Mistral Large 4 : le trillion européen que vous pourrez télécharger

Mistral a mis en ligne lundi 6 octobre la préversion publique de Mistral Large 4, son premier modèle à 1 000 milliards de paramètres — avec une promesse rare dans cette catégorie : publier les poids avant la fin du mois. Pour une PME ou une DSI française, le paysage bouge : un modèle de classe frontier, entraîné dans des datacenters européens, accessible dès aujourd'hui par API hébergée en Europe, et téléchargeable d'ici trois semaines. Avant de réorganiser votre stack, trois petites lignes méritent lecture : une licence dont personne ne connaît les termes, une promo tarifaire qui expire vite, et deux benchmarks nettement moins flatteurs que la plaquette.

Un trillion de paramètres entraîné en Europe : ce que Mistral a sorti le 6 octobre

Sur la fiche technique, Large 4 coche les cases du modèle frontier : architecture mixture-of-experts de 1 050 milliards de paramètres, dont 52 milliards activés à chaque requête, un encodeur vision intégré et un fonctionnement hybride qui alterne réponse directe et raisonnement long selon la tâche. La fenêtre de contexte grimpe à 1 million de tokens, quatre fois celle de Large 3 (256 000). Le modèle couvre plus de 160 langues, dont toutes les langues officielles de l'UE — un détail qui n'en est pas un quand vos documents arrivent en français, en polonais ou en portugais.

L'entraînement a mobilisé 3 800 GPU Nvidia Grace Blackwell, intégralement dans des datacenters européens opérés par Mistral de bout en bout. C'est la concrétisation de ce que l'entreprise annonçait à son AI Now Summit, quand elle posait la première pierre de son usine à modèles des Ulis. Entre-temps, Mistral a bouclé en septembre une série D de 3 milliards d'euros, à plus de 21 milliards de valorisation.

La communauté n'a pas attendu le service marketing : le nom de code « Le Chonk », repéré dans l'API, a fait le tour de X en quelques heures, au point que MarkTechPost l'a repris dès son papier de lancement. Mistral, de son côté, vise plus solennel :

« ML4 est l'état de l'art parmi les modèles ouverts sur les charges critiques d'entreprise — cybersécurité, finance, droit », avance l'annonce officielle, qui revendique même de « dépasser certains modèles fermés frontier » sur l'ancrage visuel.

Combien coûte Mistral Large 4 en API ?

La grille officielle affiche 1,36 $ le million de tokens en entrée, 4,18 $ en sortie et 0,14 $ pour l'entrée en cache. Mais dès les premières heures, les testeurs ont repéré une seconde grille dans la documentation : 0,68 $ en entrée, 2,09 $ en sortie. Pas une coquille — une promotion de lancement à −50 %, qui court environ deux semaines, soit jusqu'à la mi-octobre. La confusion entre les deux pages a alimenté les fils de discussion toute la journée de lundi.

Pour fixer les ordres de grandeur : faire lire un contrat de 200 pages (environ 150 000 tokens) coûte 0,20 $ en entrée au tarif plein, 0,10 $ pendant la promo. Un pipeline qui traite 1 000 documents par mois reste sous les 250 $ mensuels en entrée. Le positionnement est clair : nettement sous les tarifs des frontier fermés américains, au-dessus des petits modèles « workhorse » qui font tourner la majorité des automatisations. Entre les deux, Mistral vend un argument qu'aucun concurrent de ce calibre n'offre : la possibilité, à terme, de faire tourner exactement le même modèle chez vous.

Mistral Large 4 vs GPT-6 et Claude Opus 5 : ce que disent les benchmarks

Le point fort assumé, c'est la cybersécurité. Large 4 entre dans le top 5 mondial de l'AA Cyber Index — premier modèle open-weight hors Chine —, atteint 93 % sur Cybench et 82 % sur la reproduction de vulnérabilités, meilleur score mesuré. Pour les équipes sécurité qui refusaient d'envoyer leurs analyses à une API américaine, c'est l'argument qui change l'équation.

