Mistral Large 4 : un modèle de grande envergure dont les performances restent à évaluer

Annonce et accès : une préversion avant la publication des poids

Mistral a annoncé Mistral Large 4 le 6 octobre 2026 et ouvert le même jour une préversion publique de son API dans Mistral Studio. Le modèle est présenté comme le plus grand de l’entreprise à ce jour, avec des capacités multimodales, de programmation et de travail avec des agents. Mais proposer une API ne revient pas à publier immédiatement les poids téléchargeables : l’entreprise a indiqué qu’elle les mettrait à disposition vers la fin octobre.

L’accès initial et la disponibilité des poids sont donc deux étapes différentes. Pour essayer le modèle dès maintenant, il faut passer par l’API de Mistral. Le déploiement autonome ne deviendra une possibilité qu’une fois les poids effectivement publiés et sous réserve que leur licence autorise cet usage. La date annoncée ne confirme pas, à elle seule, que la publication a déjà eu lieu, ni quelle licence s’appliquera.

L’entreprise annonce également une disponibilité dans plusieurs régions et une offre européenne qu’elle exploiterait de bout en bout, sous le droit européen. Ce sont des modalités annoncées par le fournisseur ; avant de les considérer comme des garanties opérationnelles, il faut vérifier les conditions exactes du service, le lieu de traitement des données et les clauses contractuelles.

Un billion de paramètres ne signifie pas un billion de paramètres actifs

Mistral décrit Large 4 comme un modèle multimodal natif comptant un billion de paramètres au total, dont 52 milliards actifs. Le nombre de paramètres actifs est utile, car une architecture de grande taille ne mobilise pas nécessairement l’ensemble de ses paramètres à chaque opération. Toutefois, ces deux chiffres ne suffisent pas à déduire le coût réel, la vitesse, la mémoire nécessaire ou la qualité des réponses.

Les chiffres des paramètres actifs divergent : la documentation de Mistral en annonce 52 milliards, tandis que certaines références fournies en mentionnent 49 milliards. Les éléments disponibles ne permettent pas d’expliquer cet écart par une version, une configuration ou une méthode de comptage précise. Nous retenons ici le chiffre de la publication primaire, sans considérer la divergence comme résolue.

Mistral affirme que le modèle a été entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell installés dans ses centres de données européens, et que la préversion fonctionne sur cette même infrastructure. Les éléments fournis ne comprennent pas d’audit externe permettant de vérifier le nombre de GPU, leur emplacement ou la configuration de l’entraînement. Il s’agit donc d’une déclaration de l’entreprise, et non d’une vérification indépendante.

La première publication laisse également en suspens certains détails techniques : Mistral promet des précisions sur l’architecture et la méthodologie de post-entraînement lorsque les poids seront publiés. Dans l’attente de cette documentation, il est préférable de ne pas déduire de configuration matérielle précise ni de supposer que la taille totale se traduit directement par un avantage pratique.

Benchmarks : des résultats prometteurs, mais pas de comparaison universelle

Dans les résultats présentés par Mistral, Large 4 obtient 38 points à l’Artificial Analysis Intelligence Index, d’après les données décrites dans les éléments disponibles. Ce score peut servir de repère dans le cadre de cette évaluation et de cette version, mais il ne constitue pas une mesure universelle de l’intelligence. Il dépend des exercices retenus, de leurs conditions et de la date à laquelle le test est effectué.

La publication de Mistral présente également des résultats en programmation, sur les agents, en finance, en droit, en vision et en sciences. Certaines valeurs proviennent d’évaluations internes ; d’autres sont attribuées à des évaluateurs ou à des benchmarks externes. Le fait qu’un test porte un nom indépendant ne rend pas automatiquement indépendante la présentation de son résultat : il faut connaître la méthode, la version du modèle, les configurations et les données utilisées pour comparer les systèmes.

Les comparaisons entre modèles peuvent cesser d’être équivalentes si elles portent sur des versions différentes, utilisent des outils distincts, imposent des budgets d’exécution inégaux ou appliquent des filtres de sécurité qui empêchent l’achèvement d’une tâche. Mistral met en avant des résultats favorables dans certains domaines, mais la documentation fournie ne permet pas de reconstituer de façon indépendante toutes les conditions de ces comparaisons.

La conclusion prudente doit rester limitée : certains résultats publiés suggèrent une amélioration importante par rapport aux modèles précédents de Mistral, mais les éléments disponibles ne suffisent pas à affirmer que Large 4 surpasse globalement ses concurrents. Un classement ponctuel ne permet pas non plus de prévoir ses performances sur les documents, le code, les données et les outils propres à une organisation.

