Mistral AI passe une nouvelle vitesse. La start-up française vient de présenter en preview Mistral Large 4, un modèle d’intelligence artificielle d’un trillion de paramètres que l’entreprise présente comme le système open-weight le plus puissant hors de Chine.
Accessible dès aujourd’hui via l’API de Mistral, le modèle pourra surtout être téléchargé et exécuté localement à partir du 27 octobre, lorsque ses poids seront publiés. Une étape importante pour Mistral, qui entend défendre une vision européenne de l’IA fondée sur la performance, mais aussi sur le contrôle des infrastructures et des données.
Un modèle d’un trillion de paramètres qui n’en active que 49 milliards
Surnommé « Le Chonk », Mistral Large 4 est un modèle multimodal capable de traiter du texte et des images. Malgré son volume théorique d’un trillion de paramètres, le modèle n’en utilise que 49 milliards pour chaque tâche, une architecture qui permet à Mistral de conserver un niveau de calcul plus raisonnable.
Le modèle a été entraîné entièrement à partir de zéro pendant deux mois dans les centres de données européens de Mistral. L’entraînement aurait mobilisé environ 4 000 GPU Nvidia Grace Blackwell et consommé environ 10 MW d’énergie.
Toutefois, la phase de reinforcement learning est toujours en cours. Mistral considère donc cette version comme un aperçu plutôt qu’un modèle définitif, et prévient que les résultats publiés aujourd’hui pourront encore évoluer avant la disponibilité des poids.
Des performances déjà solides en développement logiciel
Les premiers benchmarks montrent des résultats particulièrement intéressants dans plusieurs domaines spécialisés. Sur DeepSWE, un benchmark consacré aux tâches de développement logiciel réalisées par des agents IAL'IA agentique désigne les systèmes d'intelligence artificielle capables de planifier puis d'exécuter eux-mêmes des tâches complexes — réserver, coder, naviguer sur le Web, piloter des logiciels — plutôt que de se contenter de répondre à une question. Lire la fiche, Mistral Large 4 obtient un score de 62 %. Il devance ainsi légèrement GLM-5.3 de Zhipu, à 61 %, et DeepSeek-V4-Pro, à 57 %. Qwen 3.8 Max atteint 51 %, tandis que Beam de Reflection AI obtient 44 %.
Le modèle semble également à l’aise dans les domaines professionnels. Sur FinWorkBench, consacré aux tâches financières, il atteint 67 %, à égalité avec DeepSeekDeepSeek est une startup chinoise d'IA et une famille de modèles de langage open source, réputée pour son rapport performance/prix très agressif. Lire la fiche-V4-Pro et devant GLM-5.3 à 65 %. Mistral Medium 3.5, en comparaison, atteint 37 %.
Sur le benchmark juridique de Harvey, Large 4 obtient 15 %, contre 13 % pour Kimi K3 et 5 % pour GPT-6 Astra. Ces scores restent faibles dans l’absolu, ce qui rappelle que même les modèles les plus avancés sont encore loin de pouvoir gérer seuls des tâches juridiques complexes.
La vision pourrait être l’une de ses grandes forces
C’est probablement sur l’analyse d’images que Mistral cherche à se différencier le plus clairement. Pour le visual grounding, c’est-à-dire la capacité à localiser précisément des objets dans une image, Large 4 obtient 73 % sur le benchmark DIOR-RSVG consacré aux images de télédétection. GPT-6 Astra atteint 68 % sur le même test.
Les deux modèles obtiennent en revanche 42 % sur Dense200. Mistral affirme également dépasser Anthropic Fable 5.1 sur ces tâches, mais l’entreprise n’a pas fourni les chiffres permettant de vérifier directement cette comparaison.
Ces capacités pourraient trouver des applications très concrètes. Mistral cite notamment l’évaluation des dégâts provoqués par une tempête à partir de photos aériennes, l’inspection des lignes électriques ou encore la surveillance de l’état des cultures agricoles.
Le modèle serait également capable de transformer des dessins techniques en modèles CAD, tandis que ses résultats dans des tests liés aux semi-conducteurs suggèrent une volonté de viser des clients industriels.
