Mistral AI vs Chatgpt en entreprise

Entre la montée fulgurante de Mistral AI et la domination installée de ChatGPT, chaque entreprise se retrouve aujourd’hui face à un choix stratégique : privilégier une IA clé en main, ultra-polyvalente, ou une plateforme plus ouverte, mieux adaptée aux enjeux de souveraineté et de confidentialité. Derrière ce duel apparent se dessine un changement profond : l’intelligence artificielle n’est plus un gadget, mais une brique centrale de l’automatisation, du service client, de la productivité et de l’analyse de données. Les directions générales, DSI et métiers cherchent donc un repère fiable pour naviguer entre promesses marketing, contraintes réglementaires et pressions budgétaires.

Ce comparatif explore la réalité du terrain, depuis les promesses de performance jusqu’aux contraintes d’implémentation. Il met en regard deux visions : celle d’un chatbot américain ultra-démocratisé, drivé par Microsoft et la puissance de GPT‑5, et celle d’un champion européen qui mise sur l’open source, la transparence et la souveraineté numérique. Entre les retours des équipes opérationnelles, les exigences des RSSI et les besoins de formation des collaborateurs, le match Mistral AI vs ChatGPT en entreprise dépasse largement la seule question de « qui répond le mieux à un prompt ? ». Il touche à la culture, à l’organisation du travail et à la capacité d’innovation technologique à long terme.

• ⚙️ Simplicité vs contrôle : ChatGPT brille par son côté plug-and-play, Mistral AI par sa flexibilité et son open source.
• 🛡️ Données et conformité : Mistral AI rassure les organisations européennes sur le RGPD et la souveraineté, ChatGPT séduit par un cadre très industrialisé mais plus opaque.
• 🚀 Productivité immédiate : pour un déploiement rapide d’assistants de bureau et de chatbots, ChatGPT garde une longueur d’avance.
• 🏗️ Intégration et personnalisation : les équipes techniques tirent pleinement parti des modèles ouverts de Mistral pour bâtir des solutions sur mesure.
• 💰 Coûts et modèles économiques : les deux offres restent accessibles, mais Mistral AI est souvent imbattable côté API et open source, surtout à grande échelle.

Mistral AI vs ChatGPT en entreprise : visions, modèles et cas d’usage concrets

Pour comprendre ce que change vraiment le duel Mistral AI vs ChatGPT en entreprise, il est utile de suivre une organisation fictive, « NeoFabric », PME industrielle de 450 salariés. NeoFabric veut moderniser son service client, automatiser une partie de sa documentation et offrir aux équipes un assistant de bureau pour gagner du temps sur les tâches répétitives. Le DAF regarde d’abord le budget, le RSSI se focalise sur les risques, tandis que les métiers réclament une IA simple, sans jargon ni complexité technique.

ChatGPT arrive dans cette histoire comme un outil presque familier. De nombreux collaborateurs l’utilisent déjà à titre personnel. L’interface web est intuitive, les modèles généralistes comme GPT‑4o et GPT‑5 combinent texte, tableurs, images, et même génération de visuels. NeoFabric peut, en quelques jours, proposer à ses équipes marketing et RH un chatbot interne pour rédiger des mails, reformuler des contenus et synthétiser des rapports. Les gains de productivité sont visibles rapidement : moins de temps passé à partir d’une page blanche, plus de temps pour réfléchir au fond.

Mistral AI, de son côté, séduit immédiatement la DSI et le RSSI de NeoFabric. Modèles hébergeables sur des serveurs européens, possibilité d’installer certains modèles open source sur une infrastructure privée, conformité RGPD pensée dès l’origine : pour les données sensibles (plans industriels, contrats fournisseurs, procédures internes), cette approche est rassurante. Les modèles comme Mistral Large, Mistral Medium 3 ou encore Magistral Medium peuvent être intégrés à un intranet, un portail documentaire ou un SI métier, sans exposer les informations stratégiques hors d’Europe.

Cette différence de philosophie se reflète aussi dans les cas d’usage. ChatGPT excelle comme « assistant universel » : aide à la rédaction, génération de présentations, support à la prise de décision grâce à des synthèses très fluides. Il est particulièrement apprécié des non-techniciens : un manager peut décrire en langage naturel le compte-rendu de sa réunion et obtenir en sortie une version structurée, claire, prête à être partagée. Mistral AI, lui, montre toute sa puissance lorsqu’il s’agit de construire des briques IA à l’intérieur de produits existants : moteur de recherche interne boosté à l’IA, assistant pour les techniciens de maintenance, copilote de saisie dans un ERP, etc.

