Ressources · Intégration n8n

Nœud Mistral Cloud Chat Model n8nConfigurer Mistral Cloud Chat Model dans n8n.

Le nœud Mistral Cloud Chat Model n8n ne s'exécute jamais tout seul : c'est le cerveau qu'on accroche à un agent. Il expose 7 paramètres, du sélecteur de modèle jusqu'à Random Seed, et se branche sur un unique port nommé Model. Pour qui veut faire tourner un modèle Mistral dans un workflow.

Tester le nœud Mistral Cloud Chat Model sur n8nVoir les 7 paramètres

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Mistral Cloud Chat Model n8n ?

Il fournit un modèle de conversation Mistral à un nœud racine, c'est-à-dire au nœud qui porte la logique et reçoit les données du workflow. Seul, il ne produit rien : pas d'entrée principale, aucune exécution isolée. Sur le canevas, il apparaît comme un petit bloc suspendu sous l'agent. En vocabulaire n8n, ça s'appelle un sous-nœud : un composant qu'un nœud plus gros emprunte par un port, le petit connecteur dessiné sous lui.

Premier cas, celui qu'on monte en dix minutes : une boutique en ligne qui veut des descriptions produit. Une ligne arrive depuis Google Sheets, une chaîne la transforme en texte, et ce nœud fournit la génération. Tu choisis le modèle dans Model, tu bornes la longueur avec Maximum Number of Tokens, et la fiche produit tient dans le cadre prévu au lieu de déborder.

Deuxième cas, moins spectaculaire mais plus utile : le tri du support. Les messages entrants passent dans un AI Agent qui décide de la catégorie. Avec Sampling Temperature au plus bas et un Random Seed renseigné, deux exécutions du même message rendent le même verdict. Ça compte le jour où quelqu'un relance l'exécution de la veille et compare.

Troisième cas : la réponse automatique publiée sans relecture humaine, sur un canal client ou dans Slack. Enable Safe Mode insère une consigne de sécurité avant chaque conversation. C'est l'interrupteur qu'on active dès que la sortie part vers l'extérieur.

Quand prendre autre chose. Ce nœud ne parle qu'à Mistral Cloud. Si le compte est ailleurs, le nœud de modèle OpenAI ou Anthropic se branche exactement pareil, sur le même port, avec un autre credential. Et si le nœud racine visé est un agent exposé comme outil à un autre agent, c'est AI Agent Tool qu'il faut, pas un autre modèle.

Les limites, autant les connaître avant de construire. Ce nœud ne gère ni mémoire, ni outil, ni output parser : ce sont des sous-nœuds distincts, sur d'autres ports du nœud racine. La liste des modèles vient de Mistral Cloud et ne montre que ce que ton compte peut appeler, donc la capture d'écran d'un collègue ne correspond pas forcément à ton panneau. Côté facture, n8n ne prend rien pour le nœud ; Mistral facture ses propres appels d'API selon ses conditions.

Connexion

Comment connecter le nœud à Mistral Cloud ?

  1. 01

    Créer le credential une fois

    Ouvre le nœud et utilise le sélecteur de credential en haut du panneau, ou passe par le menu Credentials de n8n pour créer l'entrée Mistral Cloud. Un credential, c'est un jeu d'identifiants enregistré en dehors du workflow : tous les workflows suivants réutilisent le même, sans que la clé soit recopiée quelque part.

  2. 02

    L'attacher au nœud

    Reviens dans le panneau et sélectionne le credential enregistré. Rien d'autre ne demande d'authentification ici : aucun sélecteur de méthode, aucune liste de droits à cocher, aucun réglage propre au workflow. Une fois attaché, le nœud a le droit d'appeler Mistral Cloud pour le compte concerné.

  3. 03

    Ouvrir la liste Model pour vérifier

    Clique sur Model. n8n charge la liste en direct depuis Mistral Cloud, ce qui en fait le test de connexion le plus rapide du panneau : des noms s'affichent, la connexion tient. Choisis-en un, puis tire le connecteur du nœud jusqu'au port Model de ton agent ou de ta chaîne.

Connexions

Sur quoi ce nœud se branche-t-il ?

n8n coupe le travail IA en deux : un nœud racine porte la logique et reçoit les items du workflow, des sous-nœuds viennent s'accrocher à ses ports pour lui prêter un cerveau, une mémoire ou un outil. Ce nœud est un sous-nœud, avec un seul port de sortie et aucune entrée principale.

