Mistral Large 4 en poids ouverts : fort en code, derrière la Chine
Mistral publie les poids de Large 4, modèle entraîné en Europe : fort en code, rapide, moins cher, mais à 26 points contre 32 pour les modèles chinois.
Mistral a tenu parole : depuis le 29 octobre, les « poids » de son plus gros modèle, Large 4, sont en libre téléchargement. Entraîné entièrement en Europe, il progresse nettement en code. Mais sur le classement global, les meilleurs modèles ouverts chinois gardent de l’avance. Reste à savoir ce que vaut, concrètement, la souveraineté européenne face à eux.
Ce que « poids ouverts » veut dire
En jeu pour vous : pouvoir faire tourner une IA puissante sans envoyer vos données à une entreprise tierce. C’est ce que permet, en théorie, la publication des poids.
Dans un modèle d’IA, les poids sont la myriade de réglages appris pendant l’entraînement. Les télécharger permet de faire tourner le modèle sur ses propres serveurs, explique Numerama, sans rien envoyer chez Mistral. Les fichiers sont sur Hugging Face, une plateforme de partage de modèles.
Le modèle, surnommé « Le Chonk », compte environ 1 000 milliards de paramètres. Un paramètre est un de ces réglages internes : plus il y en a, plus le modèle est vaste. Mais il n’en mobilise que 49 milliards à chaque fois qu’il produit un token, un fragment de mot (52 milliards en comptant les couches d’entrée et de sortie). Cette économie vient de son architecture « mélange d’experts » : le modèle est découpé en 128 « experts » spécialisés, et seuls quatre d’entre eux, plus un expert commun, travaillent pour chaque token.
En clair : c’est une très grande équipe dont seule une petite partie est mise au travail à chaque mot, ce qui rend le modèle plus rapide qu’un modèle de même taille qui mobiliserait tout.
Le repère à garder : son prédécesseur, Large 3, avait 675 milliards de paramètres, dont 41 milliards utilisés par token.
Trois semaines de plus : code et cybersécurité
En jeu : savoir si l’annonce du 6 octobre était déjà le modèle final. Ce n’était pas le cas. À cette date, Mistral n’avait ouvert qu’un accès payant par API (une porte d’accès pour brancher le modèle à ses propres outils), en promettant les poids pour la fin du mois.
Depuis, la start-up française a poursuivi l’apprentissage par renforcement, une méthode où le modèle s’entraîne sur des tâches et est récompensé quand il les réussit. Selon The Decoder, l’équipe a construit en interne des tâches de plus en plus difficiles. Les chercheurs Pierre Stock et Corentin Petit ont expliqué lors d’une conférence de presse que la seule limite est la difficulté des tâches que l’équipe peut encore créer et vérifier.
Les chiffres publiés par Mistral :
- Sur Terminal-Bench 4.0, un test où le modèle exécute des tâches de programmation en ligne de commande, le score passe de 28 % à 41 %. C’est un point devant le chinois GLM-5.3 (40 %), et devant DeepSeek V4.1 Flash (31 %) et Kimi K3 (21 %).
- Sur l’indice de code d’Artificial Analysis, un cabinet indépendant qui évalue les modèles, il obtient 48 %, à égalité avec GLM-5.3, en consommant 47 % de tokens en moins par tâche.
Les limites, que The Decoder rappelle : Claude Code avec Claude Opus 5.5, d’Anthropic, domine cet indice avec 62 points. Sur FrontierCode 2.0, un autre test de code, Large 4 mène les modèles ouverts avec 19,7 %, mais Opus 5.5 atteint 46 %. Dans des comparaisons à l’aveugle menées par Surge, les testeurs ont préféré le code de Large 4 à celui de GLM-5.3, Kimi K3 ou DeepSeek plus souvent qu’à son tour. Face à Opus 5.5, Large 4 ne gagne que 22 % des duels.
En cybersécurité, Mistral se dit leader des modèles ouverts avec 51 % à l’indice Cyber d’Artificial Analysis, qui mesure la capacité à trouver, reproduire et corriger des failles dans un code. Or son propre graphique, relève The Decoder, montre deux modèles ouverts devant lui : DeepSeek V4.1 Flash (57 %) et MiMo-V2.6-Pro (56 %). Large 4 est donc troisième. L’entraînement supplémentaire a peu pesé ici : la préversion obtenait 50 points, la version finale 51.
Mistral met en avant un autre chiffre : le modèle refuserait 96,6 % des requêtes cyber malveillantes, plus que tout autre modèle ouvert. L’entreprise reconnaît toutefois qu’il pourrait faciliter de vraies attaques et dit vouloir renforcer ses garde-fous dans les mois à venir.
Le rapport de force : 26 points contre 32
En jeu : la question que pose l’angle européen. Un modèle ouvert « made in Europe » est-il au niveau des meilleurs ?