Les directions apprennent vite que choisir entre Mistral AI et ChatGPT, ce n’est pas seulement répondre à la question « qui écrit mieux ? », mais arbitrer entre une IA de bureau immédiatement opérationnelle et une plateforme plus technique, pensée pour être intégrée en profondeur. C’est ce premier éclairage qui va structurer tous les choix ultérieurs : gouvernance des données, architecture, formation des équipes et trajectoire d’innovation technologique.

Mistral AI vs ChatGPT : mission, philosophie et publics visés

Les deux acteurs ne poursuivent pas tout à fait la même mission. OpenAI, avec ChatGPT, a misé sur la démocratisation massive de l’intelligence artificielle. L’objectif : proposer un assistant conversationnel utile à tous, du lycéen au PDG. L’écosystème Microsoft (Copilot dans Office, Teams, Outlook) amplifie encore cette ambition en glissant ChatGPT dans les outils du quotidien. Résultat : pour une entreprise comme NeoFabric, adopter ChatGPT ressemble à l’adoption d’une nouvelle suite bureautique.

Mistral AI défend une autre ligne : maintenir une IA européenne forte, transparente et modifiable par les communautés de développeurs. Ses modèles open source, publiés sur des plateformes comme Hugging Face ou GitHub, permettent aux équipes techniques de comprendre, ajuster et spécialiser les modèles. Cette orientation attire naturellement les DSI, les data engineers et les profils R&D, mais elle séduit aussi des secteurs très réglementés (santé, finance, secteur public) soucieux de souveraineté.

Un autre point clé est le public cible. ChatGPT vise le grand public, les indépendants, les créatifs, les équipes commerciales et support. Sa force tient dans des modèles comme GPT‑4.5, capables d’imiter un ton de marque, de rédiger des scripts vidéo, ou de gérer une conversation commerciale de façon presque humaine. Mistral AI, avec « Le Chat » pour les usages généralistes et des modèles comme Codestral Mamba ou Magistral Small, conquiert d’abord les développeurs, les chercheurs et les équipes d’architecture logicielle.

Pour NeoFabric, cela se traduit de façon très concrète : les équipes marketing plébiscitent ChatGPT pour produire des contenus, ajuster des campagnes et traduire immédiatement en plusieurs langues. La DSI, elle, voit dans Mistral AI le moyen de bâtir une couche IA interne, pilotée par les équipes techniques, sans dépendance excessive à un fournisseur unique. L’enjeu devient alors d’arbitrer entre ces publics, et parfois de combiner les deux.

Cette cohabitation, de plus en plus fréquente dans les entreprises, montre qu’il ne s’agit pas d’un duel où il faudrait forcément un vainqueur. Il s’agit plutôt de trouver le bon équilibre entre un assistant généraliste, facile à déployer, et une plateforme adaptable, plus exigeante mais aussi plus pérenne.

Performance, vitesse, mémoire et polyvalence : qui tient la distance en production ?

Une fois dépassé le discours marketing, toute entreprise finit par poser la question qui fâche : « lequel est vraiment le plus performant dans nos usages ? ». Les benchmarks publics donnent un premier éclairage. GPT‑4.1 et GPT‑o3 dominent encore la plupart des tests de raisonnement et de connaissances généralistes, avec par exemple plus de 90 % au MMLU pour GPT‑4.1, tandis que Mistral Large tourne autour de 81 %. Sur le test Humanity’s Last Exam, GPT‑o3 survole la concurrence avec un score supérieur à 20, là où Mistral Medium 3 reste nettement plus bas.

En pratique, cela signifie que pour les problématiques très complexes – recherche scientifique, questions mathématiques pointues, stratégie d’entreprise multidimensionnelle – ChatGPT conserve une petite avance. Les équipes de NeoFabric s’en rendent compte lorsqu’elles demandent à l’IA de combiner des scénarios financiers, des contraintes industrielles et des prévisions de demande mondiale : GPT‑o3 tient mieux la longueur, explique son raisonnement et gère des enchaînements de consignes plus délicats.

