Mistral Large 4 : le modèle peut-il concurrencer la Chine ?

TVS News AI, supervisé éditorialement, présente Mistral Large 4 : le modèle peut-il concurrencer la Chine .

Après trois semaines de prévisualisation, l’entreprise française d’IA Mistral AI a publié les poids de Large 4 sur Hugging Face. Le modèle multimodal a été entraîné sur 3 800 accélérateurs Nvidia et compte un billion de paramètres. Il reste donc trop volumineux pour être exploité en interne : Mistral considère explicitement les hobbyistes équipés d’ordinateurs gamers ou d’un seul accélérateur IA Nvidia comme une cible trop petite.

Cette publication met fin à une phase de prévisualisation à laquelle ont participé des membres d’un programme d’accès anticipé pour les clients et des partenaires spécialisés en cybersécurité. Parmi ces partenaires figurent ASML, Cisco, CrowdStrike, Microsoft et l’Agence spatiale européenne. Selon t3n, la qualité du modèle de langage s’est améliorée au cours de cette phase grâce au renforcement learning : le modèle a reçu un retour sur les résultats souhaités, suivi d’un fine-tuning supplémentaire.

Large 4 doitAllowing Mistral de revenir dans le coding et la cybersécurité

L’ambition en matière de performances

Large 4 vise directement les modèles chinois à poids ouverts. Pour deux benchmarks, Mistral avance, de sa propre initiative, des résultats précis : sur le benchmark de cybersécurité CyberGym-E2E, le modèle se place devant GLM-5.3 et Kimi K3. Sur le benchmark de coding agentique Terminal Bench 4.0, il atteint le même niveau que GLM-5.3. Selon t3n, Large 4 est présumé nettement plus performant que Kimi K3 et le modèle ouvert de Meta Muse Spark Open.

Le fabricant fournit ainsi pour la première fois des points de comparaison concrets. La limite est importante : aucune évaluation indépendante de Large 4 n’est disponible à ce jour. Le classement sur les benchmarks relève donc d’une revendication de Mistral, et non d’un résultat global déjà confirmé de manière indépendante.

Pourquoi cette comparaison compte pour Mistral

Avant Large 4, Mistral avait mis en avant le modèle de taille intermédiaire Mistral Medium 3.5 comme flagship. Selon la plateforme d’analyse Artificial Analysis, le modèle se retrouvait toutefois nettement derrière la concurrence chinoise sur certains benchmarks. Mistral avait en outre ouvert sa propre infrastructure de calcul à des concurrents. Selon t3n, cela laissait penser que l’utilisation de ses propres modèles était restée inférieure aux attentes.

Large 4 est censé corriger cette faiblesse non seulement par un nombre accru de paramètres. L’accent est mis sur les tâches qui exigent d’écrire du code, d’utiliser des outils ou de traiter des problèmes de sécurité. Le caractère multimodal du modèle élargit cette approche à la traitement de différents formats d’entrée.

Poids ouverts, obstacle majeur pour une exploitation en interne

Le prix avant la publication

Avant la publication des poids, la version de prévisualisation coûtait 1,4 dollar US par million de tokens en entrée et 4,2 dollars US par million de tokens en sortie. À titre de comparaison, Kimi K3.1 Pro exigeait, selon t3n, respectivement deux et dix dollars. L’API de Z.ai pour GLM-5.3 se situait approximativement au même niveau que Large 4.

Ces prix rendent Large 4 attractif par rapport aux modèles chinois, mais posent un obstacle pratique : avec 3 800 accélérateurs Nvidia et un billion de paramètres, le modèle est trop coûteux à exploiter en interne. Mistral veut donc publier dans les prochaines semaines des versions quantifiées. Celles-ci doivent notamment comprendre des modèles utilisables sur des ordinateurs portables ou des PC gamers.

Le rôle des poids ouverts

Large 4 est disponible sous forme de modèle à poids ouverts. Cela rend les poids accessibles pour le développement ultérieur, mais renseigne peu sur le degré d’ouverture de l’ensemble du processus d’entraînement et de publication. t3n a donc demandé à Mistral, lors de la conférence de presse, si l’entreprise envisageait, plutôt que des poids ouverts, une publication en open source pleinement transparente, comme pour Soofi ou Apertus.

Le directeur scientifique Pierre Stock a éludé cette question : « Je ne pense pas que l’IA soit une boîte noire aussi totale que les gens le croient. Depuis l’existence des modèles de raisonnement, on voit ce que les modèles pensent. » Mistral mise pour cela sur des modèles de surveillance et de décision, afin d’accroître l’interprétabilité et la transparence des modèles les plus volumineux.

Stock reconnaît ainsi également une limite de la présentation : les étapes du raisonnement sont visibles, mais la vérifiabilité pourrait devenir plus difficile à mesure que les modèles se complexifient. Poids ouverts et décisions compréhensibles sont donc deux questions distinctes.

L’IA européenne soutenue par 3 milliards d’euros

La base financière

Mistral a DPA trois milliards d’euros de nouveaux capitaux en septembre 2026. Ces fonds doivent financer à la fois le développement ultérieur des modèles et l’expansion des capacités de calcul. Pour Large 4, ce moment est crucial, car les poids ouverts sont dans un premier tempsGdging marked by the high cost of training and inference.

Ce qui reste à vérifier de manière indépendante

L’annonce fournit désormais plus qu’un simple nom de produit : 3 800 accélérateurs Nvidia, un billion de paramètres, deux benchmarks, des prix API précis et une série prévue de versions quantifiées. Elle ne confirme toutefois pas encore si Large 4 fonctionne de manière plus fiable au quotidien que les principales alternatives.

Pour l’écosystème européen de l’IA, l’ambition reste néanmoins pertinente. Selon t3n, Mistral est considéré comme le seul laboratoire d’IA européen concurrentiel à l’échelle mondiale. Il reste à savoir si Large 4 confirmera cette ambition grâce à des tests indépendants, des erreurs vérifiables et un déploiement réaliste dans la pratique. D’ici là, le bilan est le suivant : Les benchmarks sont concrets, mais l’évaluation indépendante fait défaut.