Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

AWS Bedrock et autres fournisseurs de cloud

Lektion 13 av 14 Uppdaterad 29 juli 2026 Utvecklare
På denna sida
  1. L’écosystème cloud de Mistral
  2. AWS Bedrock
  3. Snowflake Cortex
  4. IBM watsonx
  5. Outscale, le cloud souverain français
  6. Choisir le bon fournisseur
  7. Vérifications avant déploiement
  8. Viktiga punkter

L’écosystème cloud de Mistral

Au-delà d’Azure et de Google Cloud, les modèles Mistral sont disponibles sur plusieurs autres plateformes. Cette leçon détaille AWS Bedrock car c’est l’alternative la plus courante et celle qui diffère le plus de ce que tu as appris jusqu’à présent. Elle aborde ensuite brièvement les intégrations avec Snowflake Cortex, IBM watsonx et Outscale.

AWS Bedrock

Amazon Bedrock est le service managé d’AWS dédié aux modèles de fondation. Il expose une API unifiée devant plusieurs fournisseurs (Anthropic, Meta, Mistral, etc.), gérant la facturation, la sécurité et la conformité via AWS. Pour les équipes utilisant déjà AWS, cela signifie que les modèles Mistral opèrent dans le même périmètre IAM, utilisent les mêmes journaux CloudWatch et apparaissent sur la même facture que le reste de ton infrastructure.

Concernant le catalogue, Bedrock donne accès aux modèles suivants. La liste exacte dépend de ta région et évolue avec les nouvelles versions ; la page « Model Access » de la console fait foi.

ModèlePositionnement
Mistral Large 3Modèle phare (les versions précédentes de Mistral Large restent disponibles)
Mistral SmallRapide et économique
Ministral (3B, 8B, 14B)Modèles compacts
Mixtral 8x7BModèle à mélange d’experts
Pixtral LargeMultimodal (texte + images)

Préparer l’accès

Tu dois remplir quatre conditions avant d’effectuer ton premier appel :

  1. Un compte AWS avec accès à une région prenant en charge Bedrock
  2. Un principal IAM disposant des autorisations bedrock:InvokeModel et bedrock:InvokeModelWithResponseStream
  3. L’AWS CLI configurée et boto3 installé
  4. Activer les modèles Mistral dans la console Bedrock (Model Access)
pip install boto3>=1.34.131
aws configure  # Saisis tes identifiants

La seconde autorisation est celle que l’on oublie souvent : un principal disposant uniquement de bedrock:InvokeModel fonctionne en mode synchrone mais échoue dès le premier appel en streaming. L’étape 4 est similaire à l’activation des modèles dans le Model Garden de Google : tant que tu n’as pas déverrouillé le modèle dans Model Access, aucune autorisation IAM ne fonctionnera.

Appeler un modèle avec boto3

Voici la différence majeure par rapport à Azure et Vertex : sur Bedrock, tu n’utilises pas le SDK Mistral. Tout passe par le SDK natif d’AWS, boto3, via l’API converse() commune à tous les fournisseurs de la plateforme.

import boto3
import json

client = boto3.client('bedrock-runtime', region_name='us-west-2')

response = client.converse(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "What are the advantages of a serverless architecture on AWS?"}]
        }
    ],
    inferenceConfig={
        "temperature": 0.3,
        "maxTokens": 1024
    }
)

texte = response["output"]["message"]["content"][0]["text"]
print(texte)

Le streaming suit la même logique, en utilisant converse_stream() et en itérant sur les événements du flux. Note que tu dois vérifier la présence de la clé contentBlockDelta : le flux Bedrock transporte également des événements de début et de fin de bloc, qui ne contiennent aucun texte.

response = client.converse_stream(
    modelId="mistral.mistral-large-2512-v1:0",
    messages=[
        {
            "role": "user",
            "content": [{"text": "Describe the Lambda + API Gateway architecture."}]
        }
    ],
    inferenceConfig={"temperature": 0.3, "maxTokens": 1024}
)

for event in response["stream"]:
    if "contentBlockDelta" in event:
        texte = event["contentBlockDelta"]["delta"].get("text", "")
        print(texte, end="", flush=True)

Si tu portes du code écrit pour l’API directe de Mistral, attends-toi à quatre différences. Premièrement, content n’est plus une chaîne mais un tableau d’objets {"text": "..."}. Deuxièmement, modelId suit le format AWS mistral.{model}-v{version}:{number} : contrairement aux alias -latest de l’API directe, tu épingles une version spécifique et dois la mettre à jour manuellement. Troisièmement, les paramètres d’inférence sont regroupés dans un objet inferenceConfig séparé au lieu d’être passés au niveau supérieur. Enfin, aucun SDK Mistral n’intervient : les réponses sont des dictionnaires boto3, pas des modèles typés, d’où l’accès par clé illustré ci-dessus.