La vitesse, en revanche, réserve des surprises. Dans l’interface « Le Chat », Mistral AI a atteint des vitesses spectaculaires, jusqu’à 1 100 tokens par seconde pour Mistral Large dans des conditions optimales. Dans la pratique, cela se traduit par des réponses quasi instantanées sur des requêtes longues, là où GPT‑4o se situe plutôt autour de 130 tokens par seconde. Pour un chatbot de service client ou un assistant utilisé toute la journée par des commerciaux, cette réactivité change la perception de l’outil : on ne parle plus de « temps d’attente », mais de flux de conversation continu.

Côté mémoire, ChatGPT domine très nettement avec des fenêtres contextuelles pouvant atteindre le million de tokens. Une équipe juridique peut ainsi charger des dizaines de contrats, un corpus complet de mails, voire un dossier contentieux entier, et interroger le modèle en langage naturel. Mistral AI est plus limité, souvent à 128 000 tokens pour ses meilleurs modèles, mais cette capacité reste amplement suffisante pour beaucoup de scénarios : création de rapports, synthèse documentaire, aide à la rédaction technique.

La polyvalence, enfin, s’exprime surtout chez ChatGPT. GPT‑4o et GPT‑5 gèrent texte, images, PDF, sons, et s’interfacent avec des outils de génération vidéo comme Sora. L’utilisateur n’a pas à se soucier du choix du modèle : l’interface route automatiquement la requête vers la meilleure IA. Mistral AI propose également de la génération d’images via Flux Pro, et « Le Chat » sait analyser des documents ou produire du code, mais les modèles restent un peu plus segmentés : on choisit plus souvent un modèle dédié (raisonnement, code, requêtes simples).

Pour NeoFabric, l’arbitrage se fait donc en plusieurs temps : utiliser ChatGPT là où l’hyper-polyvalence et la mémoire XXL font gagner un temps considérable, et déployer Mistral AI quand la vitesse, la maîtrise des coûts et la souveraineté priment. Le vrai enjeu n’est pas d’opposer les outils, mais de savoir lequel confier à chaque type de mission.

Comparatif synthétique : Mistral AI vs ChatGPT pour l’entreprise

Pour aider les décideurs qui doivent trancher, un tableau de synthèse met en lumière les forces principales de chaque solution dans un contexte professionnel. Il ne remplace pas un POC, mais sert de grille de lecture pour cadrer les choix.

🔍 Critère	🤖 Mistral AI	💬 ChatGPT
Philosophie	Open source, souveraineté européenne, transparence	Écosystème propriétaire, clé en main, très industrialisé
Facilité de déploiement	Demande des compétences techniques, idéal pour la DSI	Prise en main immédiate par les équipes métiers 😊
Données et RGPD	Hébergement UE, modèles auto-hébergeables, grande maîtrise 🛡️	Données transitant par OpenAI, conformité configurable mais plus opaque
Polyvalence	Modèles spécialisés (raisonnement, code, requêtes simples)	Assistant unique multimodal : texte, images, documents, audio 🎯
Coûts API	Tarification agressive, modèles open source gratuits	Tarifs raisonnables, mais dépendance à un fournisseur unique

Ce type de grille aide des organisations comme NeoFabric à clarifier leurs priorités : ce n’est pas la même chose de chercher un compagnon de tous les jours pour les collaborateurs, ou une brique IA stratégique pour l’architecture globale du SI.

Données, sécurité et conformité : un enjeu décisif pour l’IA en entreprise

Le sujet de la sécurité des données est souvent celui qui change complètement la conversation. Lorsqu’un directeur des systèmes d’information entend « chatbot dans le cloud américain », il pense immédiatement à la localisation des serveurs, à la conformité RGPD, aux risques de fuite d’informations sensibles. Les responsables métiers, eux, voient surtout la facilité d’usage. Le rôle des directions est alors de concilier ces deux réalités.

Mistral AI, de par son ADN européen, a mis la souveraineté au cœur de sa proposition de valeur. La possibilité d’auto-héberger certains modèles, de les déployer sur une infrastructure on-premise ou sur un cloud localisé en Europe, rassure les secteurs les plus exposés. Pour un hôpital, une banque ou une collectivité, la perspective de traiter des données de santé, financières ou citoyennes sans les faire sortir de leur propre environnement est un argument de poids.