La cybersécurité au cœur de la stratégie open-weight
Mais, l’un des principaux arguments de Mistral Large 4 se trouve ailleurs : la cybersécurité. Mistral considère que l’ouverture des poids constitue ici un avantage concret. Une entreprise, une banque ou une administration pourra télécharger le modèle, l’installer sur ses propres infrastructures et l’utiliser pour analyser ses systèmes sans dépendre des serveurs d’un fournisseur d’IA externe.
Pour les équipes de sécurité, cette possibilité peut être particulièrement importante. Les systèmes doivent être régulièrement testés à la recherche de nouvelles vulnérabilités, tandis que les modèles propriétaires peuvent imposer des limites d’utilisation, des coûts ou des restrictions sur certaines requêtes.
Mistral affirme que Large 4 dépasse également les meilleurs modèles open-weight de Kimi, DeepSeek et Meta sur les tâches de cybersécurité. Toutefois, l’entreprise n’a pas encore publié les chiffres permettant d’étayer cette affirmation.
Guillaume Lample, cofondateur et chief scientist de Mistral, présente cette capacité comme un moyen pour les entreprises et les gouvernements de mieux se défendre contre des acteurs malveillants utilisant eux-mêmes des modèles IA.
Une question de souveraineté européenne
Derrière Large 4 se trouve aussi un discours beaucoup plus politique. Mistral estime que les entreprises et les gouvernements ne devraient pas dépendre entièrement d’un fournisseur étranger susceptible de modifier ses conditions d’accès ou, dans le pire des cas, de couper son service.
Le modèle pourra être exécuté sur les infrastructures du client ou utilisé via l’API de Mistral dans la région choisie. L’entreprise propose notamment une région européenne, où les données bénéficient du cadre juridique de l’Union européenne.
Large 4 a également été entraîné sur plus de 160 langues, dont l’ensemble des langues officielles de l’Union européenne, mais aussi le coréen. Mistral veut ainsi construire un modèle réellement international sans abandonner son positionnement européen.
Mistral accélère après sa levée de 3 milliards d’euros
Le lancement de Large 4 intervient quelques semaines seulement après une levée de fonds de 3 milliards d’euros réalisée par Mistral. Il s’agit du premier modèle majeur issu de cette nouvelle capacité financière. Une partie de ces fonds doit permettre d’augmenter encore les capacités de calcul de l’entreprise, avec de nouvelles infrastructures attendues au cours du premier semestre 2027.
Mistral revendique déjà plus de 125 grandes entreprises clientes, parmi lesquelles Airbus, ASML et HSBC. Certaines auraient participé à l’entraînement de Large 4 en utilisant les outils proposés par Mistral via sa plateforme Forge.
Le 27 octobre sera le vrai test
Pour l’instant, Large 4 reste donc une version préliminaire. Mistral prévoit de consacrer les trois prochaines semaines à des tests en conditions réelles auprès de développeurs, d’entreprises de cybersécurité et d’administrations. Ces partenaires disposeront notamment d’une version moins restrictive et dotée de capacités cyber plus poussées que l’API publique.
Le 27 octobre constituera une échéance beaucoup plus importante : les poids du modèle seront alors disponibles publiquement. Mistral prévoit d’ici là de publier davantage d’informations sur son architecture, son entraînement, ses résultats et ses évaluations de sécurité.
Large 4 doit ensuite servir de base à une nouvelle famille de modèles spécialisés. Autrement dit, le modèle présenté aujourd’hui n’est pas nécessairement l’aboutissement de la stratégie de Mistral, mais plutôt le socle sur lequel l’entreprise compte construire la suite.
Avec un modèle d’un trillion de paramètres, une architecture qui n’en active qu’une fraction, des résultats prometteurs en code, en vision et en finance, et surtout une disponibilité locale annoncée, Mistral veut démontrer que l’Europe peut jouer dans la cour des grands sans renoncer au contrôle de ses modèles. Reste maintenant à voir si les performances préliminaires résisteront à la publication des poids et aux tests indépendants.
