« On a accompli des miracles » : Mistral annonce Large 4, sa nouvelle IA surpuissante qui défie les cadors chinois

En août, Mistral a fait une chose rare pour un fabricant de modèles : il a ajouté GLM-5.2, le modèle du chinois Z.ai, dans Vibe, son propre assistant.

Pour aller plus loin
Mistral héberge GLM, une IA chinoise : oubliez vos préjugés, c’est très malin

Le geste a fait beaucoup parler. Large 3, son dernier grand modèle, datait de décembre 2025 et ne tenait plus la comparaison en programmation. Depuis dix mois, quiconque cherchait un modèle à poids ouverts de premier plan finissait chez Moonshot, DeepSeek, Alibaba ou Z.ai. Mistral revient aujourd’hui avec de quoi changer l’ordre établi.

Mistral Large 4, surnommé « le Chonk » par ses équipes, est accessible dès ce mardi 6 octobre en preview, via l’API et Mistral Studio. C’est un modèle multimodal de 1 000 milliards de paramètres, dont 49 milliards activés à chaque requête, contre 675 milliards au total pour Large 3.

Les poids seront publiés le 27 octobre. « On va sortir un modèle qui est essentiellement au même niveau que les meilleurs modèles chinois d’il y a un mois ou deux », résume Guillaume Lample, cofondateur et directeur scientifique de Mistral. L’écart avec les modèles fermés américains n’est pas comblé, et l’entreprise ne prétend pas le contraire. Ne comptez donc pas le comparer à Opus 5.5 ou GPT-6.1 Sol.

Derrière les classements, on parle surtout de dépendance. Avec les modèles fermés américains, le risque s’est matérialisé en juin : sur ordre du département du Commerce des États-Unis, Anthropic a coupé pendant près de trois semaines l’accès à Claude Fable 5 et Mythos 5 pour tous ses clients. Les modèles chinois se téléchargent librement, mais avec des licences maison et des éditeurs soumis au droit chinois.

« On ne veut pas que demain il y ait une technologie qui soit absolument transformative et qu’aucun Européen n’y ait accès », justifie Guillaume Lample, cofondateur et directeur scientifique de Mistral. L’entreprise promet donc un modèle qu’on peut héberger chez soi, ou utiliser depuis une région européenne qu’elle opère de bout en bout, sous le seul droit européen. Cette souveraineté a ses limites : les GPU restent ceux de Nvidia, et la dernière levée de fonds a été menée par Samsung.

Où se situe Large 4 face aux Chinois et aux Américains

Mistral a communiqué cinq résultats préliminaires. En programmation autonome sur des tâches longues, la preview obtient 62 % sur DeepSWE v1.1, un point devant GLM-5.3. En finance, elle égale DeepSeek V4 Pro sur Finch, là où Medium 3.5 plafonnait à 37 %. Son meilleur terrain est l’image : pour repérer des objets sur des vues satellite, Large 4 devance GPT-6 Astra d’OpenAI de cinq points. Sur le test d’agent juridique de Harvey, calculé par Vals.ai, elle prend la tête avec 15 %.

Le même graphique règle au passage le cas de Reflection AI, le labo américain qui a levé environ 4,6 milliards de dollars pour incarner l’alternative occidentale aux modèles ouverts chinois : son modèle Beam y plafonne à 44 %, dix-huit points derrière Large 4.

Ces chiffres viennent de Mistral, pour le moment il, n’y a aucun chiffre d’un benchmark indépendant. Celui de la programmation omet Kimi K3 (Moonshot AI), le modèle ouvert le mieux classé du moment, pourtant présent ailleurs. Lors de la sortie de GLM-5.3 en août, les scores publiés sur ce même DeepSWE v1.1 donnaient 66,9 % à GLM-5.3 et 67,5 % à Kimi K3.

Face aux Américains, aucune comparaison générale avec GPT-6 Astra ou Claude Fable 5.1 n’est fournie en dehors de l’image.

Guillaume Lample l’explique par le calendrier autant que par l’argent : « Créer un modèle, c’est un peu comme créer une fusée. Même si vous avez de l’argent, ça prend du temps ». Il rappelle que Mistral, fondée en 2023, est « quatre ans plus jeune que [ses] compétiteurs, voire plus ».

4 000 GPU, deux mois et beaucoup d’apprentissage par renforcement

L’entraînement a duré deux mois sur 4 000 GPU Nvidia Blackwell, dans les datacenters de Mistral en France, soit environ 10 MW. « C’est effectivement très peu par rapport à ce que certains labos utilisent », admet Guillaume Lample, qui estime disposer de deux à trois fois moins de puces que la plupart des labos chinois et d’environ 1 % de la flotte des géants américains. OpenAI dit avoir mobilisé plus de 100 000 GPU pour GPT-6 Astra. Chez Mistral, on parle d’une équipe qui a « accompli des miracles » avec ce budget.