La réponse, pour l’instant, est non. Artificial Analysis a publié mercredi la version 5 de son indice global d’intelligence, qui regroupe neuf tests. Large 4 y obtient 26 points. DeepSeek V4.1 Flash et GLM-5.3 en ont 32, MiMo-V2.6-Pro 30. Pour situer l’échelle : la préversion avait 25 points, donc trois semaines d’entraînement ajoutent un point au global. Le cabinet note que Large 4 dépasse la médiane des modèles ouverts de taille comparable, à 23 points. Selon Numerama, c’est aussi le meilleur score parmi les modèles ouverts occidentaux.
Selon The Decoder, il reste « loin derrière » les meilleurs systèmes d’Anthropic et de Google. L’écart avec la Chine n’est pas nouveau : sur l’ancien indice, la préversion avait 38 points et GLM-5.3 en avait 45.
La concurrence n’attend pas. Kimi K3.1 Pro, de Moonshot, n’apparaît pas dans les comparaisons de Mistral, ce qui est techterminalement logique puisque ses poids ne sont pas publics. Moonshot prévoit de les publier d’ici au 4 novembre 2026, selon The Decoder. Ce modèle affiche 67 % à Terminal-Bench 4.0, contre 41 % pour Large 4. L’avantage de Mistral en code pourrait donc être de courte durée.
Le contexte pèse aussi : début octobre, le moteur de recherche Ecosia a remplacé Mistral par des modèles chinois (Qwen, Kimi, GLM). Son patron, Christian Kroll, reprochait à Mistral la qualité de ses modèles et un retard d’environ un an. Large 4 répond à une partie de ce reproche, pas à tout.
Rapide, moins cher, mais pas si ouvert
En jeu : ce que coûte réellement l’usage. Les atouts de Large 4 sont la vitesse et le prix, d’après les tests indépendants cités par The Decoder.
- Vitesse : 161 tokens par seconde, contre 111 pour la préversion. Seuls DeepSeek V4.1 Flash et Muse Wonder vont plus vite dans la comparaison d’Artificial Analysis.
- Coût d’une tâche de l’indice : 2,06 dollars en moyenne, contre 5,54 pour la préversion. C’est moins que GLM-5.3 (5,01 dollars) et Kimi K3.1 Pro (3,68 dollars), mais bien plus que DeepSeek V4.1 Flash (0,60 dollar) et MiMo-V2.6-Pro (0,26 dollar).
- Tarif de l’API : 0,70 dollar (environ 0,63 €) par million de tokens en entrée et 2,10 dollars (environ 1,89 €) en sortie, contre 1,36 et 4,18 dollars pendant la préversion. Mistral avait déjà proposé un tarif de lancement proche pendant deux semaines.
Sur le prix par token, Artificial Analysis le juge toujours élevé comparé aux modèles ouverts de taille similaire, précise The Decoder.
La licence se durcit. Large 3 était sous Apache 2.0, qui autorise tous les usages. Large 4 passe sous une licence maison, la Mistral Ecosystem Open-Weight License, variante de la licence MIT. L’usage commercial reste permis, sauf pour les entreprises qui revendent l’accès au modèle comme service : elles doivent signer une licence séparée avec Mistral.
Enfin, le matériel. Même la version compressée demande quatre cartes graphiques Nvidia de centre de données (B200 ou B300 selon Numerama), et la version complète huit. En clair : ni un ordinateur de bureau ni un petit serveur de PME.
Ce que cela change pour une PME ou un indépendant
En jeu : choisir un modèle sans dépendre d’un cloud américain ou chinois. Mistral présente Large 4 comme une IA « souveraine », entraînée entièrement en Europe et exécutable sur ses propres serveurs.
Pour une PME ou un indépendant francophone, le gain est réel sur le papier : on peut faire héberger le modèle ailleurs qu’aux États-Unis ou en Chine, et les données peuvent rester sous son contrôle si l’on l’héberge soi-même. Mais l’hébergement en propre est hors de portée de la plupart des petites structures, vu le matériel exigé. Reste l’API de Mistral, ou des plateformes tierces. The Decoder cite Microsoft Foundry, un service de cloud américain : la souveraineté dépend alors de l’endroit où tourne le modèle autant que de l’endroit où il a été entraîné.
La question du prix de cette souveraineté reste ouverte. Large 4 est plus cher à l’usage que DeepSeek V4.1 Flash et MiMo-V2.6-Pro, et moins bon qu’eux sur l’indice global. Choisir un modèle européen, c’est aujourd’hui accepter un compromis, que chacun jugera selon ses priorités : confidentialité, cadre juridique, coût, qualité.
Ce que vous pouvez observer concrètement : la sortie de Kimi K3.1 Pro annoncée d’ici au 4 novembre, et son évaluation par Artificial Analysis. Elle dira si l’écart de 26 contre 32 se creuse. Il sera aussi utile de tester Large 4 sur vos propres tâches, car un indice moyen ne dit pas ce que vaut un modèle sur votre métier.
Sources
Pour aller plus loin Dossier : Europe, Chine, États-UnisDossier : Quelle IA choisir ?
