Mistral Large 4 (« Le Chonk ») : faut-il le mettre dans votre stack IA ? Ce qui change pour vos achats (et ce qu’il faut vérifier avant le 27 octobre)

Mardi 6 octobre, Mistral a ouvert la préversion publique de Mistral Large 4, surnommé « le Chonk ». C’est le premier grand modèle financé par la levée de 3 milliards d’euros de septembre, et la promesse est simple : un modèle de pointe dont les poids seront publiés, entraîné et servi en Europe. Pour un directeur des achats, un DSI ou un RSSI français, la vraie question n’est pas « est-ce que la France a rattrapé ChatGPT ? ». La réponse est non, et Mistral le dit lui-même. La question utile est : pour quels usages ce modèle devient-il une option sérieuse, à quel prix, et qu’est-ce qui manque encore pour signer ?

Ce qui a été annoncé, concrètement

Selon l’annonce de Mistral et sa fiche technique :

• un modèle d’environ 1 000 milliards de paramètres, en architecture « mixture of experts » : seule une partie du modèle travaille à chaque réponse (49 milliards de paramètres actifs selon l’annonce, 52 milliards selon la fiche de la documentation) ;
• multimodal : il lit du texte et des images, et répond en texte ;
• entraîné de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans les propres datacenters européens de Mistral, et servi sur la même infrastructure ;
• plus de 160 langues dans les données d’entraînement, dont toutes les langues officielles de l’UE ;
• disponible dès maintenant en API de préversion sur Mistral Studio ;
• poids publiés « d’ici la fin du mois », avec plus de détails sur l’architecture, des benchmarks supplémentaires et la méthode de post-entraînement. The Next Web et l’AFP citent la date du 27 octobre.

Mistral met en avant trois terrains : la cybersécurité, la finance et le juridique. Ce choix n’est pas un hasard : ce sont les secteurs où l’on hésite le plus à envoyer ses données chez un fournisseur américain, et où un refus du modèle en pleine tâche peut coûter cher.

Ce qu’il vaut vraiment, d’après une mesure indépendante

Les chiffres de Mistral sont des chiffres de Mistral. La mesure la plus utile pour l’instant vient d’Artificial Analysis, un banc d’essai indépendant, qui a publié son évaluation le jour même.

• Score de 38 sur son indice d’intelligence, comparable à GPT-6 Luna (en raisonnement maximal, 38) et à DeepSeek V4.1 Flash (39). C’est, selon Artificial Analysis, le modèle le plus capable conçu hors des États-Unis et de la Chine. L’AFP rappelle que la médiane du marché sur cet indice est de 26.
• Score de 50 sur son indice cyber, au niveau de GLM-5.3-Flash et derrière MiMo-V2.6-Pro (56).
• Mais un coût par tâche plus de quatre fois supérieur à celui des modèles ouverts d’intelligence comparable : 1,13 dollar par tâche au tarif normal, 0,57 dollar pendant la remise de lancement, contre 0,25 dollar pour GLM-5.3-Flash et 0,27 dollar pour DeepSeek V4.1 Flash.

Guillaume Lample, cofondateur de Mistral, le reconnaît auprès du Figaro, cité par 01net : c’est « un modèle qui ne comble pas complètement l’écart avec les modèles frontières, mais le réduit significativement ». Autrement dit : ce n’est pas un remplaçant de Claude Opus ou de GPT-6 Astra sur les tâches les plus difficiles. C’est un concurrent sérieux pour les tâches de milieu de gamme, avec un argument que les autres n’ont pas.

Le prix : moins cher qu’il n’y paraît, plus cher qu’on ne croit

Les tarifs publiés par Mistral, par million de « tokens » (les unités de texte que facture le modèle) :

• 1,36 dollar en entrée, 0,14 dollar en entrée mise en cache, 4,18 dollars en sortie au tarif normal ;
• moitié prix pendant les deux premières semaines (0,68 / 0,07 / 2,09 dollars) ;
• 50 % de remise en traitement par lots (batch) ;
• 10 % plus cher (1,1 fois le tarif) sur le point d’accès européen api.eu.mistral.ai, qui garantit que les requêtes sont traitées dans des datacenters de l’UE et de l’AELE.

