Mistral AI a publié les poids de Mistral Large 4, son plus gros modèle, que chacun peut désormais télécharger et faire tourner sur ses propres serveurs. L’annonce figure sur le blog de l’entreprise, après une préversion disponible par API depuis le 6 octobre.
Le modèle compte environ 1 000 milliards de paramètres, dont une cinquantaine de milliards sont actifs pour chaque mot généré. Il est distribué sous une licence « MIT modifiée », gratuite pour la plupart des usages, mais qui impose un accord commercial aux entreprises qui revendent le modèle sous forme de service.
Les performances annoncées proviennent de Mistral et n’ont pas toutes été vérifiées de façon indépendante. L’entreprise ne compare d’ailleurs son modèle ni à GeminiGemini est la famille de modèles d'IA multimodaux de Google DeepMind, à la fois application grand public et couche d'intelligence intégrée à Search, Android, Gmail et YouTube. Lire la fiche ni à la plupart des modèles d’OpenAI.
Mistral Large 4 : caractéristiques techniques
Large 4 repose sur une architecture dite « mélange d’experts » : le modèle est découpé en nombreux sous-réseaux, et seuls quelques-uns travaillent à chaque étape. Sur ses 1 000 milliards de paramètres, 49 milliards sont activés par token, soit 52 milliards en comptant les couches d’entrée et de sortie, selon les sources. Cela limite le coût de calcul par rapport à un modèle classique de même taille.
Le modèle est multimodal : il accepte du texte et des images, mais ne produit que du texte. Sa fenêtre de contexte atteint 1 million de tokens, il maîtrise plus de 160 langues et propose trois niveaux de raisonnement (faible, moyen, élevé), le dernier étant activé par défaut pour les tâches les plus difficiles. Son prédécesseur, Large 3, comptait 675 milliards de paramètres.
Mistral indique avoir entraîné Large 4 pendant environ deux mois sur 3 800 GPU Nvidia Grace Blackwell, dans ses centres de données européens, d’après JustGeek. Un rapport technique complet doit encore être publié.
Quelle machine pour le faire tourner ?
Open-weight ne veut pas dire accessible à tous. Au format FP8, les poids pèsent environ 1 To et se servent sur huit GPU. Une version quantifiée en NVFP4, réservée aux puces Nvidia Blackwell, descend à environ 500 Go et tiendrait sur quatre B200 ou B300, d’après cette analyse. Ce n’est donc pas un modèle que l’on installe sur un ordinateur portable, contrairement à ceux dont parle notre explication sur l’IA locale.
Licence : ce que l’on peut faire, et ce qui est interdit
Le modèle est publié sous la licence « Mistral Ecosystem Open-Weight ». Elle autorise à utiliser, modifier, affiner et commercialiser le modèle ou ses dérivés. La seule restriction concerne les entreprises qui exploitent un service d’IA « Model as a Service » : elles doivent signer une licence commerciale séparée avec Mistral.
Concrètement, cette notion vise les prestataires qui donnent à des tiers un accès à l’inférence ou à l’entraînement, par une API ou un point d’accès hébergé, avec un contrôle réel sur les paramètres ou les données. Les produits finaux qui intègrent le modèle dans une fonction, le simple relais de requêtes vers un autre fournisseur et l’usage interne à une entreprise ne sont pas visés.
Cette lecture vient d’une analyse tierce et ne remplace pas un avis juridique. Une entreprise dont le produit est proche de cette frontière a intérêt à interroger Mistral ou un juriste avant de se lancer. Par rapport à une licence MIT ou Apache, la clause vise surtout à empêcher les hébergeurs concurrents de revendre le modèle, ce qui en fait un modèle « ouvert » mais pas totalement libre.
Mistral Large 4 face à Gemini et GPT
La comparaison avec Google et OpenAI est limitée par ce que Mistral a choisi de publier. L’entreprise met en avant des modèles open-weight concurrents, comme GLM-5.3 de Zhipu ou Kimi K3, et pas Gemini. Sur le code, Large 4 obtient 41 % à Terminal-Bench 4.0 contre 40 % pour GLM-5.3, et se classe juste derrière Claude Opus 5.5 lors d’évaluations humaines de code, selon Mistral.
La seule comparaison directe avec OpenAI figure dans la préversion : sur un test de vision, Large 4 obtient 42 contre 41,5 pour GPT-6 Astra. Un écart aussi faible ne prouve rien. Il n’existe pour l’instant aucune mesure indépendante plaçant Large 4 face à Gemini 4 Argon ou face à la famille GPT-6 sur les mêmes tests.
Large 4 se distingue surtout par son prix et son ouverture. L’API est facturée 0,70 dollar le million de tokens en entrée et 2,10 dollars en sortie, et les poids sont téléchargeables, ce que ne permettent ni Gemini ni GPT. Ce positionnement se rapproche de celui décrit dans notre portrait de Mistral AI.
Des benchmarks à prendre avec prudence
Les chiffres cités proviennent de Mistral, qui a choisi les tests et les concurrents. Les résultats varient aussi selon le niveau de raisonnement et le nombre de tokens consommés. Mieux vaut tester le modèle sur ses propres tâches avant de s’y engager.
À quoi servira Mistral Large 4 ?
Le modèle vise d’abord les entreprises. Il excelle, d’après Mistral, sur les agents de programmation, la cybersécurité, le droit et la finance, avec par exemple la première place au test juridique Harvey et 73 % à un test de travail financier. Il est disponible via Mistral Studio, OpenRouter, Microsoft Foundry et les services de Nvidia.
Son intérêt principal est la souveraineté : une banque, un hôpital ou une administration peut l’installer sur ses propres serveurs, sans envoyer ses données à un fournisseur américain. Les poids ouverts permettent aussi de l’affiner sur des données internes, via Mistral Forge ou des outils comme NeMo.
Le grand public y accédera plutôt indirectement, par Mistral Vibe, l’assistant de Mistral, ou par des applications qui l’utilisent. À mille milliards de paramètres, il ne tournera pas chez un particulier.
Reste à savoir si l’ouverture suffira
Reste à savoir si les entreprises européennes adopteront un modèle aussi lourd à héberger, et si le rapport technique à venir confirmera les résultats annoncés. Les tests indépendants des prochaines semaines diront si Large 4 tient son rang parmi les meilleurs modèles ouverts.
