Trois semaines après sa préversion, Mistral a publié jeudi les poids de Mistral Large 4. Le modèle d'IA open source français revendique la première place mondiale des modèles ouverts en code agentique et mise clairement sur la cyberdéfense.
Beaucoup attendaient ce jour, voilà que Mistral a publié les poids de Mistral Large 4, son modèle d'IA ouvert de 1 000 milliards de paramètres, téléchargeable par tous sur Hugging Face depuis ce jeudi 29 octobre 2026. Depuis la grande annonce et la préversion du 6 octobre et ce lancement, le « Chonk » a rempilé pour trois semaines d'entraînement supplémentaire, et c'est en programmation que la différence se voit le plus. En cyberdéfense, le bulletin réclame une lecture plus attentive, ce qui n'a pas dissuadé Microsoft, Orange Cyberdefense ou l'agence européenne de cybersécurité de se pencher sur son cas.
Le modèle d’IA le plus massif de Mistral est désormais téléchargeable par tous
Que le petit chat orange choisi comme emblème ne trompe personne. Mistral Large 4, dit ML4, n'est pas un poids plume. Déjà, il aligne 1 000 milliards de paramètres. Les paramètres, ce sont des réglages ajustés pendant l'entraînement, qui façonnent chacune des réponses du modèle. Publier les « poids », cela revient à livrer la valeur de tous ces réglages. Chacun peut alors installer le modèle sur ses propres machines, l'examiner ou le retoucher. Petite astuce de conception, ML4 n'en sollicite que 52 milliards à la fois, seule une fraction du réseau se met au travail à chaque requête. La facture de calcul s'en trouve allégée, sans que la carrure en pâtisse. Il est multimodal de façon native, et comprend aussi bien le texte que l'image.
Depuis le 6 octobre, ML4 a pu faire ses classes sur le terrain. Des clients en accès anticipé et des partenaires spécialisés en cybersécurité l'ont mis à l'épreuve, pendant que Mistral prolongeait son apprentissage par renforcement, afin de récompenser les bonnes réponses pour polir le comportement du modèle. Trois modes de raisonnement sont au menu, comme on en a l'habitude avec d'autres outils, à savoir bas, moyen et élevé. On dose ainsi l'effort selon qu'on corrige une coquille ou qu'on s'attaque à un problème un peu poilu.
Le vice-président science de Mistral, Pierre Stock, salue la démonstration d'une équipe capable d'« innover vite ». Il est vrai qu'en moins de trois semaines, dans la même session d'entraînement, deux modes de raisonnement supplémentaires ont été ajoutés à partir des retours clients. Le modèle est aussi devenu plus efficace, aussi plus personnalisable. Les gains seraient « substantiels », selon Mistral, sans « aucun signe de saturation ». Le « Chonk », surnom donné à Mistral Large 4, n'a peut-être pas fini de prendre du muscle.
En programmation, Mistral Large 4 coiffe GLM-5.3 d'un cheveu
Le code, c'est justement là que la cure porte ses fruits. Pour le mesurer, Mistral s’appuie d'ailleurs sur Terminal-Bench 4.0, un banc d'essai qui lâche l'IA dans un terminal, la fenêtre un brin austère où les développeurs pilotent un ordinateur à coups de commandes tapées au clavier. Concrètement, l'IA y travaille sans aide humaine. Elle tape ses commandes, lit les réponses de la machine, repère ses erreurs et corrige le tir jusqu'à boucler la tâche. Les missions touchent au développement logiciel, à la sécurité, à l'apprentissage automatique ou encore au matériel, et le score indique simplement la proportion de missions réussies. La préversion d’octobre en bouclait 28 %, la version publiée aujourd’hui en réussit 41 %. Il y a un petit bémol de méthode, tout de même, car le premier chiffre a été annoncé par Mistral, qui a fait passer le test lui-même. Le second provient d'Artificial Analysis, un organisme indépendant qui soumet de nombreux modèles à ces épreuves. Les conditions de test pouvant varier d'un examinateur à l'autre, mieux vaut manier la comparaison avec prudence.
