Présenté par Mistral AI le 6 octobre 2026, Mistral Large 4 est un modèle multimodal Mixture-of-Experts de 1,05 billion de paramètres, dont 52 milliards activés, accessible en préversion par API avant une publication annoncée de ses poids. L’entreprise française revendique des performances de premier plan en codage, workflows agentiques et usages spécialisés. Au-delà des scores, l’annonce pose une question industrielle : un modèle européen à poids ouverts suffit-il à réduire la dépendance technologique face aux plateformes américaines et aux laboratoires chinois ?
Ce que Mistral AI a réellement lancé
Mistral Large 4, surnommé « Le Chonk », constitue le modèle le plus grand annoncé par Mistral AI. Sa documentation décrit une architecture granulaire Mixture-of-Experts comprenant 1,05 billion de paramètres au total, 52 milliards activés pour le traitement de chaque token et un encodeur visuel de 1,6 milliard de paramètres. La fenêtre de contexte annoncée atteint un million de tokens.[1][2]
La préversion publique est accessible dans Mistral Studio et par API. Elle prend en charge les sorties structurées, les appels de fonctions, l’analyse de documents ainsi que les outils et conversations agentiques. Le tarif public affiché est de 1,36 dollar par million de tokens en entrée, 0,14 dollar pour les entrées mises en cache et 4,18 dollars en sortie.[2]
Au 12 octobre, les poids ne sont pas encore téléchargeables. Mistral a annoncé leur publication pour le 27 octobre, après une phase d’évaluation avec des développeurs, des spécialistes de la cybersécurité et des autorités publiques. Il est donc plus exact de parler d’un modèle destiné à devenir open-weight que d’un modèle déjà librement déployable.[3][4]
Ce qui est réellement nouveau
L’échelle représente le premier changement. Le recours à une architecture MoE évite d’activer les 1,05 billion de paramètres à chaque étape. Le modèle mobilise une fraction de ses experts selon le contenu traité, ce qui vise à combiner une grande capacité globale avec un coût d’inférence inférieur à celui d’une architecture dense de taille comparable.
La multimodalité est native : le système peut traiter du texte et des images, puis produire une sortie textuelle. Mistral met particulièrement en avant le grounding visuel, c’est-à-dire la capacité à relier une réponse à des régions précises d’une image. Cette fonction peut être utile pour les documents, l’industrie, l’imagerie satellite ou l’analyse d’interfaces.[1]
La nouveauté est aussi stratégique. Mistral affirme avoir entraîné le modèle depuis zéro sur environ 4 000 GPU NVIDIA Grace Blackwell dans des centres de données européens. Cette capacité ne supprime pas la dépendance au matériel américain, mais elle déplace une partie du contrôle vers l’entraînement, l’hébergement, la personnalisation et l’exploitation en Europe.[3][5]
Executive MBA AI & Business
Transformation
Le MBA repensé pour l’ère de l’IA. Pour dirigeants expérimentés qui veulent piloter la transformation de leur organisation. Paris, Nice & Dubai.
Comment fonctionne un modèle à poids ouverts de cette échelle
La publication des poids permet, en principe, de télécharger les paramètres entraînés, d’exécuter le modèle sur une infrastructure choisie et de l’adapter à certains besoins. Elle ne signifie pas nécessairement que le code d’entraînement, les données, la recette complète et la licence répondent à tous les critères d’un logiciel open source.