Agents et multimodalité : des capacités annoncées qui doivent être testées en situation

Mistral présente Large 4 comme un modèle capable d’exécuter des agents polyvalents : recueillir des informations, utiliser des outils et mener à bien des flux de travail en plusieurs étapes. L’entreprise met aussi en avant sa capacité à analyser des documents, des graphiques et des images, et à combiner interprétation visuelle et actions au moyen d’outils. Ces objectifs sont pertinents pour les entreprises, mais leur description ne permet pas de supposer que le système saura accomplir n’importe quel processus de façon fiable et sans supervision.

Dans une tâche confiée à un agent, une erreur peut se propager : une mauvaise lecture d’un document peut conduire à une recherche erronée, puis à une action indésirable. L’évaluation d’un système agentique ne doit donc pas se limiter à la réponse finale. Elle doit aussi mesurer l’exactitude de chaque étape, la qualité des sources consultées, la gestion des erreurs et la possibilité d’interrompre ou de contrôler les actions.

La multimodalité doit, elle aussi, être évaluée sur des supports représentatifs. Analyser un plan technique, extraire des données d’un PDF et rechercher des objets dans une image de grande taille sont des tâches différentes. Un résultat favorable dans une démonstration ou un benchmark ne garantit pas que le modèle interprétera correctement les formats, les résolutions ou les documents propres à une organisation.

Pour les applications à forts enjeux — par exemple les modifications de systèmes, les transactions ou les décisions de sécurité — il est préférable de limiter les permissions, de consigner l’utilisation des outils et d’exiger une validation humaine avant toute action irréversible. L’automatisation peut réduire la charge de travail sans supposer que le modèle dispose d’une autonomie complète.

Cybersécurité : potentiel défensif et limites de la sécurité

La cybersécurité occupe une place centrale dans l’annonce. Mistral affirme que Large 4 figure parmi les cinq modèles les mieux classés dans l’Artificial Analysis Cyber Index et publie des résultats pour des exercices de reproduction et de correction de vulnérabilités, Cybench et des tests de résistance aux attaques. Les informations disponibles ne fournissent pas d’évaluation indépendante supplémentaire qui permettrait de confirmer ici l’ensemble de ces chiffres et comparaisons.

L’entreprise annonce également un résultat de 93,3 % au benchmark public B3 AI Security de Lakera et décrit des tests internes portant sur l’analyse de logiciels malveillants, la hiérarchisation des vulnérabilités et la rédaction de règles de détection. Il faut distinguer les résultats de tests de sécurité d’une garantie que le modèle serait sûr en production. Un benchmark mesure un ensemble de cas défini, pas toutes les formes d’attaque possibles.

Un modèle qui aide à trouver et à reproduire des failles peut aussi faciliter des usages malveillants. La possibilité de déployer ses propres poids peut donner davantage de contrôle aux équipes défensives, mais elle transfère également aux organisations une plus grande responsabilité en matière de garde-fous, de journalisation, de contrôle des accès et de mises à jour. Mistral dit effectuer des tests d’équipe rouge avec des entités sélectionnées avant la publication des poids ; cela ne remplace pas une évaluation publique des risques et ne définit pas à lui seul les conditions d’utilisation finales.

Pour un déploiement responsable, la question pratique n’est pas seulement de savoir si le modèle refuse les demandes malveillantes. Il faut aussi déterminer comment les environnements sont séparés, comment les outils sont contrôlés et comment les résultats sont examinés. Une évaluation utile doit inclure des tests autorisés, une supervision humaine et des mécanismes empêchant une réponse du modèle de déclencher directement des changements dans des systèmes sensibles.

Ce qui reste à confirmer avant de conclure

La licence définitive et ses permissions pratiques restent une question ouverte dans les informations disponibles : Mistral a annoncé la publication des poids pour la fin octobre, mais sa première annonce ne précise pas la licence. Sans l’avoir consultée, il est impossible de confirmer que toutes les organisations pourront modifier, redistribuer ou utiliser le modèle selon toutes les modalités.

Les conditions complètes de coût et de déploiement restent elles aussi à vérifier. Les informations fournies contiennent des chiffres d’API divergents et ne permettent pas d’établir un prix unique applicable à toutes les modalités ou à toutes les régions. Le coût total peut dépendre de l’utilisation, du stockage, de l’infrastructure, de l’assistance et des conditions en vigueur pour le service.

Une disponibilité annoncée ne signifie pas une disponibilité universelle. L’accès confirmé est celui de la préversion publique ; la publication des poids était prévue pour la fin octobre, tandis que l’offre régionale et le déploiement européen sont décrits comme des modalités envisagées. Leur portée effective doit être vérifiée dans la documentation à jour.

En résumé, Large 4 mérite l’attention en raison de son envergure, de son API et du projet annoncé de publier ses poids. Mais une évaluation solide doit attendre la licence, la documentation technique promise et des évaluations indépendantes reproductibles supplémentaires. D’ici là, les résultats de performance et de sécurité doivent être considérés comme des résultats communiqués, et non comme des garanties.

Poursuivre l’exploration

Corrections et transparence

Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.