Pour y arriver, Mistral a utilisé de l’apprentissage par renforcement. Mistral a construit des centaines de milliers d’environnements simulés où le modèle doit corriger un bug, résoudre un problème de maths ou trouver une faille dans un code. « On a dû être plus efficaces et innover plus sur les algorithmes d’entraînement », dit Guillaume Lample, qui affirme avoir peu recouru à la distillation, cette méthode qui consiste à apprendre des réponses d’un modèle concurrent.

La même phase sert à réduire les réponses inventées, en pénalisant le modèle quand il se trompe au lieu de dire qu’il ne sait pas : « Entraîner le modèle à ne pas halluciner, c’est quelque chose qui est uniquement possible pendant le RL ». Cette phase n’est pas terminée, et Mistral assure n’avoir « jamais observé de progression si spectaculaire » de ses métriques à ce stade.

Le résultat est décrit par Mistral comme « trois fois plus petit que Kimi K3 » et ses 2 800 milliards de paramètres. Des versions compressées en 8 et 4 bits permettront de le faire tourner sur huit à quatre GPU B200 ou B300, ce qui reste un serveur de centre de données. Le modèle a été entraîné sur plus de 160 langues, dont toutes les langues officielles de l’Union européenne. En mathématiques, il résoudrait quatre des six problèmes des dernières Olympiades internationales, un chiffre que Guillaume Lample donne avec prudence.

Cyberdéfense, industrie, code : les clients visés

Oui, vous allez pouvoir utiliser ce modèle. Néanmoins, vous n’êtes peut-être pas la cible principale de Mistral. Le premier argument commercial est la cybersécurité.

Surveiller une base de code et une infrastructure en continu consomme énormément de tokens, et les éditeurs de modèles fermés restreignent l’accès à leurs capacités les plus sensibles : « On leur donne un modèle qu’ils pourront utiliser de manière illimitée », promet Guillaume Lample.

La prudence est la même qu’ailleurs : l’API publique est surveillée, et des partenaires de cybersécurité et des autorités étatiques testent pendant trois semaines une version moins bridée avant la publication des poids. Ce qui explique que la mise à disposition des poids est prévue dans trois semaines

Z.ai avait retenu ceux de GLM-5.3 deux semaines en août pour la même raison, et OpenAI a classé GPT-6 Astra au niveau « critique » de sa grille de risques cyber.

L’industrie est évidemment au cœur de la cible de Mistral ensuite, avec l’apport des chercheurs d’Emmi AI, la start-up autrichienne rachetée en mai. Large 4 sait lire un plan technique en 2D et sait produire le modèle 3D correspondant dans un logiciel de CAO.

En imagerie, Mistral cite la détection de feux de forêt, l’évaluation de dégâts après une tempête ou la surveillance de lignes électriques. L’entreprise revendique plus de 125 grands clients, dont Airbus, ASML et HSBC.

Large 4 doit aussi devenir le modèle par défaut de Vibe d’ici quelques semaines, après une phase de tests comparatifs. Le concurrent chinois y restera proposé : « Il y a des domaines dans lesquels GLM est très fort […], donc si nos clients veulent s’en servir, ils pourront toujours », reconnaît Guillaume Lample.

Aucun prix n’est communiqué pour l’instant. Mistral met en avant la concision, en attendant d’évoquer les tarifs : « Si votre modèle en met des tartines, vous allez payer plus cher même si le coût au token est moins élevé ».

Vibe by Mistral

Télécharger Vibe by Mistral gratuitement

Mistral accélère

Large 4 a été entraîné sur des GPU payés avec la série B de 2024. Ceux de la série C (1,7 milliard d’euros, septembre 2025) entrent en service entre la fin octobre et le début 2027, et ceux de la série D (3 milliards, bouclée le 8 septembre) suivront au premier semestre 2027. Mistral vise 200 MW de capacité fin 2027 et 1 GW en 2030, à partager entre ses clients et sa recherche.

Pour aller plus loin
Mistral AI lève 3 milliards d’euros avec Samsung, un record européen

Le rythme des sorties doit suivre : dix mois séparent Large 3 de Large 4, et l’entreprise promet une version améliorée dès la publication des poids, une mise à jour majeure sous deux mois, puis des modèles spécialisés dérivés de cette base.

En attendant les tests indépendants, on peut saluer Mistral d’être revenu au contact des labos chinois avec au moins vingt-cinq fois moins de GPU qu’OpenAI, c’est une vraie performance.