleid. Het signaleert geleidelijke prestatiedegradatie, onverwachte use cases en signalen die hertraining vereisen, zoals beschikbaarheid van nieuwe data of procedurewijzigingen. Een Forge-model is niet statisch. Plan een kwartaalcycli voor snel evoluerende domeinen, een halfjaarlijkse cyclus voor stabiele domeinen, en cycli op aanvraag voor grote veranderingen zoals nieuwe regelgeving, fusies of productlanceringen.
Budget en resources om in te plannen
Aan de kant van Mistral omvat de verbintenis een dedicated FDE voor de projectduur, trainingsinfrastructuur (GPU’s) en technische en methodologische ondersteuning. Aan uw kant: reserveer 10% tot 20% van de tijd van uw business sponsor, een datateam van één tot twee personen parttime tijdens Fase 2, enkele uren per week van subject matter experts voor validatie, en een projectbudget dat varieert per complexiteit (te bepalen tijdens de evaluatiefase). Plan deze resources daadwerkelijk in. Een project waarbij de sponsor deze tijd niet heeft vrijgemaakt, loopt in Fase 2 vast.
Belangrijkste punten
- Het Forge-proces duurt 3 tot 6 maanden verdeeld over vier fasen: evaluatie, data, training en implementatie
- Datavoorbereiding is de meest kritieke fase—datakwaliteit bepaalt modelkwaliteit
- Een Mistral FDE begeleidt u van begin tot eind—uw team heeft geen machine learning-expertise nodig
- Plan een hertrainingscyclus om prestaties op peil te houden