Mistral Large 4 arrive avec un été de retard

En juillet, Arthur Mensch, le patron de Mistral AI, promettait « un modèle très enthousiasmant pour cet été »¹. L’été s’est terminé le 22 septembre, et le modèle est arrivé le 6 octobre, sur la scène de la conférence AI Everything, à Abou Dhabi². Il s’appelle Mistral Large 4, et la maison le surnomme officieusement « Le Chonk », un mot d’argot d’internet pour un chat bien en chair³. C’est une façon honnête de présenter 1 000 milliards de paramètres.

Mistral Large 4 est le modèle ouvert le plus capable conçu hors de Chine, selon le classement indépendant d’Artificial Analysis, qui lui accorde 38 points⁴. Il reste derrière sept modèles ouverts chinois et à 20 points de Claude Opus 5.5⁵. On peut l’essayer depuis le 6 octobre par l’API, la porte d’accès réservée aux programmes, en préversion. Ses poids, les fichiers qui permettent à chacun de le faire tourner sur ses propres machines, seront publiés le 27 octobre².

Le modèle promis pour l’été

En septembre, quand Mistral levait 3 milliards d’euros, je notais que l’argent irait d’abord au béton, aux centres de données, et que le modèle de frontière, celui qui rivalise avec les meilleurs du moment, attendrait. Il a attendu un mois. Mistral présente Large 4 comme « le premier jalon » de la feuille de route financée par cette levée³. Il sort d’ailleurs de ce béton, puisqu’il a été entraîné de zéro sur 3 800 processeurs Nvidia Grace Blackwell, dans les propres centres de données européens de l’entreprise³.

Les paramètres sont les réglages internes qu’un modèle ajuste pendant son entraînement, et leur nombre donne une idée de sa taille. Large 4 en compte 1 000 milliards, mais il n’en mobilise que 49 milliards pour chaque mot qu’il produit⁶. C’est le principe du mélange d’experts. Le modèle confie chaque morceau de texte à quelques sous-réseaux spécialisés plutôt qu’à l’ensemble, si bien qu’il coûte bien moins cher à faire tourner qu’à stocker. Il lit le texte et les images, et il a appris plus de 160 langues, dont toutes les langues officielles de l’Union européenne³.

Le lieu du lancement dit le reste. À Abou Dhabi, Arthur Mensch a vanté l’indépendance de Mistral à l’égard des États-Unis comme de la Chine, un argument qui porte, selon lui, dans le Golfe et en Asie-Pacifique². Le modèle européen de la souveraineté a donc été présenté aux Émirats, devant des clients qui achètent surtout de la neutralité.

Premier de l’Occident et huitième du classement

Artificial Analysis est un cabinet indépendant qui fait passer la même batterie d’épreuves à tous les modèles, puis résume le résultat en une note. Large 4 y obtient 38 points, contre 14 pour Mistral Medium 3.5 et 9 pour Large 3, le modèle de décembre 2025⁷. Le bond est énorme, et le cabinet en conclut que la France détient de nouveau « le modèle le plus intelligent hors des États-Unis et de la Chine »⁴.

Le reste du tableau tempère la fête.

Sept modèles ouverts chinois passent devant, Xiaomi en tête⁷. Côté modèles fermés, Large 4 fait jeu égal avec GPT-6 Luna, le petit modèle qu’OpenAI a sorti en septembre à côté de Sol⁴. À Abou Dhabi, Arthur Mensch affirmait que Large 4 dépassait les modèles chinois « sur certains aspects, dont la cyber », sans dire lesquels ni comment il l’avait mesuré². Les graphiques de Mistral sont plus modestes que son patron. Dans l’évaluation à l’aveugle menée par des testeurs humains sur du code, Large 4 obtient 3,74 sur 5, derrière Claude Opus 5 à 4,22³, et ce n’est même pas le dernier Opus.

Le prix catalogue est de 1,36 dollar le million de jetons⁸ en entrée et de 4,18 en sortie, divisé par deux pendant les deux semaines de lancement⁴. C’est presque au cent près le tarif de GLM-5.2, le modèle chinois que Mistral sert depuis août sur sa propre plateforme, à 1,40 et 4,40 dollars⁹. Le français et le chinois portent donc la même étiquette sur la même étagère. Le prix du jeton ne dit pourtant pas la facture, et Artificial Analysis a fait le calcul. Rapporté à une tâche de ses épreuves, Large 4 coûte 1,13 dollar au tarif normal, contre 0,25 pour GLM-5.3 Flash, qui obtient pourtant une meilleure note⁴.

Le modèle qui ne refuse pas les failles

C’est sur la cybersécurité que Mistral attaque. Sur un test qui demande de reproduire une faille logicielle puis de la corriger, Large 4 réussit 82 % des cas. Selon Mistral, Claude Opus 5.5 et GPT-6 Astra obtiennent un score proche de zéro, parce qu’ils refusent de faire l’exercice³. Les grands laboratoires américains gardent leurs modèles les plus offensifs sous clé, réservés à un cercle agréé, et leurs versions publiques déclinent tout ce qui ressemble à une attaque. Un défenseur qui veut tester sa propre faille se heurte au même refus qu’un pirate.