| Capacité ou contrainte | Ce qu’il faut comprendre |
|---|---|
| Architecture MoE | 1,05 billion de paramètres au total, dont 52 milliards activés par token selon Mistral. |
| Multimodalité | Texte et images en entrée, avec un encodeur visuel de 1,6 milliard de paramètres et une sortie textuelle. |
| Contexte | Jusqu’à un million de tokens annoncés dans la documentation de la préversion. |
| Agents et outils | Appels de fonctions, sorties structurées, outils intégrés et conversations agentiques via l’API. |
| Poids ouverts | Publication annoncée pour le 27 octobre. Licence et formats à vérifier lors de la mise à disposition effective. |
| Déploiement local | Possible en principe après publication, mais l’échelle exige une infrastructure, une quantification et une orchestration importantes. |
| Tarification API | 1,36 dollar par million de tokens en entrée et 4,18 dollars en sortie au tarif affiché le 12 octobre 2026. |
Cette distinction est centrale pour la souveraineté. Un modèle peut être européen et rester utilisé exclusivement dans le cloud de son fournisseur. Inversement, des poids ouverts peuvent être exécutés dans un environnement choisi par l’organisation, mais nécessiter des accélérateurs, des logiciels et des compétences provenant de plusieurs acteurs étrangers. La souveraineté ne se réduit donc ni à la nationalité du laboratoire ni à la disponibilité d’un fichier.
Ce que les performances permettent réellement d’affirmer
Mistral affirme que Large 4 rivalise avec les meilleurs modèles ouverts mondiaux et surpasse les autres modèles à poids ouverts développés aux États-Unis ou en Europe. L’entreprise revendique également un positionnement de premier plan pour la cybersécurité, la finance, le droit et certains usages géospatiaux. Ces formulations décrivent la communication du fournisseur, pas encore un consensus indépendant.[1]
Le Monde rapporte un score préliminaire de 63 % sur DeepSWE 1.1, un test de développement logiciel de longue durée. Ce résultat placerait le modèle au niveau de GLM-5.3 dans la comparaison citée, tandis que les meilleurs systèmes atteindraient environ 74 %. La publication souligne cependant que les classements indépendants évoluent rapidement et doivent encore confirmer la position globale de Large 4.[5]
| Affirmation | État des preuves | Lecture prudente |
|---|---|---|
| Codage avancé | Score préliminaire de 63 % sur DeepSWE 1.1 rapporté au lancement. | Progression significative, mais inférieure aux meilleurs résultats cités et à reproduire indépendamment. |
| Cybersécurité | Mistral revendique un niveau de référence parmi les modèles ouverts. | Les protocoles, budgets, protections et catégories de tâches doivent être examinés avant toute comparaison générale. |
| Usages professionnels | Résultats annoncés en finance, droit, industrie et analyse géospatiale. | Des benchmarks spécialisés ne démontrent pas une fiabilité opérationnelle ou réglementaire. |
| Leadership ouvert | Mistral le présente comme le meilleur modèle open-weight développé hors de Chine. | Revendication du fournisseur, dans un marché dont les modèles et classements changent rapidement. |
Les comparaisons sont également sensibles aux réglages : niveau de raisonnement, outils disponibles, nombre de tentatives, budget de tokens et qualité du système agentique. Un score obtenu avec un budget élevé peut être pertinent pour la recherche, tout en étant économiquement difficile à reproduire à grande échelle.
Un modèle européen ne suffit pas à produire une souveraineté européenne
Mistral Large 4 renforce la capacité européenne à concevoir et entraîner un modèle de très grande taille. Il offre aussi une alternative à des API fermées dont les conditions d’accès, les prix ou les restrictions peuvent évoluer. Pour les entreprises et administrations, la possibilité future d’exécuter les poids dans une infrastructure contrôlée peut améliorer la continuité de service, la confidentialité et la capacité d’audit.
Cette autonomie reste relative. Les GPU proviennent de NVIDIA, la consommation énergétique et le besoin de refroidissement augmentent avec l’échelle, et peu d’organisations disposent des moyens nécessaires pour servir efficacement un modèle de plus d’un billion de paramètres. Elles peuvent alors revenir vers une offre cloud, y compris celle du fournisseur, et conserver une dépendance économique ou technique.
La capacité européenne dépend donc d’un ensemble cohérent : énergie, centres de données, semi-conducteurs, logiciels d’inférence, financement, compétences, marchés publics et clients industriels. Les poids ouverts constituent une brique stratégique, mais pas une politique industrielle complète.
