Huit missions au cœur de l'usine à modèles de Mistral AI : construire un harnais d'évaluation avant une release majeure, traquer une régression de raisonnement juridique en français, démasquer un benchmark contaminé, mener une campagne de red-teaming, tenir une crise d'injection de prompts sur Le Chat et défendre le go/no-go devant le board de release.
Esprit de mesure : une moyenne de benchmark sans distribution vous met physiquement mal à l'aise — vous voulez voir les slices, toujours.
Curiosité adversariale : face à un modèle poli et serviable, votre premier réflexe est de chercher comment le faire trahir ses instructions.
Rigoureux(se) à l'écrit : vos rapports d'évaluation relient chaque chiffre à son dataset, chaque conclusion à sa méthode — un régulateur peut les relire.
Goût de la décision : un go/no-go avec des données incomplètes ne vous paralyse pas — vous écrivez ce qu'on sait, ce qu'on ignore, et ce que vous recommandez.
Construisez une expérience concrète et la confiance pour la suite.
Quelques étapes pour commencer
Créez votre compte et ouvrez la mission.
Traitez chaque mission comme le métier se pratique vraiment.
Voyez ce que votre travail a montré, cité depuis ce que vous avez écrit.
Emportez la preuve dans vos candidatures et vos entretiens.
De nos partenaires
Ce que vous maîtriserez
Ce que vous devez maîtriser
Market signals
Signaux de marché vérifiés — sources publiques
Date d'application des obligations pour les modèles à finalité générale : documentation technique, résumé des données d'entraînement, politique de droits d'auteur — et tests adverses documentés pour les modèles à risque systémique.
Source · Règlement (UE) 2024/1689L'injection de prompts est classée premier risque du Top 10 OWASP pour applications LLM — et les assistants dotés d'outils (navigation, code) multiplient la surface d'attaque.
Source · OWASPAnnée de fondation de Mistral AI à Paris — devenu en trois ans le seul acteur européen à expédier des modèles frontières en continu, open-weights et commerciaux.
Source · Mistral AIContamination des corpus, overfitting des classements, saturation des jeux de test : un score publié seul ne prouve plus rien. Les laboratoires sérieux investissent dans des benchmarks privés et tournants — et dans les ingénieurs qui les construisent.
Source · Stanford CRFM — HELMLes laboratoires parisiens expédient des modèles chaque mois, l'AI Act exige des preuves documentées, et les profils capables de construire un harnais d'évaluation ET de mener un red-teaming structuré se comptent sur les doigts de deux mains.
Source · France Travail — statistiques et analyses du marché du travailDécouvrez comment les situations prennent vie
eur-lex.europa.eu
Le texte complet : obligations GPAI (article 53), risque systémique (article 55), tests adverses — applicables depuis août 2025.
mistral.ai
Le catalogue : modèles open-weights, API commerciale, Le Chat. Lisez les model cards publiées comme des spécimens du métier.
owasp.org
LLM01 Prompt Injection en tête de liste : la taxonomie de référence pour votre campagne de red-teaming.
anthropic.com
La publication qui a démontré que l'allongement des fenêtres de contexte rend les jailbreaks multi-tours plus efficaces.
crfm.stanford.edu
La référence académique en matière d'évaluation par slices : pourquoi une moyenne de benchmark ne suffit jamais.
Ouvrez une mission pour voir ce que vous allez produire
Aperçu du programme
Task 1
Task 2
Task 3
Task 4
Task 5
Task 6
Task 7
Task 8
Ligne d’arrivée
Témoignages de professionnels qui ont vécu des missions équivalentes
“La mission sur la contamination de benchmarks m'a définitivement vaccinée contre les tableaux de scores publiés. En entretien, quand j'ai expliqué comment détecter un overlap n-gram et pourquoi un MMLU gonflé se reconnaît, le recruteur a arrêté de prendre des notes et…”
Camille R.
Data scientist NLP en fin de master
M2 NLP, Université Paris-Saclay
“La crise d'injection de prompts en mission 6 est la chose la plus réaliste que j'ai faite de ma vie pro : une attaque trouvée dans la nature un vendredi, un assistant qui a un outil de navigation, et il faut évaluer,…”
Karim B.
Ingénieur backend en reconversion IA
7 ans d'expérience, scale-up parisienne
“Ces simulations m'ont aidée à projeter ce que serait mon premier poste. Très concret.”
Inès K.
Étudiante M2
Sciences Po
“Le format est addictif et utile en entretien.”
Adrien L.
Diplômé école d'ingé
INSA Lyon
“L'outil idéal pour tester un métier avant de s'engager.”
Maya T.
En reconversion
—
Témoignages de professionnels qui ont vécu des missions équivalentes
“La mission sur la contamination de benchmarks m'a définitivement vaccinée contre les tableaux de scores publiés. En entretien, quand j'ai expliqué comment détecter un overlap n-gram et pourquoi un MMLU gonflé se reconnaît, le recruteur a arrêté de prendre des notes et…”
Camille R.
Data scientist NLP en fin de master
M2 NLP, Université Paris-Saclay
Faites le travail, gardez la preuve.