Sur le code, le tableau est honnête sans être écrasant : 61,7 % sur DeepSWE v1.1, 49,8 % au Coding Agent Index. Plus intéressant que les scores automatiques : l'évaluation humaine menée par Surge AI classe Large 4 deuxième sur cinq modèles en qualité de code (3,74/5), derrière le seul Claude Opus 5. En revanche, le Terminal Bench 4.0 tombe à 28,3 % — si vos agents vivent dans un terminal, ce n'est pas le modèle de la situation. Côté multimodal, Mistral revendique 42 % sur Dense 200, un point devant GPT-6 Astra (41 %) sur l'ancrage visuel, et de bons résultats en analyse de documents et de graphiques.

Précaution d'usage : tous ces chiffres sortent de l'annonce de Mistral. L'écart entre benchmarks maison et usage réel est un classique du genre — attendez les vérifications indépendantes avant de migrer quoi que ce soit de critique.

Open weights « fin octobre » : la licence que personne n'a encore lue

C'est la vraie nouveauté stratégique : Mistral promet la publication des poids avant la fin du mois. La presse spécialisée évoque un objectif au 27 octobre, que Mistral n'a pas confirmé. Aucun laboratoire occidental n'a encore ouvert un modèle de cette taille : jusqu'ici, le trillion de paramètres en accès libre restait une affaire chinoise.

Le hic : la page du modèle mentionne une licence « Open » sans en publier les termes. Mistral a alterné par le passé entre Apache 2.0, très permissive, et des licences recherche qui interdisent l'usage commercial. Entre les deux, tout change : droit de servir le modèle à vos clients, de le fine-tuner, de le distribuer. Tant que le texte n'est pas en ligne, « open » est un mot, pas un contrat.

Reste la question de la distribution elle-même : depuis le rachat de Hugging Face par Nvidia, une partie de l'écosystème réclame des miroirs européens pour les poids ouverts. Si Mistral distribue aussi depuis ses propres serveurs, ce serait cohérent avec le reste du discours.

Auto-héberger Mistral Large 4 ou passer par une API souveraine ?

Soyons directs : 1 050 milliards de paramètres, même quantisés agressivement, pèsent plusieurs centaines de gigaoctets. Les 52 milliards de paramètres actifs accélèrent l'inférence, mais ne réduisent pas la mémoire nécessaire — il faut charger l'ensemble des experts. On retrouve le mur déjà rencontré avec Kimi K3 et ses 1,4 To de poids : gratuit à télécharger, coûteux à faire tourner. Pour une PME, l'auto-hébergement direct est hors sujet ; pour un groupe avec une équipe infra et un cluster multi-GPU, il devient envisageable.

La voie réaliste pour la plupart des lecteurs : l'API. Mistral Studio sert le modèle depuis des datacenters européens opérés par Mistral, sans sous-traitant américain dans la chaîne — l'argument Cloud Act est net. Et une fois les poids publiés, les hébergeurs tiers suivront : notre comparatif des API souveraines montrait qu'OVHcloud et Scaleway intègrent les modèles ouverts de Mistral en quelques semaines, souvent à prix serré. La concurrence sur le prix de l'inférence jouera pour vous.

Le timing n'est pas anodin. Pendant que GPT-6 Astra sort bridé par son propre éditeur et que Gemini 4 Argon se fait attendre pour le commun des clients, Mistral livre un modèle frontier que n'importe quelle entreprise européenne peut appeler aujourd'hui et hébergera peut-être demain. L'écart de points de benchmark avec les leaders américains existe ; l'écart d'accessibilité joue en sens inverse.

Faut-il basculer sur Mistral Large 4 cette semaine ?

Tester : oui, et vite — la promo à −50 % rend l'évaluation quasi gratuite sur des volumes de test. Migrer la production : non, pas encore. Une préversion n'offre ni SLA ni garantie de stabilité d'API, et les benchmarks n'ont pas été contre-vérifiés. Planifier du self-host : attendez la licence, tout en préparant le dossier.

Ce lancement concerne d'abord trois profils : les DSI contraintes par la localisation des données (santé, juridique, secteur public), les équipes cyber qui veulent un modèle fort sur leur domaine sans exfiltrer leurs analyses, et les entreprises qui documentent une stratégie de sortie de dépendance aux API américaines. Il ne concerne pas ceux dont les automatisations tournent déjà très bien sur des petits modèles à 10 fois moins cher, ni les équipes qui vivent dans des agents terminal — le score de 28,3 % est rédhibitoire. Pour tous les autres, c'est la première fois qu'« acheter européen » en IA ne se paie plus d'un déclassement technique évident. Ça méritait bien 48 heures d'attention.