Un modèle d'IA européen d'un trillion de paramètres, que n'importe quelle entreprise peut télécharger et faire tourner chez elle : voilà ce que Mistral AI a mis en ligne le 29 octobre. Pour celles et ceux qui hésitent à envoyer leurs données chez OpenAI, Anthropic ou Google, la nouvelle mérite qu'on s'y arrête. Posez votre café, on fait le tour.
Ce qui se passe concrètement
Un modèle surnommé « Le Chonk »
Mistral Large 4 compte 1 trillion de paramètres (au sens anglais du terme, soit mille milliards). Il est multimodal natif : il ne se limite pas au texte. Mistral l'avait présenté en préversion le 6 octobre. Depuis le 29 octobre, ses poids sont téléchargeables sur Hugging Face.
Les poids, ce sont les réglages internes que le modèle a appris pendant son entraînement. Les publier, c'est livrer le moteur, pas seulement le volant. On parle alors de modèle à poids ouverts.
La version publiée n'est pas celle de la préversion. Elle a reçu trois semaines d'apprentissage par renforcement en plus. Cette méthode consiste à corriger le modèle par essais et retours, un peu comme on dresse un chiot à coups de friandises. Les retours sont venus de clients, de développeurs, d'experts en cybersécurité et d'acteurs publics.
Pour quoi faire ?
Mistral le présente comme le meilleur modèle à poids ouverts pour deux usages : le code agentique et la cyberdéfense. Le code agentique, c'est un agent IA qui ne se contente pas de suggérer une ligne de code, mais enchaîne seul plusieurs étapes : lire, écrire, tester, corriger.
Les entreprises et les administrations peuvent le télécharger, l'héberger et l'adapter elles-mêmes. Elles peuvent aussi passer par l'API de Mistral, c'est-à-dire un accès à distance, sans rien installer.
Les chiffres annoncés
47 %
de tokens en moins par tâche, en moyenne, face à GLM-5.3, sur l'Artificial Analysis Coding Agent Index, où les deux modèles rivalisent.
79 %
sur CyberGym-E2E, un test de détection, de reproduction et de correction de vraies failles mémoire dans des projets open source en C/C++.
Un token, c'est un petit morceau de texte que le modèle lit ou écrit. Moins il en consomme pour finir une tâche, moins elle coûte et plus elle va vite. Une faille mémoire, elle, est un bug de gestion de la mémoire, une famille d'erreurs classique en C et C++ que les pirates apprécient beaucoup.
| Modèle | Score sur CyberGym-E2E |
| Mistral Large 4 | 79 % |
| MiMo-V2.6-Pro | à égalité avec Mistral Large 4 |
| DeepSeek V4.1 Flash | 76 % |
Une précaution d'usage : ces résultats viennent de Mistral et de l'index Artificial Analysis. Nous n'avons pas de validation indépendante. Mistral affirme aussi avoir entraîné le modèle avec bien moins de ressources que les laboratoires fermés ou chinois, ce qui reste difficile à vérifier.
Orange Cyberdefense et le programme de partenaires
Orange Cyberdefense a rejoint le programme de partenaires de conception de Mistral Large 4 et fait tourner ses modèles dans les datacenters européens de Mistral. Par ailleurs, un modèle de test de sécurité plus avancé est en préversion pour des partenaires sélectionnés.
Mon point de vue
Pour une agence d'automatisation, la nouvelle a trois conséquences très concrètes.
- Une option européenne crédible. Pour les agents de code et les workflows autonomes, il existe désormais un modèle à poids ouverts utilisable quand la souveraineté des données ou le RGPD interdisent l'envoi vers des API américaines.
- Moins de tokens, moins de factures. Un agent qui tourne longtemps consomme beaucoup. Si les 47 % se confirment, le coût d'exécution baisse sensiblement.
- Des agents sur mesure. Un modèle qu'on peut héberger ou affiner sur des données métier permet de proposer des agents dédiés, sans dépendre d'une API fermée.
C'est une bonne nouvelle pour le choix, et le choix est rarement mauvais pour les clients. Mais gardons la tête froide : un modèle qu'on peut télécharger n'est pas un modèle qu'on peut faire tourner sans y penser.
Ce qu'il reste à vérifier
- Les conditions de licence, que les sources consultées ne détaillent pas. Elles décideront de ce qu'on a le droit de vendre.
- Le coût réel d'hébergement d'un modèle de cette taille, à mettre en balance avec l'économie de tokens.
- Les performances en conditions réelles, notamment sur des workflows n8n et des agents de production. Un classement est une chose, un client pressé en est une autre.
Mistral affirme aussi avoir pris de l'avance sur ses concurrents chinois dans la course aux modèles ouverts. C'est son argument, pas encore un fait établi. Les prochaines semaines de tests indépendants nous diront ce qu'il en est.
Pour aller plus loin
- Mistral releases weights for its trillion-parameter AI model, targeting cybersecurity (TechCrunch)
- Mistral releases open weights for its 1 trillion-parameter Large 4 model (The Next Web)
- Mistral AI publicly releases Large 4, targets cybersecurity users (Reuters)
- Mistral Says Its AI Model 'Le Chonk' Has Leapfrogged China in the Open-Weight Race (WIRED)
- Orange Cyberdefense joins Mistral design partner programme for Large 4 (The Next Web)
Un modèle européen, ouvert, téléchargeable, et un surnom qui donne envie de lui servir un second petit-déjeuner. Reste à savoir s'il tiendra ses promesses une fois sorti des tableaux de scores. Et vous, si vous deviez confier un agent à un modèle hébergé chez vous, seriez-vous prêt à franchir le pas ?