Mistral ouvre Large 4 : fort en code, derrière les modèles chinois au global
Mistral AI publie les poids de Large 4, 1 000 milliards de paramètres : progrès en code annoncés, licence plus stricte, matériel géant requis.
Le 29 octobre, Mistral AI a mis en ligne les poids de Mistral Large 4, un modèle de 1 000 milliards de paramètres surnommé « Le Chonk ». Toute organisation peut désormais le télécharger. Reste une question : ce pari de l’ouverture renforce-t-il l’autonomie européenne, ou donne-t-il un avantage à des concurrents qui, sur certains tests, restent devant ?
« Poids ouverts » : ce que Mistral met vraiment à disposition
En jeu pour une entreprise : pouvoir utiliser une IA puissante sans envoyer ses documents chez un tiers. Selon Numerama, Mistral a annoncé la publication sur son blog et sur X, et les fichiers sont disponibles sur Hugging Face, une plateforme où la communauté partage des modèles d’IA.
Les « poids » sont la myriade de réglages appris par le modèle pendant son entraînement. Les télécharger permet de le faire tourner sur ses propres serveurs, sans rien envoyer à Mistral. Lors de la présentation du modèle, le 6 octobre, seul un accès payant par API (un service en ligne où l’on envoie ses requêtes) existait. Mistral avait promis d’ouvrir les poids à la fin du mois. Elle tient sa promesse : trois semaines plus tard, les fichiers sont en ligne.
La taille : 1 000 milliards de paramètres, soit près de 50 % de plus que les 675 milliards de Mistral Large 3, son prédécesseur. Mais le modèle fonctionne en « mélange d’experts » (MoE). Imaginez un cabinet de 128 spécialistes dont on ne consulte que quatre, plus un généraliste, pour chaque question. Résultat : seuls 49 milliards de paramètres travaillent à chaque token, un fragment de mot (52 milliards avec les couches d’entrée et de sortie). Large 3 en mobilisait 41 milliards.
En clair : le modèle est énorme à stocker, mais moins coûteux à faire tourner que sa taille ne le laisse penser.
Des progrès en code, annoncés par Mistral
En jeu : savoir si ces trois semaines de travail ont réellement rapproché Mistral des meilleurs. Les chiffres ci-dessous viennent de Mistral, rapportés par Numerama. L’article ne mentionne aucune vérification indépendante de ces résultats.
Depuis la préversion, Mistral dit avoir poursuivi l’apprentissage par renforcement, une méthode où le modèle s’améliore en essayant, puis en étant récompensé quand il réussit. L’effort a porté surtout sur le code et la cybersécurité. La société parle d’« améliorations considérables » et de progrès qui « ne cessent de s’accélérer, sans aucun signe de saturation ».
Le score à Terminal-Bench 4.0, un test de programmation en ligne de commande (on pilote l’ordinateur en tapant des instructions), passe de 28 % à 41 %. C’est une note en pourcentage, comme sur 100 : treize points de plus en trois semaines. Selon Mistral, Large 4 devance ainsi de peu le chinois GLM-5.3 (40 %), puis DeepSeek V4.1 Flash (31 %), Kimi K3 (21 %) et Muse Spark Open (6 %).
Sur l’indice de code du cabinet Artificial Analysis, Large 4 obtient 48 %, à égalité avec GLM-5.3. Il consommerait en moyenne 47 % de tokens en moins par tâche, donc moins de texte facturé pour un résultat comparable.
En clair : sur la programmation, Mistral revendique d’être au niveau des meilleurs modèles ouverts chinois, avec un écart d’un point sur un test.
PME et indépendants : garder ses données, mais à quel prix ?
En jeu : la confidentialité des contrats, des clients ou du code source. Faire tourner le modèle chez soi évite d’envoyer ces données à Mistral ou à un autre service.
La contrainte matérielle est lourde. Selon Numerama, Le Chonk reste hors de portée d’un ordinateur personnel : même compressé, il demande quatre cartes graphiques de centre de données Nvidia B200 ou B300, et huit pour la version complète. L’article ne donne ni le prix ni la disponibilité de ces machines. Une PME ou un indépendant devra donc se demander qui les possède, et ce que coûterait de les louer ou de les acheter. Numerama ne détaille pas les options d’hébergement possibles.
L’autre voie reste l’API de Mistral. Son tarif baisse de moitié : 0,70 dollar (environ 0,63 €) par million de tokens en entrée et 2,10 dollars (environ 1,89 €) en sortie, contre 1,36 dollar et 4,18 dollars au tarif standard de la préversion. Un million de tokens représente déjà un très gros volume de texte. Mais l’API suppose d’envoyer ses données à Mistral, ce que le téléchargement permet d’éviter.
La licence mérite aussi une lecture attentive. La Mistral Ecosystem Open-Weight License est moins généreuse que l’Apache 2.0 de Large 3, qui autorisait tous les usages, commerciaux compris. Cette version modifiée de la licence libre MIT autorise l’usage commercial, sauf pour les entreprises qui revendent l’accès au modèle sous forme de service : elles doivent signer une licence séparée avec Mistral.
En clair : une entreprise peut s’en servir pour son propre travail, mais un hébergeur qui voudrait en faire un produit doit négocier avec Mistral.
Face aux modèles chinois : souveraineté ou rattrapage ?
En jeu : savoir si l’ouverture suffit à peser face aux modèles chinois, qui sont eux aussi à poids ouverts. Mistral reconnaît elle-même, dans la documentation sur Hugging Face, que les meilleurs modèles ouverts chinois conservent l’avantage sur l’indice global d’Artificial Analysis. Large 4 y obtient 26 points, le meilleur score parmi les modèles ouverts occidentaux, mais pas le meilleur tout court. L’article ne précise pas l’échelle de cet indice, ce qui rend l’écart difficile à mesurer.
Le contexte pèse aussi. Selon Numerama, le moteur de recherche Ecosia a remplacé Mistral début octobre par des modèles chinois, dont Qwen, Kimi et GLM. Son patron, Christian Kroll, reprochait à Mistral la qualité de ses modèles et un retard d’environ un an sur la concurrence. Large 4 répond-il à cette critique ? Sur le code, les chiffres de Mistral le laissent penser. Sur l’indice global, l’écart demeure.
Plusieurs questions restent ouvertes. Publier les poids attire-t-il des entreprises européennes soucieuses de garder la main sur leurs données, ou profite-t-il surtout à ceux qui disposent déjà des machines pour l’exploiter ? Le resserrement de la licence signale-t-il que Mistral veut protéger ses revenus tout en gardant l’image de l’ouverture ? L’article de Numerama ne documente pas la stratégie des laboratoires américains : la comparaison avec leurs modèles fermés reste à faire.
Ce que le lecteur peut observer dans les prochains mois : l’évolution de l’indice global d’Artificial Analysis, les entreprises qui choisissent Large 4 plutôt qu’un modèle chinois, et la façon dont Mistral applique sa licence aux hébergeurs.
Sources
Pour aller plus loin Dossier : Europe, Chine, États-UnisDossier : Quelle IA choisir ?