ChatGPT n’est pas hors jeu pour autant. Les offres Enterprise et Team proposent des garanties avancées : isolation des données, options pour désactiver leur utilisation à des fins d’entraînement, contrôles d’accès fins. Pourtant, le fait que les traitements restent hébergés dans un écosystème propriétaire américain continue d’inquiéter certaines organisations. La question n’est pas tant la bonne volonté d’OpenAI que la lisibilité à long terme des cadres légaux transatlantiques.

NeoFabric illustre bien cette tension. Les données marketing ou les supports de formation peuvent sans problème transiter par ChatGPT : il s’agit d’informations publiques ou peu sensibles. En revanche, les spécifications industrielles ou les échanges sur la R&D sont jugés trop stratégiques pour prendre le moindre risque. C’est ici que Mistral AI est déployé, sous forme d’instances privées, reliées aux bases documentaires internes.

Pour aller plus loin dans cette réflexion, certaines entreprises complètent leurs projets IA par des démarches de sensibilisation à la cybersécurité. Des ressources comme l’analyse proposée sur comprendre les enjeux de la cyber-gestion aident les décideurs à intégrer l’IA dans une vision plus large de gestion des risques numériques.

IA, cybersécurité et gouvernance : poser le bon cadre

Mettre en place Mistral AI ou ChatGPT dans une entreprise sans cadre de gouvernance revient à installer un nouvel ERP sans règles de droits d’accès. Un comité de pilotage IA, réunissant DSI, RSSI, direction juridique et métiers, devient vite indispensable. Sa mission : définir ce qui peut transiter par chaque outil, encadrer les prompts, et clarifier les niveaux de sensibilité des documents partagés avec les modèles.

Sur ce point, la granularité offerte par les modèles open source de Mistral est un avantage. Une équipe IT peut décider de n’exposer à l’IA qu’un sous-ensemble de documents, d’utiliser des techniques de RAG (Retrieval-Augmented Generation) pour garder la connaissance en interne, et de journaliser l’intégralité des requêtes. Cette capacité de contrôle est très recherchée dans les grandes organisations qui disposent déjà d’une maturité cybersécurité élevée.

ChatGPT, de son côté, compense par des outils d’administration plus accessibles aux profils non techniques. Les interfaces de gestion des espaces Team ou Enterprise permettent de suivre l’usage, limiter certaines fonctionnalités, et gérer les droits à grande échelle. Pour une entreprise moins équipée en profils techniques, cette approche est souvent plus réaliste que le maintien de modèles auto-hébergés.

Dans les deux cas, une règle s’impose : accompagner le déploiement par de la formation. Sensibiliser les équipes aux bons réflexes (ne jamais coller un contrat client brut dans un prompt, anonymiser les données sensibles, utiliser les espaces dédiés fournis par la DSI) est tout aussi important que le choix du modèle. D’ailleurs, se former à l’IA passe souvent par des parcours structurés qui abordent à la fois les usages et la sécurité, à l’image de certaines formations à Claude ou à d’autres IA génératives, comme celles présentées sur cette page dédiée à la productivité avec l’IA.

En pratique, NeoFabric établit une cartographie claire : ChatGPT pour les contenus marketing, la rédaction de supports de formation, les brainstormings ; Mistral AI, auto-hébergé, pour la documentation technique, les procédures internes et les supports de maintenance. Cette répartition rassure la direction et permet, en même temps, aux équipes de profiter pleinement des bénéfices de l’IA.

Automatisation, chatbots et productivité : quelles différences sur le terrain ?

Au-delà des benchmarks, ce qui compte pour une organisation, ce sont les heures gagnées et la qualité de service délivrée. Sur ce plan, la combinaison automatisation + chatbot devient un levier majeur. Unifié à un CRM ou un outil de ticketing, un agent IA peut filtrer les demandes simples, préremplir les réponses complexes, ou assister les équipes de support en temps réel.

ChatGPT, surtout dans sa version couplée aux API et à des orchestrateurs comme Zapier ou Make, permet de créer rapidement des flux automatisés. Un ticket arrive dans l’outil de support, un scénario le résume, suggère des réponses possibles, classe la demande et prépare les actions à exécuter. Les modèles comme GPT‑4o mini ou GPT‑4.1 mini sont suffisamment rapides et peu coûteux pour servir d’agent d’arrière-plan, déclenché des centaines de fois par jour sans exploser le budget.

