Mistral Large 4 : Mistral AI publie les poids de son modèle géant, pari sur la souveraineté

Trois semaines après l’avoir présenté en préversion, Mistral AI a tenu sa promesse. Le 29 octobre 2026, la start-up française a publié les poids de Mistral Large 4, son modèle le plus puissant, surnommé « le Chonk » en interne. Avec environ 1 000 milliards de paramètres, c’est l’un des plus grands modèles ouverts au monde, et le plus grand jamais entraîné en Europe. « L’open source est essentiel pour que l’IA de pointe ne finisse pas concentrée entre les mains de quelques acteurs », affirme Arthur Mensch, directeur général de Mistral AI, cité par SiliconANGLE.

Ce que contient Mistral Large 4

Le modèle repose sur une architecture dite de mélange d’experts : sur environ 1 000 milliards de paramètres au total, seuls 52 milliards sont sollicités pour chaque mot traité, ce qui limite le coût de calcul. Il est nativement multimodal, capable de traiter du texte et des images, et maîtrise plus de 160 langues selon Mistral. Il combine un mode de réponse directe et un mode de raisonnement, avec trois niveaux de réflexion, bas, moyen et élevé, pour adapter la profondeur de l’analyse et la consommation de calcul à chaque tâche.

Mistral souligne l’avoir entraîné de zéro, sur 3 800 processeurs NVIDIA Grace Blackwell installés dans ses propres centres de données européens. Les poids sont disponibles sur Hugging Face, la principale plateforme de partage de modèles, et le modèle reste accessible par l’API de Mistral, ainsi que via OpenRouter, NVIDIA et Microsoft Foundry.

Trois semaines de progrès depuis la préversion

Entre la préversion du 6 octobre et la publication des poids, Mistral a poursuivi l’entraînement par renforcement pendant trois semaines, en se concentrant sur la programmation et la cybersécurité défensive. Les gains annoncés sont nets. Sur Terminal-Bench 4.0, un test qui évalue la capacité d’un agent à accomplir des tâches dans un terminal, le score passe de 28 % à 41 %, avec 30 % de jetons en moins, ce qui réduit le coût d’utilisation.

Selon Mistral, le modèle fait jeu égal avec GLM-5.3, du chinois Zhipu, sur l’indice des agents de programmation d’Artificial Analysis, tout en consommant 47 % de jetons en moins par tâche. Dans des comparaisons à l’aveugle menées par l’entreprise Surge, il est préféré à GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash, et ne se classe que derrière Claude Opus 5.5 d’Anthropic, un modèle fermé. Ces résultats sont ceux publiés par Mistral et ses partenaires.

Une licence ouverte, avec une exception

Mistral publie Large 4 sous une licence baptisée Mistral Ecosystem Open-Weight, présentée comme une version modifiée de la licence MIT, l’une des plus permissives. Elle autorise l’utilisation gratuite, la modification, l’adaptation à ses propres données et l’usage commercial.

Une exception de taille demeure : les entreprises qui proposent le modèle en tant que service en ligne, c’est-à-dire qui le revendent à leurs propres clients sous forme d’API, doivent obtenir une licence commerciale séparée auprès de Mistral. Cette clause vise à empêcher les grands fournisseurs de cloud de tirer profit du modèle sans contrepartie. Pour une entreprise qui l’utilise en interne, ou pour un chercheur, elle ne change rien.

Un modèle bridé pour les usages offensifs en cybersécurité

Comme d’autres éditeurs de modèles ouverts, Mistral a dû trouver un équilibre en cybersécurité. Le modèle intègre des garde-fous conçus pour distinguer les tâches défensives, comme l’analyse de failles ou la rédaction de correctifs, des demandes malveillantes. Selon Mistral, il refuse en moyenne 96,6 % des requêtes malveillantes dans ce domaine, le taux le plus élevé qu’il ait mesuré parmi les modèles ouverts. Sa résistance aux attaques visant à détourner un agent passe de 93,3 % à 97,1 % sur le test B3 de Lakera.

Mistral indique aussi avoir observé des tentatives d’attaques réelles via son service en ligne, et ajuster ses garde-fous en conséquence. Une variante spécialisée en cybersécurité est réservée à des partenaires vérifiés, sous contrat. Des acteurs comme Orange Cyberdefense et Booz Allen l’utilisent déjà pour le tri de vulnérabilités, la correction de code et l’analyse de code source.

Comment une entreprise peut-elle l’utiliser ?

Pour une entreprise française ou européenne, plusieurs voies s’offrent à elle, selon ses moyens et ses contraintes :

• passer par l’API de Mistral, la solution la plus simple, facturée à l’usage ;
• utiliser un fournisseur tiers qui héberge le modèle, comme OpenRouter, NVIDIA ou Microsoft Foundry ;
• l’héberger sur ses propres serveurs ou chez un hébergeur européen, pour garder la maîtrise complète des données, au prix d’un investissement matériel important et de compétences techniques ;
• l’adapter à ses données internes avec les outils proposés par Mistral, pour des usages spécialisés.

Le choix dépend surtout de la sensibilité des données traitées. Pour des informations confidentielles, médicales ou soumises à des obligations réglementaires strictes, l’hébergement maîtrisé que permettent les poids ouverts est un argument fort. Pour un usage courant, l’API reste nettement plus économique.

Face aux modèles ouverts chinois, comme Kimi K3.1 Pro, dont les poids sont attendus d’ici le 4 novembre, Mistral met aussi en avant l’origine européenne de son modèle, un critère qui compte pour les administrations et les secteurs sensibles.

Un pari européen sur la souveraineté

L’argument central de Mistral est la souveraineté. Avec des poids ouverts, une entreprise, une administration ou un hôpital peut inspecter le modèle, l’adapter et le faire tourner sur ses propres serveurs, sans que ses données sensibles quittent son infrastructure. Mistral propose ses outils Forge, pour adapter le modèle à des données internes, et Studio, pour construire des agents. Le modèle peut être déployé via les logiciels vLLM ou SGLang, ou dans un conteneur NVIDIA.

Pour Mistral, qui multiplie les annonces en octobre, de Voxtral 3 pour les agents vocaux à Timestral pour la prévision, Large 4 est aussi un moyen d’affirmer sa place face à des concurrents américains aux moyens bien supérieurs. Arthur Mensch rappelle que l’entreprise a levé environ 6 milliards de dollars en trois ans, quand d’autres laboratoires en ont levé des centaines de milliards. Reste à voir si les entreprises européennes, souvent attachées aux services américains, adopteront ce modèle à grande échelle. La page Mistral AI d’Actu.ai suit ses évolutions.