Sortie (où il se branche)

  • Modelai_languageModel
01ModelC'est l'unique port du nœud, celui que le nœud racine interroge quand il a besoin d'une réponse générée. Tu tires le connecteur depuis le bas du nœud jusqu'à l'emplacement Model dessiné sous la racine, et l'attelage est fait.

C'est l'unique port du nœud, celui que le nœud racine interroge quand il a besoin d'une réponse générée. Tu tires le connecteur depuis le bas du nœud jusqu'à l'emplacement Model dessiné sous la racine, et l'attelage est fait.

Paramètres clés

  • Required : sans modèle sur ce port, le nœud racine ne démarre pas.
  • AI Agent : la racine habituelle, celle par laquelle commencer quand le workflow doit dialoguer.
  • Basic LLM Chain : la racine sobre, un prompt en entrée, une réponse en sortie.
  • Text Classifier : une racine de lecture, pour ranger des messages au lieu d'y répondre.
Cas d'usage
un premier nœud Mistral alimente l'agent qui dialogue, un second, réglé plus froid, alimente le Text Classifier qui range les mêmes messages.
Paramètres

Quels paramètres compte-t-il vraiment ?

Le nœud Mistral Cloud Chat Model compte 7 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Model

model

Ce que tu vois dans n8n

Notes & cas d'usage

Désigne le modèle Mistral qui génère la réponse. Seul paramètre hors de la liste d'options, et le seul auquel tu touches à chaque fois.

Paramètres clés

  • Model : une liste déroulante chargée en direct depuis Mistral Cloud, qui affiche les modèles que ton compte a le droit d'appeler.
Cas d'usage
le résumé automatique de chaque mail entrant peut tourner sur un petit modèle, pendant que l'agent qui répond aux clients en prend un plus large. Même workflow, deux nœuds, deux entrées dans cette liste.
02

Maximum Number of Tokens

options.maxTokens

Ce que tu vois dans n8n

Notes & cas d'usage

Plafonne la longueur de la réponse générée. Un token est un morceau de texte, à peu près un mot court ; le plafond porte sur ce que le modèle écrit, pas sur ce que tu lui envoies.

Paramètres clés

  • Maximum Number of Tokens : le nombre maximum de tokens générés dans la réponse. La plupart des modèles ont une longueur de contexte de 2048 tokens, les plus récents montent bien plus haut.
Cas d'usage
un nœud qui rédige l'objet d'un ticket en une ligne reçoit un plafond serré, histoire que le modèle s'arrête au lieu d'ajouter trois phrases de politesse.
03

Sampling Temperature

options.temperature

Ce que tu vois dans n8n

Notes & cas d'usage

Règle le degré d'audace du tirage. Plus la valeur baisse, moins les réponses sont aléatoires ; aux alentours de zéro, le modèle devient déterministe et répétitif.

Paramètres clés

  • Sampling Temperature : un nombre qui contrôle l'aléatoire, saisi le plus souvent à la main dans le panneau plutôt que par une expression.
Cas d'usage
le nœud qui extrait une référence de facture veut la réponse ennuyeuse à chaque passage, donc une valeur très basse. Celui qui propose des accroches marketing respire mieux un cran au-dessus.
04

Max Retries

options.maxRetries

Ce que tu vois dans n8n

Notes & cas d'usage

Fixe le nombre de nouvelles tentatives que n8n s'autorise avant d'abandonner et de faire échouer l'exécution.

Paramètres clés

  • Max Retries : le nombre maximum de tentatives supplémentaires pour une même requête.
Cas d'usage
sur un traitement nocturne que personne ne surveille, deux ou trois tentatives absorbent un hoquet côté fournisseur. Sur un fil de discussion où quelqu'un attend, mieux vaut rester bas : le workflow échoue vite au lieu de laisser tourner un indicateur de chargement.
05

Top P

options.topP

Ce que tu vois dans n8n

Notes & cas d'usage

Resserre le vivier de mots dans lequel le modèle a le droit de piocher, par échantillonnage de noyau. À 0.5, la moitié des options pondérées par leur probabilité reste en jeu.

Paramètres clés

  • Top P : un nombre qui définit ce vivier. La recommandation générale est de modifier ce paramètre ou Sampling Temperature, jamais les deux ensemble.
Cas d'usage
un générateur de fiches produit qui part dans un vocabulaire bizarre se calme avec une valeur plus basse ici, la température restant intacte pour que les deux réglages ne se contredisent pas.
06

Enable Safe Mode

options.safeMode

Ce que tu vois dans n8n

Notes & cas d'usage

Active une consigne de sécurité injectée avant chaque conversation traitée par le nœud.

