Mistral Large 4 : le Chonk, le retour de l'Europe dans la course aux poids ouverts

Mistral n'avait pas sorti de grand modèle depuis décembre 2025. Dix mois pendant lesquels quiconque cherchait un modèle à poids ouverts compétitif finissait inévitablement chez DeepSeek, Qwen d'Alibaba ou GLM de Z.ai. Ce mardi 6 octobre, la startup parisienne tourne cette page avec Mistral Large 4, officiellement surnommé « le Chonk » par ses équipes.

Un billion de paramètres, 49 milliards actifs

ML4 est une architecture mixture-of-experts : un trillion de paramètres au total, dont 49 milliards activés à chaque requête. Pour la comparaison, Mistral Large 3 mobilisait 675 milliards de paramètres en tout. À cela s'ajoute un encodeur visuel de 1,6 milliard de paramètres qui rend le modèle nativement multimodal. La fenêtre de contexte atteint 512 000 tokens, avec une génération jusqu'à 256 000 tokens, ce qui couvre sans difficulté une base de code entière ou un dossier réglementaire dense.

La preview est accessible dès ce soir sur Mistral Studio via l'API. Les poids seront libérés le 27 octobre, vraisemblablement sous licence MIT.

Entraîné dans des datacenters européens

Mistral insiste sur un point qui n'est pas anodin pour ses clients institutionnels et ses prospects souverains : ML4 a été entraîné de bout en bout sur ses propres GPU, dans ses propres datacenters en Europe. L'infrastructure repose sur 3 800 NVIDIA Grace Blackwell. La preview est servie depuis cette même infrastructure, indépendamment de tout autre fournisseur de services numériques. Le modèle couvre plus de 160 langues, dont l'intégralité des langues officielles de l'Union européenne.

Guillaume Lample, cofondateur et directeur scientifique de Mistral, résume l'ambition sans sur-promettre : « On va sortir un modèle qui est essentiellement au même niveau que les meilleurs modèles chinois d'il y a un mois ou deux. » La formule est honnête. Elle dit aussi ce qu'elle tait : l'écart avec les modèles fermés américains n'est pas comblé.

Benchmarks : SOTA ouvert hors Chine, mais derrière les fermés

Sur DeepSWE v1.1, le benchmark de codage autonome sur des tâches longues, ML4 Preview obtient 62 %, un point devant GLM-5.3 selon les chiffres publiés par Mistral. En finance, sur le benchmark Finch, ML4 égale DeepSeek V4 Pro. Pour référence, Mistral Medium 3.5 plafonnait à 37 % sur ce même test.

En compréhension visuelle et visuelle grounding, Mistral annonce dépasser certains modèles fermés de premier plan. Sur l'index global de Vals AI, ML4 Preview score 48,05 %, derrière GPT-6 et les Claude récents, mais clairement au-dessus de tout modèle ouvert développé en dehors de Chine.

Une évaluation humaine en aveugle conduite par Surge AI sur la qualité de code place ML4 Preview à 3,74 sur 5, en deuxième position parmi cinq modèles testés. Pour les tâches d'ingénierie logicielle, un comparatif indépendant cite un coût par tâche cinq fois inférieur à celui de Claude Opus 5 d'Anthropic, avec des performances proches sur ce domaine.

Un modèle pensé pour la cybersécurité offensive

Le détail le plus inhabituel dans l'annonce de Mistral concerne la cybersécurité. ML4 a été conçu pour ne pas bloquer les demandes légitimes de recherche en sécurité offensive. La startup travaille avec des équipes de réponse à incident et des partenaires gouvernementaux qui accèdent pendant la phase de red-teaming à une version à modération réduite et capacités cyber étendues.

L'argument est industriel autant que technique : une équipe de sécurité qui dépend d'une API tierce pour ses tests d'intrusion prend le risque qu'un fournisseur lui coupe l'accès au mauvais moment. Les poids ouverts et le déploiement auto-hébergé éliminent ce risque. Ce positionnement rejoint directement les problématiques que les entreprises européennes rencontrent lorsqu'elles évaluent leurs options d'agents IA pour la sécurité.

Ce que ça change pour l'écosystème

Pour les startups et les éditeurs logiciels français et européens qui construisent sur des modèles ouverts, ML4 change le calcul. Depuis dix mois, choisir un modèle ouvert compétitif impliquait soit de se tourner vers des modèles chinois (avec les questions de gouvernance que cela pose), soit d'accepter un gap de performance significatif. ML4 ferme, au moins partiellement, cette brèche.

Pour Mistral elle-même, ce lancement intervient après une levée de 3 milliards de dollars début 2026. Le capital était là, la question était de savoir si la recherche suivrait. ML4 apporte une première réponse. Les poids du 27 octobre en apporteront une seconde, plus définitive : c'est à ce moment que la communauté pourra tester, affiner et comparer sans restriction. C'est aussi à ce moment que l'on saura si l'ouverture revendiquée tient ses promesses face aux modèles ouverts chinois dans leur version finale.

En attendant, la preview est disponible. Et « le Chonk » a au moins réussi une chose : remettre l'Europe dans la conversation sur les modèles de pointe à poids ouverts.