Mistral AI répond par la flexibilité de ses modèles open source, intégrables dans des frameworks comme LangChain ou Autogen. Les équipes techniques peuvent alors concevoir des agents sur mesure : un chatbot SAV qui connaît précisément le catalogue produits, un assistant pour la comptabilité intégré à l’ERP, ou encore un copilote d’atelier consultable depuis une tablette de maintenance. Des modèles spécialisés comme Codestral Mamba, focalisés sur le code, aident à automatiser jusqu’à la génération de scripts et de connecteurs spécifiques.

NeoFabric en tire un exemple parlant : un chatbot de service client grand public, déployé sur le site web, est d’abord alimenté par ChatGPT pour sa capacité à comprendre des formulations variées et à répondre avec un ton chaleureux. En parallèle, un agent interne de support technique, réservé aux équipes de maintenance, est motorisé par Mistral Medium 3, connecté à la base documentaire interne et au système de GMAO. Résultat : les clients obtiennent une réponse agréable et rapide, les techniciens disposent d’un copain d’atelier qui « parle » le même langage technique qu’eux.

5 usages clés de Mistral AI et ChatGPT pour booster la productivité 🤝

Pour structurer une feuille de route réaliste, beaucoup d’entreprises identifient des cas d’usage concrets qui apportent des gains rapides. Voici quelques scénarios typiques, où Mistral AI et ChatGPT peuvent jouer des rôles complémentaires :

• 📝 Rédaction et reformulation : comptes rendus, mails, procédures, fiches produits. ChatGPT brille par son style naturel, Mistral AI par sa capacité à rester factuel et précis sur les données internes.
• 📊 Analyse de données : synthèse de tableaux, extraction de tendances, préparation de présentations. Couplé à des outils bureautiques, ChatGPT se montre très intuitif ; relié à un data lake interne, Mistral peut traiter des volumes importants tout en respectant la confidentialité.
• 📚 Base de connaissances et support interne : FAQ RH, procédure IT, documentation technique. Les modèles de Mistral hébergés en interne garantissent la maîtrise du contenu, tandis que ChatGPT peut aider à structurer et reformuler ces connaissances.
• 💻 Assistance au développement : génération de code, revue de pull requests, documentation technique. GPT‑4.1 est une valeur sûre pour les développeurs, tandis que Codestral offre une alternative open source très appréciée pour l’intégration dans les IDE.
• 🎯 Automatisation de tâches répétitives : classification de mails, tri des demandes, génération de réponses standards. Les deux plateformes sont performantes, à condition d’être connectées proprement aux systèmes métier.

Ces usages montrent qu’il est rarement pertinent d’imposer un seul outil pour toute l’entreprise. Il s’agit plutôt d’aligner chaque scénario métier avec les forces de chaque IA, en gardant un œil sur la supervision et la qualité des réponses.

Formation, acculturation et conduite du changement autour de l’IA générative

Un élément revient dans tous les retours d’expérience : même la meilleure IA ne compensera jamais un manque de compétences en interne. Sans un minimum de formation, les collaborateurs utilisent mal les outils, posent des questions floues, recopièrent sans esprit critique les réponses fournies, ou abandonnent l’outil au bout de quelques semaines.

La formation au « prompt engineering » n’est pas qu’un effet de mode. Savoir préciser le contexte, le rôle attendu de l’IA, le format de sortie et les contraintes métier permet d’obtenir des résultats bien plus fiables. Un responsable marketing qui apprend à structurer ses requêtes à ChatGPT voit immédiatement la différence dans la qualité des textes livrés. Un technicien qui apprend à expliquer sa problématique à Mistral Medium 3 récupère des diagnostics plus pertinents.

De plus en plus d’organisations intègrent ces compétences dans leurs plans de développement des talents. Les programmes sérieux ne se limitent pas à ChatGPT ou à Mistral : ils présentent plusieurs IA, comparent leurs forces et insistent sur la capacité à transférer les méthodes d’une plateforme à l’autre. Certaines formations se focalisent, par exemple, sur Claude ou d’autres IA conversationnelles pour travailler la qualité du raisonnement et la structuration des réponses, comme on le voit sur des dispositifs orientés productivité tels que ceux présentés sur cette ressource.

