Ing. Calogero Bono
Mistral a publié les poids de Mistral Large 4, surnommé Le Chonk, un modèle d'environ mille milliards de paramètres. Il l'a fait fin octobre, après un aperçu public en début de mois. On le télécharge depuis Hugging Face et on peut aussi l'utiliser via API. C'est important, car il s'agit d'un modèle ouvert que l'entreprise française positionne sur le code et la défense informatique, et parce que personne ne peut l'éteindre à distance.
Quelques termes, avant d'entrer dans les faits. Les poids (weights) sont les paramètres numériques appris pendant l'entraînement, ceux qui font fonctionner le modèle. Open-weight signifie qu'on peut les télécharger, pas que tout le code soit libre. MoE (Mixture-of-Experts) est une architecture dans laquelle, pour chaque token, seul un petit groupe d'"experts" internes travaille. Un token est un morceau de texte traité par le modèle. Le benchmark est un test standard pour comparer les modèles.
Qu'est-ce que Mistral Large 4 ?
Selon la fiche officielle sur Hugging Face, il s'agit d'un modèle multimodal et multilingue de type MoE. Il accepte le texte et les images et génère du texte. Il compte environ 1T de paramètres au total, 49B actifs et une fenêtre de contexte de 1M de tokens.
La licence est la Mistral Ecosystem Open-Weight License, dérivée de la MIT avec des limites pour ceux qui veulent proposer le modèle comme service. Punto Informatico rapporte qu'il prend en charge plus de 160 langues et qu'il a été entraîné avec 3 800 puces NVIDIA Grace Blackwell. ZDNET cite de son côté la déclaration de Mistral sur 4 000 GPU pendant deux mois. Les deux chiffres ne concordent pas, nous les rapportons donc tous les deux en les attribuant à leurs sources.
Quels chiffres annonce Mistral ?
Sur le code, la fiche Hugging Face indique 61,7% sur DeepSWE v1.1 et 28,3% sur Terminal-Bench 4. Un Coding Agent Index de 49,8%. Pour ZDNET, Terminal-Bench 4.0 est passé à 41% contre 28% dans l'aperçu, soit un point au-dessus de GLM-5.3. Sur l'indice global, le modèle obtient 48 contre 49 pour GLM-5.3.
Mistral affirme rivaliser avec GLM-5.3 en utilisant 47% de tokens en moins par tâche, comme le rapporte TechCrunch. Sur le volet cyber, Hugging Face parle de 82% dans un test qui demande de reproduire une vulnérabilité réelle puis de la corriger, et de 93% sur Cybench (40 défis). Punto Informatico écrit que seul DeepSeek V4.1 Flash fait mieux sur le benchmark dédié, tandis que ZDNET affirme que Le Chonk se place juste au-dessus de DeepSeek V4.1 Flash sur CyberGym. Les sources ne sont pas alignées sur ce point.
Pourquoi les poids ouverts comptent-ils pour la sécurité ?
L'argument de Mistral est le contrôle. Pierre Stock, vice-président science, a dit à WIRED que l'IA sera comme l'électricité et que l'on ne veut pas que quelqu'un puisse la couper. Les modèles fermés peuvent bloquer les demandes d'analyse de malwares ou de vulnérabilités, parce qu'elles ressemblent à des attaques. Avec les poids chez soi, la politique d'usage et le déploiement restent entre vos mains.
Il y a aussi le revers de la médaille. Rafe Pilling de Sophos décrit le modèle comme une technologie à double usage, car il peut être téléchargé et adapté aussi par ceux qui attaquent. Pour Mistral, le modèle refuse les demandes malveillantes dans 97% des cas (donnée rapportée par Punto Informatico). Hugging Face affirme que le taux moyen de refus sur les requêtes cyber est plus élevé que celui de tout autre modèle à poids ouverts.
Pour comprendre le contexte de l'incident cité par la presse, lisez notre article sur l'affaire Hugging Face.
Comment l'utiliser en pratique ?
Le modèle bénéficie d'un support day-0 pour transformers, vLLM et llama.cpp, avec des quantifications GGUF. Il y a aussi Inference Endpoints et Inference Providers. Les développeurs y accèdent également avec Mistral Studio, l'API et OpenRouter.
