Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
M
MISTRAL / mistralai/LIDstral-Arabic
LIDstral Arabic
Classificateur de langues et de dialectes publié par Mistral sur Hugging Face le 9 octobre 2026. Il reçoit du texte en écriture arabe et distingue arabe standard, dialectes et autres langues utilisant cette écriture. Ce n’est ni un assistant génératif ni un modèle de transcription. Il combine fastText one-vs-all, un MLP et une calibration isotone par classe ; il renvoie une étiquette et des probabilités calibrées sur 51 classes.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | mistralai/LIDstral-Arabic |
|---|---|
| Type de modèle | Classification de texte |
| Mode d’accès | Poids ouverts |
| Licence | Apache 2.0 |
| Déploiement | Classificateur local sur CPU |
| Lancement | 09 OCT. 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte |
| Sortie | Étiquette et probabilités |
| Fenêtre contextuelle | Texte non vide après prétraitement |
| puissance maximale | Étiquette et probabilités sur 51 classes |
| Raisonnement | Sans objet |
| Outils publiés | |
| Sorties structurées | JSON du classificateur local |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · fastText · PyTorch |
Classification de corpus, routage par langue, choix de ressources linguistiques et analyse dialectale. Inclure des langues non arabes réduit la confusion entre langue et écriture. Le script officiel fonctionne sur CPU et propose entrée individuelle, API Python et traitement JSONL. Le pipeline exige de conserver ensemble lid_ova_full.bin, mlp_stacker_ln.pt et isotonic_calibration.pkl.
Il choisit toujours une des 51 classes : les langues non prises en charge ou les textes mélangés peuvent être mal étiquetés. Le prétraitement supprime artefacts web et ASR, diacritiques, allongements décoratifs et ponctuation répétée ; il conserve les variantes d’alef. Une entrée vide ou entièrement supprimée provoque une erreur. La confiance calibrée ne remplace ni validation sur votre domaine ni politique pour les cas incertains.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
Classification de corpus, routage par langue, choix de ressources linguistiques et analyse dialectale. Inclure des langues non arabes réduit la confusion entre langue et écriture. Le script officiel fonctionne sur CPU et propose entrée individuelle, API Python et traitement JSONL. Le pipeline exige de conserver ensemble lid_ova_full.bin, mlp_stacker_ln.pt et isotonic_calibration.pkl.
Contexte
Texte non vide après prétraitement · Étiquette et probabilités sur 51 classes
Outils et intégration
Non publié
Accès
Hugging Face · fastText et PyTorch
Modalités d’entrée
Texte
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | Aucun tarif API officiel publié | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Coût de l’infrastructure propre | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
La fiche déclare Apache 2.0 et le dépôt est public et sans restriction lors de cette vérification. L’exemple mentionne encore un téléchargement privé ; ce texte ne signifie pas qu’une API commerciale est disponible. Aucun endpoint hébergé ni tarif par token n’a été vérifié. L’hébergement propre coûte CPU, mémoire, stockage et exploitation ; fixez la révision du code avant de charger les fichiers.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
Mistral publie une évaluation sur 84 870 exemples arabes issus de plusieurs jeux de données. Pour le darija marocain, le F1 annoncé est de 88,67 %. Nous conservons le dialecte et la métrique : ce n’est pas une exactitude globale applicable à toutes les classes. Inferama n’a pas reproduit ce résultat. Une évaluation propre doit examiner matrice de confusion, calibration, textes mélangés et comportement hors distribution.
| Benchmark | Résultat | Métrique | Source |
|---|---|---|---|
| LIDstral Arabic (Moroccan Darija) | 88,67 % | F1 | Voir la source ↗ |
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
LIDstral Arabic
Publication publique du dépôt. La création du 8 octobre n’est pas utilisée comme date de lancement.
07 / SOURCES