Accompagner le changement : du POC à l’industrialisation 💡

Pour NeoFabric, la trajectoire s’est faite en plusieurs temps. D’abord, quelques preuves de concept : un assistant RH avec ChatGPT, un moteur de recherche documentaire interne avec Mistral AI. Ensuite, une phase de consolidation : mise en place d’un comité IA, élaboration de chartes d’usage, formation d’un réseau d’« ambassadeurs IA » dans chaque service. Enfin, l’industrialisation : intégration des modèles dans les outils du quotidien, contrats cadres avec les fournisseurs, supervision centralisée des usages.

Ce type de démarche progressive limite les résistances. Les collaborateurs voient d’abord l’IA comme une aide pour se débarrasser des tâches répétitives, non comme une menace. Les managers, eux, apprennent à identifier les tâches où la valeur humaine reste irremplaçable : arbitrage, relation client complexe, créativité stratégique. L’IA devient un multiplicateur d’impact, pas un substitut.

Un point souvent sous-estimé est la nécessité de garder un regard critique sur les contenus générés. Qu’il s’agisse de ChatGPT ou de Mistral AI, les modèles peuvent encore halluciner, simplifier à l’excès ou négliger certains détails. Former les équipes à la vérification, à la recoupement des sources et à la relecture attentive est un investissement indispensable. De cette vigilance dépend la confiance durable dans les outils, et donc leur adoption à long terme.

En fin de compte, le choix entre Mistral AI et ChatGPT n’est jamais purement technique. Il reflète la culture de l’entreprise, son rapport aux données, sa maturité numérique et sa vision de l’innovation technologique. Les organisations qui réussissent cette transition sont souvent celles qui acceptent de tester, d’ajuster, et surtout d’impliquer les équipes dans la construction de leurs propres usages IA.

Mistral AI et ChatGPT peuvent-ils coexister dans la même entreprise ?

Oui, et c’est même souvent la configuration la plus efficace. Beaucoup d’organisations utilisent ChatGPT comme assistant généraliste pour la rédaction, le brainstorming et la communication, tout en déployant Mistral AI pour les usages sensibles ou fortement intégrés au SI interne. L’important est de définir clairement quels types de données et de processus passent par chaque plateforme, et de l’expliquer aux équipes.

Quel outil privilégier pour un service client automatisé ?

Pour un chatbot orienté clients finaux, ChatGPT offre une qualité de langage et une capacité à gérer des formulations très variées qui font souvent la différence en termes d’expérience utilisateur. Pour un support interne ou un SAV très technique connecté à une base documentaire privée, Mistral AI, notamment via des modèles comme Mistral Medium 3, permet une intégration plus fine et un meilleur contrôle des données.

Quel est l’impact budgétaire d’un déploiement IA à grande échelle ?

Les deux solutions restent accessibles, mais leurs modèles économiques diffèrent. ChatGPT repose sur des abonnements utilisateurs (Free, Plus, Pro, Enterprise) et une API facturée au million de tokens. Mistral AI propose aussi des abonnements au Chat, mais se démarque par des modèles open source gratuits et des tarifs API très compétitifs, particulièrement intéressants pour des volumes élevés. Un POC chiffré sur un cas d’usage réel est la meilleure façon d’anticiper le coût global.

Comment limiter les risques de fuite de données avec ces IA ?

La première étape consiste à clarifier les types de données autorisés dans chaque outil et à former les équipes aux bons réflexes (anonymisation, exclusion des contrats et informations sensibles, usage des espaces sécurisés). Ensuite, il est recommandé d’utiliser les options de configuration avancées : désactivation de l’entraînement sur les données pour ChatGPT, auto-hébergement ou cloud européen pour Mistral AI, journalisation des requêtes, et mise en place d’un comité de gouvernance IA.

Faut-il former tous les salariés à l’IA générative ?

Pas nécessairement au même niveau, mais une acculturation de base à l’IA générative devient vite indispensable. Comprendre ce que fait un modèle comme ChatGPT ou Mistral AI, savoir formuler une requête efficace et vérifier une réponse devrait faire partie des compétences numériques de base. Certains profils (support client, marketing, data, IT) bénéficieront en plus de parcours avancés pour exploiter tout le potentiel de ces outils dans leurs missions.