Mistral Large 4 : mille milliards de paramètres ouverts

Mistral AI a ouvert la préversion publique de Mistral Large 4, un modèle d'environ mille milliards de paramètres que l'entreprise française présente comme « le système d'IA à poids ouverts le plus puissant hors de Chine ». Depuis le 6 octobre, il est accessible via l'API de Mistral Studio, et l'entreprise promet de publier les poids avant la fin octobre pour que chacun puisse le télécharger et l'exécuter sur ses propres serveurs.

C'est le premier modèle issu de la levée de 3 milliards d'euros bouclée par Mistral en septembre, et il arrive alors que les modèles ouverts les plus performants —Kimi K3, GLM-5.3, DeepSeek-V4 ou Qwen— sont presque tous chinois. L'Europe y cherche une alternative propre, qui ne dépende pas de fournisseurs susceptibles de couper l'accès.

Ce qu'est Mistral Large 4

Taille : environ 1,05 billion (1 050 milliards) de paramètres au total selon la fiche technique (l'annonce arrondit à « mille milliards »), dans une architecture à mélange d'experts (MoE). Environ 50 milliards sont actifs à chaque token : l'annonce parle de 49 milliards et la fiche technique de 52 milliards.
Multimodal : il accepte du texte et des images (avec un encodeur visuel de 1,6 milliard de paramètres) et répond en texte.
Contexte : la fiche technique indique un million de tokens, même si Artificial Analysis en mesure 524 000 sur l'API de la préversion.
Langues : entraîné sur plus de 160 langues, dont toutes les langues officielles de l'UE.
Entraînement : à partir de zéro, en deux mois environ, sur près de 4 000 GPU NVIDIA Grace Blackwell dans les propres centres de données européens de Mistral, pour une consommation d'environ 10 MW. La phase d'apprentissage par renforcement se poursuit, les résultats peuvent donc évoluer avant la publication des poids.

Prix et disponibilité

Pendant la préversion, l'API coûte 0,68 dollar par million de tokens en entrée, 0,07 dollar par million de tokens en cache et 2,09 dollars par million de tokens en sortie, soit la moitié du tarif officiel (1,36, 0,14 et 4,18 dollars). Mistral n'a pas indiqué la fin de cette remise. L'entreprise proposera aussi aux développeurs, entreprises de cybersécurité et organismes publics vérifiés une version moins restreinte et dotée de davantage de capacités de cyberdéfense que l'API publique.

Les poids arriveront « d'ici la fin du mois » ; The Next Web et VentureBeat évoquent le 27 octobre. La licence reste inconnue : Mistral Large 3 avait été publié sous Apache 2.0, mais VentureBeat évoque une licence propre à Mistral.

Performances : ce que dit Mistral et ce que mesurent les autres

Les chiffres de Mistral sont préliminaires et proviennent de l'entreprise elle-même :

Programmation agentique (DeepSWE v1.1) : 62 %, contre 61 % pour GLM-5.3 et 57 % pour DeepSeek-V4-Pro.
Finance (FinWorkBench) : 67 %, à égalité avec DeepSeek-V4-Pro.
Ancrage visuel (DIOR-RSVG) : 73 %, devant les 68 % de GPT-6 Astra et les 55 % de Kimi K3.
Agent juridique (Harvey) : 15 %, le meilleur du groupe, même si des scores aussi faibles pour tous les modèles montrent qu'ils sont encore loin de traiter seuls des dossiers juridiques.

La première mesure indépendante est plus prudente : sur l'Intelligence Index d'Artificial Analysis, il obtient 38 points, derrière GLM-5.3 (45) et Kimi K3 (44) et devant DeepSeek-V4-Pro (36). Il est aussi très verbeux : il a utilisé environ 200 millions de tokens de sortie pour compléter l'index, contre 67 millions pour GPT-6.1 Sol, ce qui réduit une bonne partie de son avantage de prix par token. En revanche, il génère environ 116 tokens par seconde.

Pour le comparer à son grand rival ouvert, nous avions présenté Kimi K3 de Moonshot AI en juillet.

L'argument européen : souveraineté et cyberdéfense

Mistral affirme que ses clients veulent deux garanties : qu'aucun pays étranger ne puisse leur couper l'accès, et savoir comment le modèle a été entraîné. Large 4 pourra tourner sur des serveurs propres ou être utilisé dans une région de l'API choisie par le client, y compris une région de l'UE soumise au droit européen. Mistral travaille avec plus de 125 grandes entreprises, comme Airbus, ASML ou HSBC, dont certaines ont participé à l'entraînement via sa plateforme Forge.

La cybersécurité est l'autre grand argument. « Les capacités de cyberdéfense permettront aux entreprises et aux gouvernements de se défendre », selon le directeur scientifique de Mistral, Guillaume Lample. Avec des poids ouverts, une banque ou une administration pourrait utiliser le modèle pour protéger ses réseaux sans demander l'autorisation d'un tiers. Le directeur général, Arthur Mensch, l'a résumé ainsi : « L'idée que l'Europe ne peut pas rivaliser est fausse. »

Impact pour les équipes de développement

Pour qui développe avec des LLM, Large 4 ouvre une option européenne au bon rapport qualité-prix en programmation agentique, en vision et dans les langues européennes, avec la possibilité de l'héberger en interne une fois les poids publiés. Mais l'auto-hébergement n'a rien d'anodin : dans un MoE de cette taille, tous les experts doivent tenir en mémoire, ce qui exige plusieurs GPU haut de gamme. Pour la plupart des équipes, la voie réaliste restera l'API ou un fournisseur qui le sert.

Recommandations pratiques

Tester la préversion sur vos propres tâches (pas seulement sur des benchmarks) et mesurer le coût par tâche accomplie, et non par token, compte tenu de sa verbosité.
Établir les budgets sur le tarif officiel, et non sur celui de la préversion, tant que Mistral n'a pas fixé la fin de la remise.
Attendre de connaître la licence des poids avant de planifier un déploiement interne ou un produit commercial fondé sur le modèle.
Si les données doivent rester dans l'UE, vérifier la région de l'API et le contrat de traitement des données.
Pour l'auto-hébergement, dimensionner la mémoire GPU pour le modèle complet, et pas seulement pour les paramètres actifs.

Ce qu'il faut surveiller ensuite

La publication des poids, attendue le 27 octobre, et leur licence.
Les détails techniques, benchmarks supplémentaires et tests de sécurité que Mistral promet de publier d'ici là.
L'évolution des scores indépendants une fois l'apprentissage par renforcement terminé.
La famille de modèles spécialisés que Mistral construira sur Large 4.

Conclusion : selon les mesures indépendantes, Mistral Large 4 n'est pas encore le meilleur modèle ouvert au monde, mais c'est le premier modèle européen de cette envergure assorti d'une promesse de poids ouverts. Si Mistral tient son calendrier et que la licence est raisonnable, l'Europe disposera enfin d'une alternative ouverte et souveraine aux grands modèles chinois.