Mistral Large 4 : l'IA française géante que tu peux télécharger

La startup française Mistral AI a mis en ligne, fin octobre 2026, les « poids » de son plus gros modèle d'IA, Mistral Large 4, surnommé « Le Chonk ». Concrètement, n'importe qui peut désormais le télécharger, l'installer sur ses propres serveurs et le modifier. Une rareté pour un modèle de cette taille. Mais attention : « téléchargeable » ne veut pas dire « qui tourne sur ton PC ».

Ce qu'il faut retenir

• Mistral Large 4 a été présenté le 6 octobre 2026, puis ses poids ont été publiés sur Hugging Face fin octobre.
• C'est un modèle géant : environ 1 000 milliards de paramètres, dont une cinquantaine de milliards seulement travaillent pour chaque mot généré.
• Mistral le présente comme le meilleur modèle ouvert développé en Occident, surtout pour écrire du code. Ce sont ses propres tests.
• La licence autorise l'usage commercial, sauf pour les entreprises qui revendent l'accès au modèle comme un service : elles doivent payer Mistral.
• Pour le faire tourner, il faut des serveurs à plusieurs dizaines de milliers d'euros. Pour toi, l'accès passe surtout par l'API ou les applis.

« Open-weight », ça veut dire quoi ?

Un modèle d'IA, c'est un énorme fichier de nombres, les « poids », réglés pendant l'entraînement. Ce sont eux qui contiennent tout ce que le modèle a « appris ».

Chez OpenAI ou Google, ces poids restent secrets : tu utilises le modèle via leur site ou leur API, point. Quand une entreprise publie les poids, c'est comme si un chef te donnait non pas la recette détaillée, mais le plat déjà cuisiné, que tu peux réchauffer et assaisonner chez toi. Tu peux l'utiliser sans passer par Mistral, l'adapter à ton domaine (on parle de « fine-tuning ») et garder tes données chez toi.

Petite nuance : « open-weight » n'est pas « open source » au sens strict. Mistral ne publie pas les données d'entraînement ni tout le processus de fabrication.

Un géant… qui ne travaille pas en entier

Mille milliards de paramètres, ça impressionne. Mais Large 4 utilise une architecture appelée « mélange d'experts » (MoE). Imagine une école avec des centaines de profs spécialisés : pour chaque question, seuls quelques-uns répondent. Ici, environ 52 milliards de paramètres sont actifs à chaque étape, d'après le nom du dépôt Hugging Face. Résultat : le modèle est plus rapide et moins gourmand en calcul qu'un modèle « plein » de même taille.

Il est aussi multimodal : il comprend les images en plus du texte, et Mistral annonce plus de 160 langues. Il propose trois niveaux de raisonnement (faible, moyen, élevé) : plus tu lui demandes de réfléchir, plus il est précis… et plus il met de temps.

Ce qu'il sait faire, selon Mistral

Mistral met surtout en avant le développement logiciel avec des « agents », ces IA qui enchaînent plusieurs actions seules (lire un projet, corriger un bug, lancer des tests).

Quelques chiffres annoncés par l'entreprise : - Terminal-Bench 4.0 (des tâches à réaliser dans un terminal) : 41 %, contre 28 % pour la préversion d'octobre. - Coding Agent Index d'Artificial Analysis : 48 %, à égalité avec le modèle chinois GLM-5.3, mais avec environ moitié moins de « jetons » consommés par tâche. Moins de jetons, c'est moins cher et plus rapide. - Sécurité : en moyenne 96,6 % de refus face à des demandes de piratage malveillantes, sur plusieurs tests standards.

Mistral cite aussi des usages comme l'analyse de tableurs financiers, la navigation web automatique ou l'analyse d'images satellites (incendies, cultures, lignes électriques).

Ce que l'annonce ne dit pas

C'est là qu'il faut garder la tête froide.

• Ce sont des chiffres maison. Les scores ci-dessus sont choisis et publiés par Mistral. Des évaluateurs indépendants, comme Vals, ont mesuré des résultats plus modestes sur certains tests, notamment sur la préversion. Les meilleurs modèles fermés (Claude, GPT, Gemini) restent devant sur plusieurs classements.
• « Meilleur modèle ouvert occidental » : la précision compte. Les modèles ouverts chinois (GLM, Kimi, DeepSeek) sont au coude-à-coude, et parfois devant selon les tests.
• Le matériel. Mistral ne précise pas la configuration minimale. Des estimations indépendantes parlent de plusieurs cartes graphiques professionnelles Nvidia de dernière génération, même avec une version compressée. Autrement dit : un datacenter, pas une carte graphique de gamer.
• Mistral reconnaît un risque. L'entreprise admet que le modèle pourrait aider de vrais pirates et dit travailler encore sur ses garde-fous. Une version spécialisée en cybersécurité est réservée à des partenaires triés sur le volet.

Pourquoi c'est important pour l'Europe

Mistral a levé environ 6 milliards de dollars en trois ans, selon son patron Arthur Mensch. C'est beaucoup pour l'Europe, mais loin des sommes levées par OpenAI ou Anthropic. Publier ses poids est une stratégie : se rendre indispensable auprès des entreprises, administrations et chercheurs qui veulent une IA qu'ils contrôlent, hébergée en Europe, sans dépendre d'un géant américain.

Le modèle a d'ailleurs été entraîné sur environ 3 800 puces Nvidia dans les centres de données européens de Mistral.

Alors, ça change quoi ?

Pour toi, demain matin : pas grand-chose de visible. Tu peux tester le modèle via les outils de Mistral, et son prix via l'API est bas : 0,70 dollar par million de jetons en entrée et 2,10 dollars en sortie. Un million de jetons, c'est de l'ordre de plusieurs centaines de pages de texte.

À moyen terme, l'effet est indirect : des entreprises et des administrations françaises vont pouvoir construire leurs propres assistants sur ce modèle, sans envoyer leurs données aux États-Unis. Les premières applis basées sur Large 4 pourraient apparaître dans les prochains mois.

Si tu codes, c'est une option sérieuse et peu chère à surveiller. Si tu veux juste le chatbot le plus performant du moment, les grands modèles fermés gardent une longueur d'avance, d'après les tests indépendants disponibles.