Mistral Large 4 passe en poids ouverts : le modèle français à 1 000 milliards de paramètres devient téléchargeable

Mistral AI a franchi une étape attendue depuis trois semaines. Le 29 octobre 2026, la startup française a publié les poids ouverts de Mistral Large 4, son plus grand modèle à ce jour, après l’avoir présenté en préversion publique le 6 octobre sous le surnom de « Le Chonk ». Les fichiers sont distribués sur Hugging Face, et les équipes peuvent désormais télécharger, adapter et héberger le modèle sur leur propre infrastructure. Pour la France, il s’agit du plus grand modèle ouvert jamais publié par un acteur national.

Ce que Mistral Large 4 contient vraiment

Large 4 est un modèle généraliste nativement multimodal, ce qui veut dire qu’il comprend le texte et les images dans un même système. Il repose sur une architecture dite « Mixture of Experts » (mélange d’experts) : au lieu d’activer tout le réseau à chaque requête, le modèle ne mobilise que les parties spécialisées utiles pour la tâche demandée, ce qui limite le coût de calcul. Au total, il compte environ 1 050 milliards de paramètres, dont 52 milliards actifs à chaque passage, selon les chiffres communiqués par Mistral. Un encodeur de vision baptisé Pixtral, de 1,6 milliard de paramètres, gère les images.

Mistral annonce 160 langues prises en charge, un atout pour les entreprises qui travaillent avec des clients dans plusieurs pays. La fenêtre de contexte atteint 1 million de tokens, soit l’équivalent de plusieurs centaines de pages de texte en une seule requête. Pour le codage, Mistral met en avant un score de 48 % sur l’indice Coding Agent d’Artificial Analysis, un chiffre communiqué par l’entreprise elle-même.

Une licence ouverte, mais pas un logiciel libre

La publication des poids ne veut pas dire que tout est permis sans condition. Large 4 est distribué sous la licence Mistral Ecosystem Open Weight, une version modifiée de la licence MIT. Concrètement, l’usage commercial, la modification et le fine-tuning (la réadaptation du modèle sur des données propres) sont autorisés. En revanche, revendre le modèle comme un service hébergé à des tiers demande un accord séparé avec Mistral. Plusieurs observateurs, dont LeMagIT, soulignent donc que le modèle n’est pas un logiciel libre au sens strict, même si la licence reste permissive pour la grande majorité des usages en entreprise.

Concrètement, une entreprise peut héberger Large 4 pour ses propres besoins et l’adapter à ses documents internes sans payer de redevance. Mais un prestataire qui voudrait le proposer en service à ses propres clients devra passer par un contrat.

Que faut-il pour l’héberger soi-même ?

C’est là que les choses se compliquent. Un modèle de 1 000 milliards de paramètres ne tourne pas sur un ordinateur de bureau classique. Selon les tests publiés par Hugging Face, une station de travail équipée de quatre cartes RTX 6000 Pro, ou un Mac Studio Ultra M3 avec 512 Go de mémoire unifiée, peut faire tourner le modèle en version compressée, avec une vitesse de génération inférieure à 20 tokens par seconde. Pour un usage en production, Unsloth recommande environ 1,2 To de mémoire vidéo en précision FP8, et un cluster de huit GPU Nvidia H200 atteint des vitesses bien supérieures.

En pratique, la plupart des entreprises passeront donc par une API. Mistral propose Large 4 sur sa propre API, sur Mistral Studio et via NVIDIA NIM, autour de 0,70 dollar par million de tokens en entrée et 2,10 dollars en sortie, et recommande les logiciels vLLM et SGLang pour le déploiement.

Pourquoi cette publication arrive maintenant

Le calendrier en deux temps n’était pas un hasard. Le 6 octobre, Mistral présentait la préversion et promettait de poursuivre l’entraînement par renforcement avant de libérer les poids. Trois semaines de calcul supplémentaires plus tard, la promesse est tenue. Selon Mistral, le modèle a été entraîné de zéro sur 3 800 GPU NVIDIA Grace Blackwell. Le 28 octobre, elle annonçait aussi l’hébergement de modèles ouverts chinois, DeepSeek V4.1 Flash et GLM 5.3 Flash, signe qu’elle veut devenir une plateforme européenne de référence.

Le contexte français renforce l’enjeu. Le 29 octobre également, Orange Cyberdefense annonçait un partenariat avec Mistral pour développer des usages d’IA en cybersécurité, avec un accès anticipé à une variante de Large 4 optimisée pour la sécurité informatique. Les deux annonces dessinent une stratégie : Mistral fournit les modèles, les grands groupes français les intègrent dans leurs offres, et l’écosystème gagne en autonomie face aux fournisseurs américains et chinois.

Ce que cela change pour les développeurs et les entreprises

Pour un développeur, la publication des poids ouvre trois possibilités concrètes. D’abord, tester le modèle sans dépendre d’une API ni envoyer de données à un tiers, ce qui compte pour les secteurs réglementés comme la santé ou la finance. Ensuite, affiner le modèle sur des données internes, par exemple des manuels techniques ou des tickets de support, pour obtenir des réponses plus proches du métier. Enfin, comparer Large 4 avec d’autres modèles ouverts sur ses propres cas d’usage, au lieu de se fier aux benchmarks des éditeurs.

Pour une entreprise, la question principale reste le coût réel : héberger un modèle de cette taille demande un investissement matériel ou un contrat d’hébergement, et le prix par token doit être comparé aux alternatives, y compris les modèles plus petits qui suffisent souvent. Les premiers retours indépendants sur la vitesse et la qualité réelle des réponses seront décisifs dans les semaines qui viennent.

Frequently Asked Questions

Mistral Large 4 est-il gratuit ?

Les poids sont téléchargeables gratuitement sous la licence Mistral Ecosystem Open Weight, qui autorise l’usage commercial et le fine-tuning. En revanche, l’hébergement du modèle coûte cher en matériel ou en contrat cloud, et l’usage via l’API de Mistral est facturé autour de 0,70 dollar par million de tokens en entrée et 2,10 dollars en sortie, selon les tarifs affichés.

Quelle est la différence avec la préversion du 6 octobre ?

La préversion du 6 octobre permettait d’utiliser Large 4 via l’API, mais pas de télécharger ses poids. Depuis le 29 octobre, les poids sont disponibles sur Hugging Face, ce qui permet aux équipes de l’héberger, de le modifier et de l’adapter à leurs propres données, après trois semaines d’entraînement par renforcement supplémentaires.

Faut-il un supercalculateur pour utiliser Large 4 ?

Non, pas forcément. Pour un usage simple, l’API de Mistral ou un hébergeur suffit, sans aucun matériel. L’hébergement maison, en revanche, demande plusieurs GPU haut de gamme : une station à quatre cartes RTX 6000 Pro peut le faire tourner en version compressée, mais à moins de 20 tokens par seconde selon les tests publiés par Hugging Face.