Snowflake Cortex

Snowflake intègre les modèles Mistral, dont Mistral Large, directement dans sa plateforme de données via Cortex AI. L’avantage principal est simple : tes données ne quittent jamais Snowflake. L’appel au modèle devient une fonction SQL invoquée au sein d’une requête, juste à côté de la table que tu souhaites enrichir.

-- Utilisation directe dans une requête SQL
SELECT SNOWFLAKE.CORTEX.COMPLETE(
  'mistral-large',
  'Summarize this financial report in three key points.'
) AS resume;

Imagine une table contenant des milliers de rapports : au lieu d’exporter le contenu vers un script Python, d’appeler l’API et de réimporter les résultats, tu écris une requête qui produit directement la colonne de résumé. C’est le choix évident lorsque ton pipeline de données réside déjà dans Snowflake et que les règles de gouvernance interdisent toute sortie de données.

IBM watsonx

IBM watsonx.ai propose les modèles Mistral, y compris Mistral Large, dans son catalogue. L’accès se fait via l’API watsonx en utilisant les identifiants IBM Cloud : tu instancies un objet ModelInference en passant l’ID du modèle, tes identifiants et le projet cible. Note l’URL régionale dans l’exemple : elle détermine où l’inférence s’exécute, un détail à vérifier si tu as des exigences de résidence des données.

from ibm_watsonx_ai import Credentials
from ibm_watsonx_ai.foundation_models import ModelInference

model = ModelInference(
    model_id="mistralai/mistral-large",
    credentials=Credentials(url="https://eu-de.ml.cloud.ibm.com", api_key="..."),
    project_id="your-project-id"
)

response = model.generate_text("Explain the data mesh concept.")

Outscale, le cloud souverain français

Outscale, un cloud souverain français qualifié SecNumCloud, propose également les modèles Mistral. Pour les organisations du secteur public, de la défense ou de la santé soumises à des contraintes réglementaires strictes, cette option garantit que les données et le traitement restent en France. Dans ces contextes, c’est le seul critère qui compte : la qualification prime sur la commodité d’intégration ou l’expérience développeur.

Choisir le bon fournisseur

Le choix ne dépend presque jamais des modèles eux-mêmes, puisque les mêmes sont largement disponibles sur toutes les plateformes. Il dépend de l’endroit où résident tes données, de ton contrat et de tes obligations de conformité.

FournisseurQuand le choisir
API directe MistralLe plus simple, tous les modèles disponibles, idéal pour débuter
Azure AISi tu es déjà sur Azure, facturation consolidée
Google Vertex AISi tu es sur GCP, authentification IAM native
AWS BedrockSi tu es sur AWS, intégration avec l’écosystème AWS
Snowflake CortexSi tes données sont dans Snowflake
OutscaleSi tu as des exigences de souveraineté française

Une règle empirique utile : commence par l’API directe pour valider que le modèle répond à tes besoins, puis migre vers le fournisseur de ton écosystème lorsque le projet passe en production. Le code applicatif change peu ; l’essentiel du travail concerne l’authentification et la nommage des modèles.

Vérifications avant déploiement

Les ID de modèles des fournisseurs de cloud sont versionnés et changent à chaque génération (mistral.mistral-large-2512-v1:0 sur Bedrock, par exemple). Avant de configurer un déploiement, vérifie la valeur exacte dans la console du fournisseur : c’est la source de vérité, et un ID obsolète produit une erreur d’accès difficile à diagnostiquer.

Viktiga punkter

  • AWS Bedrock utilise boto3 et l’API converse() — pas le SDK Mistral
  • Le format des messages Bedrock diffère légèrement (contenu sous forme de tableau d’objets)
  • Snowflake Cortex intègre Mistral directement dans les requêtes SQL
  • IBM watsonx et Outscale offrent des alternatives pour des besoins spécifiques
  • Choisis ton fournisseur en fonction de ton écosystème cloud existant et de tes contraintes réglementaires