Deux pièges à connaître. D’abord, Artificial Analysis trouve le modèle bavard : il produit beaucoup de texte en sortie, la partie la plus chère. Votre facture dépendra moins du prix affiché que de la longueur réelle des réponses sur vos cas d’usage. Ensuite, la documentation de Mistral précise que le point d’accès européen garantit le lieu de traitement des requêtes, mais que les données de compte, de facturation et d’analyse peuvent être traitées hors de la région, et que certaines fonctions (agents, batch, fichiers) n’y sont pas disponibles. « Hébergé en Europe » ne veut donc pas dire « tout en Europe ».

Ce que « poids ouverts » change pour vous (et ce qui n’est pas encore écrit)

L’intérêt stratégique est là. Une fois les poids publiés, une banque, un industriel ou une administration pourra faire tourner le modèle sur ses propres serveurs : pas de dépendance à un fournisseur qui peut couper l’accès, changer ses règles d’usage ou refuser une tâche. Mistral insiste sur la cybersécurité : sur un test qui demande de reproduire une vraie faille dans un logiciel open source pour la corriger, il revendique 82 % de réussite, quand plusieurs modèles fermés de pointe obtiennent un score proche de zéro parce qu’ils refusent la tâche.

Mais trois choses ne sont pas encore connues, et elles comptent pour un contrat :

1. La licence. Aujourd’hui, la documentation technique de Mistral destinée aux intégrateurs ne liste que des licences propriétaires (conditions du service en ligne, accords confidentiels de déploiement sur site) et indique qu’elle sera mise à jour à la sortie des poids. Mistral Large 3 était sous Apache 2.0, mais tous les modèles de la maison ne le sont pas (Fello AI relève une licence MIT modifiée pour Mistral Medium 3.5). Tant que le texte n’est pas publié, ne supposez pas un usage commercial libre.
2. Le coût d’hébergement. Un modèle de cette taille ne tourne pas sur un serveur de bureau. Héberger soi-même suppose une infrastructure GPU conséquente : chiffrez-la avant de promettre l’autonomie à votre comité de direction.
3. La version finale. Mistral indique que l’entraînement par renforcement de la préversion est toujours en cours et promet des améliorations « dans les semaines et les mois à venir ». Ce que vous testez aujourd’hui n’est pas exactement ce qui sera publié le 27 octobre.

Exemple concret : un cabinet de conseil financier à Lyon

Imaginez une société de conseil de 80 personnes qui utilise un modèle américain via API pour analyser des rapports annuels et préparer des notes clients. Son client principal, une banque, commence à poser des questions sur la localisation des données.

Le bon réflexe n’est pas de tout basculer demain. C’est de profiter de la remise de lancement pour faire passer à Mistral Large 4 un échantillon de 30 vraies tâches (anonymisées) déjà traitées par le modèle actuel, via le point d’accès européen. On compare trois choses : la qualité jugée par un analyste senior, le coût réel par tâche (sorties comprises), et le temps de réponse. Si le résultat est au niveau sur ces tâches de milieu de gamme, le cabinet garde son modèle actuel pour les cas les plus complexes et propose Mistral pour les dossiers de ce client sensible. Il a alors un argument commercial concret, et non un slogan sur la souveraineté.

Ce qu’il faut faire avant le 27 octobre

1. Tester pendant la remise : les deux premières semaines sont le moment le moins cher pour mesurer le modèle sur vos propres cas, pas sur des benchmarks.
2. Mesurer le coût par tâche, pas le prix au million de tokens : faites tourner le même lot sur votre modèle actuel et sur Mistral Large 4.
3. Choisir le bon point d’accès : si l’argument est la localisation des données, utilisez l’endpoint européen et notez noir sur blanc ce qu’il couvre et ne couvre pas.
4. Attendre la licence avant tout engagement d’hébergement interne ou d’intégration dans un produit que vous revendez.
5. Mettre une clause de réversibilité dans tout contrat IA, quel que soit le fournisseur : le marché bouge chaque mois et ce modèle lui-même va changer.

Ce que ça veut dire, vraiment

Mistral Large 4 ne fait pas de la France le leader mondial de l’IA. Il fait quelque chose de plus utile pour les entreprises européennes : il crée une alternative crédible, mesurée de façon indépendante, pour les usages où la dépendance à un fournisseur étranger est un vrai risque. La bonne stratégie n’est ni l’enthousiasme patriotique ni l’indifférence. C’est un test chiffré, maintenant, pendant que c’est moins cher, et une décision le jour où la licence sera publiée. Les équipes qui auront leurs chiffres en main fin octobre négocieront mieux avec tous leurs fournisseurs, Mistral compris.