Le niveau de raisonnement peut être low, medium ou high. Le réglage par défaut est high et, selon la fiche, le raisonnement ne peut pas être désactivé. La version NVFP4 pour vLLM nécessite des GPU NVIDIA Blackwell, et l'exemple officiel utilise 8 GPU. Ce n'est pas un modèle pour petit serveur. Si vous cherchez une IA plus accessible, consultez le guide de l'IA pour les PME.
Limites à connaître
Presque tous les chiffres sont annoncés par Mistral. ZDNET rappelle qu'il faut prendre les benchmarks avec prudence. Les sources divergent sur qui est en tête en cyber et sur les ressources d'entraînement. Le classement de Hugging Face place le modèle cinquième parmi les modèles à poids ouverts sur l'Artificial Analysis Intelligence index, alors que Mistral parle du meilleur au monde pour le code et la cyber en open, selon WIRED. Ce sont des affirmations différentes.
Personne n'a vérifié de façon indépendante que le modèle résiste à un usage malveillant après un fine-tuning. Les coûts réels d'exécution et les tests sur des cas italiens manquent. De plus, la licence limite la mise à disposition du modèle comme service.
Ce que ça change pour qui travaille avec le numérique
Pour les développeurs, il existe désormais une alternative européenne ouverte pour les assistants de code et l'analyse de sécurité, à faire tourner chez soi. Pour qui gère des données sensibles, le déploiement sur site évite d'envoyer code et journaux à des tiers. Comme l'a rappelé Stock à TechCrunch, l'accès ne peut pas être révoqué.
Pour une petite entreprise, cependant, il faut du matériel conséquent ou un fournisseur. Beaucoup dépend du prestataire. Le cadre réglementaire compte aussi, c'est pourquoi nous vous renvoyons vers le guide sur l'AI Act pour les développeurs. Si vous gérez des serveurs, l'hébergement et les serveurs gérés avec mises à jour de sécurité restent la base, quel que soit le modèle utilisé.
Notre avis
La démarche est intéressante, et le choix de publier les poids a du sens pour la défense. Celui qui enquête sur une vulnérabilité ne devrait pas se voir fermer la porte au milieu d'un incident. Le ton de course géopolitique nous convainc moins. Les propos de Pilling sont un bon antidote, car le risque dépend de la surveillance et des contrôles, et non de la nationalité du modèle.
Par ailleurs, un modèle de mille milliards de paramètres n'est accessible qu'à très peu de PME italiennes. L'avantage concret, pour l'instant, profite aux organismes publics, aux grandes entreprises et aux fournisseurs. Attendons des tests indépendants avant de le déclarer le meilleur.
Questions fréquentes
Mistral Large 4 est-il vraiment open source ?
Il est open-weight, pas open source au sens strict. Les poids se téléchargent depuis Hugging Face. La licence dérive de la MIT mais limite la mise à disposition du modèle comme service.
Peut-on l'utiliser gratuitement ?
Les poids sont disponibles gratuitement, selon Punto Informatico. Faire tourner le modèle coûte toutefois en matériel. L'exemple officiel utilise 8 GPU.
Est-il meilleur que les modèles chinois ?
Cela dépend du test. Mistral dit égaler ou dépasser des modèles comme DeepSeek et Z.ai. ZDNET parle d'un point de retard sur GLM-5.3 pour l'indice global.
Peut-il servir à attaquer ?
Oui, comme tout modèle téléchargeable. Mistral annonce un refus des demandes dangereuses dans 97% des cas. Après un fine-tuning, en revanche, le comportement pourrait changer.
Quelles langues prend-il en charge ?
Plus de 160, selon Punto Informatico, dont toutes les langues européennes. Il accepte le texte et les images et génère du texte.
Ce qu'il faut suivre dans les prochains mois, entre tests indépendants et coûts réels
- Suivez les tests indépendants, comme Artificial Analysis, et ne vous fiez pas uniquement aux chiffres de l'entreprise.
- Calculez le coût d'exécution, en matériel ou via API, avant de migrer un flux de travail. Pour commencer petit, découvrez cinq usages de l'IA pour les petites entreprises.
- Préparez vos défenses contre les abus, à commencer par jailbreak et prompt injection.