Ouverture, cybersécurité et responsabilité
Les capacités cyber illustrent le double usage. Un modèle performant peut aider à analyser du code, repérer une vulnérabilité, produire un correctif ou documenter un incident. Les mêmes capacités peuvent faciliter la reconnaissance d’une cible, la recherche d’une faiblesse ou l’automatisation d’étapes offensives.
La phase d’évaluation préalable à la publication des poids traduit cette tension. Une API permet au fournisseur de filtrer des requêtes, limiter certains comptes et observer des abus. Après téléchargement, ce contrôle central disparaît largement. Les protections doivent alors combiner licence, documentation des risques, évaluations externes, outils de détection, partage responsable des vulnérabilités et sécurité des infrastructures de déploiement.
L’ouverture peut néanmoins améliorer la sécurité en permettant à des chercheurs et organisations d’inspecter le comportement, de réaliser leurs propres tests et d’adapter le modèle à un environnement maîtrisé. Elle ne garantit ni la transparence complète de l’entraînement ni l’absence de risque. L’enjeu consiste à rendre les capacités utiles accessibles sans présenter la diffusion elle-même comme une preuve de sûreté.
Sur le plan réglementaire, les obligations européennes dépendront du rôle de Mistral, de la licence, du mode de mise à disposition et des usages en aval. Un modèle général ne devient pas automatiquement un système à haut risque, mais ses intégrateurs peuvent être soumis à des exigences supplémentaires lorsque le système est utilisé dans un domaine réglementé.
Ce qu’il faudra observer maintenant
Le premier test sera la publication effective des poids, accompagnée d’une licence, d’une fiche technique, de formats exploitables et d’informations suffisantes sur les évaluations. Le terme open-weight ne pourra être apprécié concrètement qu’à partir de ces conditions.
Le deuxième portera sur les reproductions indépendantes. Il faudra comparer Large 4 avec Qwen3.8-Max, GLM-5.3, Kimi K3 et les modèles propriétaires dans des protocoles identiques, en publiant les coûts, la latence, les budgets de raisonnement et les taux d’erreur.
Le troisième concernera l’économie du déploiement. Le prix de l’API est compétitif au lancement, mais l’auto-hébergement devra intégrer les accélérateurs, l’électricité, la mémoire, le réseau, les équipes d’exploitation et les mécanismes de sécurité. Un modèle ouvert mais trop coûteux à servir peut rester, en pratique, dépendant de quelques plateformes.
Mistral Large 4 montre que l’Europe peut encore produire un modèle de frontière crédible. Il ne démontre pas encore qu’elle a retrouvé une position dominante. Le retour dans la course dépendra moins d’une annonce isolée que de la capacité à transformer les poids, le calcul, les logiciels et les compétences en une offre durable, vérifiable et réellement déployable.
Pour aller plus loin
Pour replacer Mistral Large 4 dans la compétition des modèles ouverts, des infrastructures souveraines et des capacités agentiques, découvrez également ces analyses du blog aivancity.
Sources
[1] Mistral AI. (6 octobre 2026). Présentation de Mistral Large 4. Consulter la source
[2] Mistral AI. Documentation Mistral Large 4. Consultée le 12 octobre 2026. Consulter la documentation
[3] The Wall Street Journal. (6 octobre 2026). Mistral to Release New AI Model to Better Compete With U.S. Rivals. Consulter l’article
[4] WIRED. (7 octobre 2026). Mistral Says Its New AI Model Le Chonk Is the Best Open-Weight Offering Outside of China. Consulter l’article
[5] Le Monde. (6 octobre 2026). Mistral AI unveils new AI model aimed at narrowing the gap with top Chinese competitors. Consulter l’article
[6] Bendi-Ouis, Y., Dutartre, D. et Hinaut, X. (2024). Deploying Open-Source Large Language Models: A Performance Analysis. Consulter l’étude