Mistral n’ouvre pas les vannes pour autant. L’entreprise assure que son modèle refuse les demandes malveillantes plus souvent que tout autre modèle ouvert⁵. Pendant la préversion, une version à la modération allégée est confiée à des entreprises de sécurité, à des partenaires vérifiés et à des agences gouvernementales, chargés de l’attaquer avant la publication des poids⁵. On appelle cela le red teaming, qui consiste à inviter des gens à casser son modèle avant que d’autres s’en chargent sans invitation.

Mistral garde donc lui aussi une clé, pour trois semaines. Le 27 octobre, les poids seront publics, et la clé partira avec eux. J’ai raconté en septembre comment Heretic, un outil libre, retire à un modèle ouvert sa censure, et avec elle tout refus. Je doute que les refus si bien mesurés de Large 4 survivent longtemps au téléchargement. Ils survivront en revanche dans l’API de Mistral, et je trouve le pari plus cohérent que celui des Américains, qui gardent la clé pour tout le monde. Les versions compressées du modèle tiendront sur quatre à huit processeurs graphiques¹⁰, ce qui reste un peu au-dessus de la carte de mon portable de jeu.

L’écart change d’unité

En septembre, j’écrivais que je basculerais vers Mistral le jour où l’écart avec Claude se compterait en mois, et qu’il se comptait en générations. Large 3 avait 9 points quand Opus 5.5 en a 58. Large 4 en a 38, si bien que l’écart tient désormais en une marche, celle qui sépare chez OpenAI le modèle d’entrée de gamme des modèles du dessus.

Pour mes démonstrateurs, ces maquettes qui font réagir le métier avant qu’on écrive un cahier des charges, je reste sur Claude, parce qu’à ce niveau d’exigence, une marche se voit tout de suite. Pour un traitement bien délimité, trier des demandes ou extraire des champs d’un document, Large 4 devient en revanche un candidat sérieux. C’est d’autant plus vrai là où les données ne doivent pas quitter la maison, puisque les poids ouverts permettent de l’héberger soi-même¹⁰. Mistral annonce aussi qu’il deviendra le modèle par défaut de Vibe, son assistant grand public, l’ancien Le Chat¹⁰. C’est la porte par laquelle j’étais parti.

Le prochain rendez-vous tombe le 27 octobre, avec les poids, une licence dont Mistral n’a encore rien dit officiellement⁷ et les premiers tests menés par d’autres que Mistral. D’ici là, je retiens un chiffre, et pour une fois il flatte Mistral. En un seul modèle, l’entreprise a ramené son retard sur Claude de 49 points à 20.

Notes

1. Tech Times, « Mistral AI Targets Frontier Gap With Open-Weight Model Entering July Early Access » (en anglais), 6 juillet 2026. ↩

2. Reuters, via Yahoo Finance, « Mistral CEO says new AI model beats Chinese ones in some areas » (en anglais), 6 octobre 2026. ↩ ↩² ↩³ ↩⁴

3. Mistral AI, « Introducing Mistral Large 4 » (en anglais), 6 octobre 2026. ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

4. Artificial Analysis, « Mistral has released Mistral Large 4, making France home to the most intelligent model outside the US and China » (en anglais), 6 octobre 2026. Les notes d’Opus 5.5 et de GPT-6 Luna sont celles de leur réglage de raisonnement maximal. ↩ ↩² ↩³ ↩⁴ ↩⁵

5. The Decoder, « Mistral Large 4 is Europe’s trillion-parameter answer to US models that refuse security work » (en anglais), 6 octobre 2026. ↩ ↩² ↩³

6. Ce sont les chiffres de l’annonce. La documentation publiée le même jour parle de 1 050 milliards de paramètres, dont 52 milliards actifs, et d’une mémoire de travail d’un million de jetons, quand Artificial Analysis en compte la moitié (MIXED, en anglais). Trois milliards de paramètres d’écart, c’est à peu près la taille d’un modèle qui tourne sur un téléphone, égarée entre deux pages du même site. ↩

7. Trending Topics, « Mistral Large 4 on Artificial Analysis: Eighth Among Open Models » (en anglais), 6 octobre 2026. ↩ ↩² ↩³

8. Un jeton est l’unité de texte que facturent ces services, de l’ordre d’un mot court ou d’un morceau de mot. ↩

9. Mistral AI, documentation du modèle Z.ai GLM 5.2 (en anglais). ↩

10. Blog du Modérateur, « Mistral Large 4 : Mistral AI veut réduire l’écart avec les modèles open weight chinois », 6 octobre 2026. ↩ ↩² ↩³