Mistral Large 4 : un géant européen entre promesse d'ouverture et premiers résultats

Mistral voit grand

Mille milliards de paramètres et un surnom de gros chat. Avec Mistral Large 4, présenté le 6 octobre sous le nom de “Le Chonk”, Mistral AI affiche ses ambitions. L’entreprise française le présente comme son modèle le plus puissant et met en avant ses capacités en programmation, en analyse d’images et dans les tâches professionnelles. Une préversion est accessible par API, cette interface qui permet à un logiciel d’interroger le modèle à distance [1].

L’annonce compte pour un secteur dominé par les acteurs américains et chinois. Elle appelle aussi une lecture attentive : au 20 octobre, les premiers résultats sont disponibles, mais les poids du modèle restent annoncés pour la fin du mois. Entre la puissance affichée, les mesures indépendantes et la possibilité d’en reprendre le contrôle, plusieurs questions demeurent ouvertes [3][4].

Mille milliards de paramètres, et après ?

La fiche technique indique environ 1 050 milliards de paramètres au total, dont 52 milliards actifs. L’architecture repose sur un mélange d’experts, ou Mixture-of-Experts : seule une partie du réseau participe à la génération du prochain token. Le modèle accepte du texte et des images et produit des réponses textuelles. Il peut aussi appeler des outils et fournir des réponses structurées, utiles lorsqu’une application attend des informations dans un format précis [2].

Le nombre de paramètres actifs mérite une précision. La page officielle sur Hugging Face documente 52 milliards par token en incluant les couches d’entrée et de sortie [3].

La documentation annonce également une fenêtre de contexte allant jusqu’à un million de tokens, ces fragments de texte que manipule le modèle. Artificial Analysis répertorie de son côté 524 288 tokens dans son évaluation de lancement. La limite effectivement accessible doit donc être vérifiée sur le service utilisé, sans supposer que toutes les interfaces proposent la capacité maximale annoncée [2][4].

Les premiers scores remettent les promesses à leur place

Dans son évaluation publiée le 6 octobre, Artificial Analysis attribue à la préversion un score de 38 sur son Intelligence Index et de 50 sur son Cyber Index. Le laboratoire relève notamment un résultat de 82 % sur CyberGym-E2E-AA, une épreuve qui demande de reproduire puis de corriger une vulnérabilité logicielle. Cette performance spécialisée ne résume toutefois pas les capacités du modèle sur l’ensemble des usages [4].

Le tableau comparatif consulté le 20 octobre donne ainsi 54 à Claude Opus 5.5 en mode High sur l’Intelligence Index, contre 38 à Mistral Large 4 Preview. Mistral reste donc en retrait de ce concurrent sur cet indice généraliste. Ces scores ne sont pas des pourcentages universels de réponses correctes : ils dépendent d’un ensemble d’épreuves et des réglages employés pour chaque modèle [5].

Le coût demande la même attention. Dans son bilan de lancement, Artificial Analysis estime à 1,13 dollar le coût moyen pondéré d’une tâche de son indice avec les tarifs standards de Large 4. Le laboratoire relève que le modèle génère beaucoup de tokens pendant l’évaluation. La facture dépend donc autant de la quantité de calcul produite que du prix affiché au million de tokens [4].

Pour une association ou une petite équipe, la question devient concrète : le modèle retrouve-t-il les bonnes informations dans un dossier, distingue-t-il ce qu’il sait de ce qu’il suppose et produit-il un résultat vérifiable ? Un classement aide à choisir les outils à essayer. Les documents et les tâches réellement traités permettront de juger leur utilité.

Derrière le drapeau européen, la question du contrôle

Mistral affirme avoir entraîné Large 4 sur 3 800 GPU NVIDIA Grace Blackwell, dans ses propres centres de données européens. La préversion est servie sur cette même infrastructure. L’entreprise indique également qu’une part importante des données d’entraînement couvre plus de 160 langues, dont toutes les langues officielles de l’Union européenne [1].

Cette infrastructure constitue un élément de la promesse de souveraineté portée par Mistral. Le contrôle d’un outil se joue aussi dans son exploitation : où les requêtes sont traitées, qui peut accéder aux données et ce qui se passe si le service change ses conditions. La possibilité d’héberger soi-même les fichiers du modèle peut élargir les choix, à condition de disposer du matériel et des compétences nécessaires.

Des poids ouverts encore attendus

Au 20 octobre, la page officielle de Large 4 sur Hugging Face indique toujours une sortie à venir, avec le 31 octobre comme date estimée. Cette échéance reste une prévision, et l’accès actuel par API ne permet pas encore de télécharger les poids depuis cette page [3].

Leur publication permettra de vérifier les possibilités de déploiement indépendant et les droits précisés par la licence qui les accompagnera. Elle donnera aussi aux équipes disposant de l’infrastructure nécessaire la possibilité d’examiner le modèle dans leurs propres conditions. Pour les utilisateurs de matériel courant, l’enjeu sera plutôt de voir si cette génération donnera naissance à des modèles plus petits et plus accessibles, une piste annoncée par Mistral dont les résultats restent à venir [1].