Ce résultat place ML4 un point devant le chinois GLM-5.3 (40 %), et loin devant DeepSeek V4.1 Flash (31 %) ou Kimi K3 (21 %). Sur l'indice de code global d'Artificial Analysis, Mistral revendique même le titre de meilleur modèle ouvert au monde en code agentique, c'est-à-dire capable d'enchaîner seul les étapes d'un projet de développement. Sur Terminal-Bench, son communiqué parle en revanche d'égalité avec GLM-5.3. Quant à la précision de « meilleur modèle ouvert conçu en Occident », elle en dit long. La concurrence la plus rude se trouve actuellement en Chine, chez GLM-5.3, Kimi K3 ou DeepSeek.
Le véritable atout du Chonk, c'est la sobriété. Sur le même indice, ML4 rivalise avec GLM-5.3 en consommant en moyenne 47 % de tokens en moins par tâche. Ces fragments de mots servent d'unité de facturation aux fournisseurs d'IA, alors même que leur prix augmentait, souligne Mistral. Les secteurs régulés, qui tiennent à garder leur code à l'abri, peuvent en prime faire tourner le modèle chez eux. L'éditeur voit aussi ses clients s'en servir en finance, pour digérer tableurs complexes et rapports financiers. Dans l'industrie, il pourrait convertir un plan 2D en modèle 3D dans un logiciel de CAO.
Cyberdéfense et souveraineté, l'autre pari de Mistral Large 4
Puis il y a le volet ô combien important de la cyberdéfense. Mistral promet aux entreprises et aux États un outil capable de détecter, d'analyser et de contrer des menaces dans le code et les infrastructures informatiques. Hébergé chez eux, il ne pourra être ni restreint, ni désactivé par un tiers. Sur CyberGym-E2E, le modèle doit débusquer de vraies failles de sécurité mémoire dans des logiciels libres écrits en C et C++, les reproduire, puis les corriger sans rien casser. ML4 y obtient 79 %, à égalité avec MiMo-V2.6-Pro et juste devant DeepSeek V4.1 Flash (76 %). GLM-5.3, son rival du code, s'écroule à 29 %. Lors de la préversion, Mistral affichait 82 sur CyberGym, mais on se demande si les deux mesures sont strictement comparables.
La liste des partenaires fournie par Mistral, elle en tout cas assez impressionnante. Microsoft devient le premier fournisseur cloud à proposer ML4, depuis sa plateforme Foundry. Lors de ses tests internes, Booz Allen Hamilton a vu le modèle égaler d'autres IA de pointe dans la détection de vulnérabilités, avec une « courbe de coûts convaincante ». L'ENISA, l'agence européenne de cybersécurité, le teste pour auditer du code et analyser des journaux de sécurité. L'Agence spatiale européenne (ESA) compte bâtir dessus des outils pour ses données d'observation de la Terre, terrain où ML4 doit permettre de repérer un feu de forêt ou de surveiller des lignes électriques sur des images satellite.
Orange Cyberdefense, Crédit Agricole, CrowdStrike et le néerlandais ASML, maître des machines à graver les puces sur le Vieux continent, figurent aussi parmi les soutiens affichés. Orange Cyberdefense a par exemple expliqué, ce jeudi après-midi, s'en servir pour la conception de services de sécurité managés.
Le tout a été entraîné sur 3 800 puces NVIDIA Grace Blackwell, parmi les plus puissantes du marché pour l'IA, dans les centres de données européens de Mistral. Selon la start-up, il lui a fallu pour cela une fraction de la puissance de calcul et des capitaux engagés par les laboratoires fermés, ceux qui gardent leurs modèles sous clé. Arthur Mensch, son patron, juge l'open source « essentiel » pour éviter que l'IA de pointe ne finisse « concentrée entre les mains de quelques acteurs ». Il rappelle que d'autres ont levé « des centaines de milliards » de dollars, quand Mistral en a réuni environ 6 en trois ans. Les poids de ML4 sont désormais en ligne sur Hugging Face, la plateforme de référence pour le partage de modèles d'IA. Les développeurs peuvent aussi l'intégrer à leurs services via l'API de Mistral, et certains utilisateurs de Vibe, l'assistant de Mistral anciennement baptisé Le Chat, y ont déjà accès. Après Voxtral 3, une famille de modèles et d'agents vocaux, d'autres modèles de cette nouvelle génération sont promis dans les mois à venir.