Paramètres clés

  • Enable Safe Mode : une case à cocher. Cochée, la consigne passe avant l'échange ; décochée, elle n'existe pas.
Cas d'usage
dès que la sortie est publiée sans relecture, typiquement une réponse automatique sur un canal ouvert, la case mérite d'être cochée. Un nœud interne qui résume ta propre base n'en a presque jamais besoin.
07

Random Seed

options.randomSeed

Ce que tu vois dans n8n

Notes & cas d'usage

Fige le point de départ du tirage aléatoire. Avec une graine renseignée, des appels séparés produisent des résultats déterministes au lieu d'une variante à chaque fois.

Paramètres clés

  • Random Seed : la graine utilisée pour l'échantillonnage aléatoire, laissée vide sauf si tu veux de la reproductibilité.
Cas d'usage
tester une modification de prompt devient pénible quand la réponse bouge d'elle-même. Mets une graine le temps d'itérer, compare deux exécutions honnêtement, puis retire-la avant la mise en production si tu veux retrouver de la variété.
Besoin d'aide

Besoin d'aide pour automatiser Mistral Cloud Chat Model avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Les questions qui viennent ensuite

01Le nœud Mistral Cloud Chat Model n8n est-il inclus et gratuit ?
Oui. Il fait partie du paquet IA livré avec n8n : rien à installer, rien de plus à payer côté n8n, aussi bien sur n8n Cloud que sur une instance auto-hébergée en Community Edition sous licence Sustainable Use. Un workflow monté d'un côté se comporte pareil de l'autre. Le seul coût qui n'est pas celui de n8n, c'est le modèle lui-même : Mistral facture les appels d'API que ce nœud déclenche, selon ses propres conditions, exactement comme si l'API était appelée à la main. n8n n'ajoute rien par-dessus.
02Que faut-il pour que le nœud fonctionne ?
Deux choses. Un credential Mistral Cloud, créé une fois depuis le panneau du nœud ou le menu Credentials, puis réutilisé dans tous les workflows suivants. Et un nœud racine sur lequel l'accrocher. Ce nœud n'a pas d'entrée principale et ne s'exécute jamais seul : il faut qu'un agent, une chaîne ou un autre nœud racine le réclame par le port Model. Pas de sélecteur d'authentification, pas de droits à cocher, pas de réglage propre au workflow. Tu attaches, tu ouvres la liste des modèles, tu branches le port, ça tourne.
03Quelles sont les limites de ce nœud ?
Il fournit un modèle de conversation, et rien d'autre. La mémoire, les outils et les output parsers sont des sous-nœuds séparés, branchés sur d'autres ports du nœud racine : celui-ci ne peut ni se souvenir d'un message précédent, ni appeler une API par lui-même. La version 1 expose 7 paramètres, Model plus 6 options. Ce que Mistral propose en dehors de cette liste n'est pas atteignable ici. La liste des modèles est remplie depuis ton compte, elle peut donc différer de l'écran d'un collègue, et un ancien workflow peut encore afficher une version antérieure du nœud, avec moins d'options.
04Que faut-il brancher au minimum, et par quel sous-nœud commencer ?
Au minimum, un modèle de conversation sur le port Model d'un nœud racine. Commence par un AI Agent comme racine : c'est le plus tolérant, il accepte ce nœud directement, et tu pourras lui ajouter une mémoire ou des outils plus tard sans rien reconstruire. Basic LLM Chain est l'option plus sobre quand tu veux juste un prompt à l'entrée et une réponse à la sortie, sans décision à prendre. Information Extractor, Text Classifier et Sentiment Analysis acceptent aussi ce nœud quand le travail consiste à lire du texte plutôt qu'à dialoguer.
05n8n ou Make pour faire tourner un modèle Mistral ?
Ça dépend de l'endroit où tes données doivent rester et de la façon dont tu veux payer. n8n s'auto-héberge, ce qui laisse les prompts et les réponses du modèle sur une infrastructure que tu contrôles, et son modèle de coût n'est pas indexé sur le nombre d'opérations consommées par un workflow. Make est uniquement hébergé, facturé à l'opération, et son éditeur visuel se prend en main plus vite sur un enchaînement linéaire. Pour un workflow IA qui boucle, se ramifie et appelle plusieurs sous-nœuds, le canevas n8n montre le câblage de façon plus littérale, ce qui aide justement quand un modèle répond de travers.
Hack'celeration Lab

Reçois nos tips intégration chaque semaine.

Pas de spam. Désinscription à tout moment.

Même plateforme

Autres docs utiles sur ce stack.

Voir toutes les intégrations