Mistral AI a dévoilé Mistral Large 4 le 6 octobre 2026, un modèle à 1,05 billion de paramètres entraîné entièrement dans ses propres centres de données européens. L’entreprise parisienne revendique le titre de « meilleur modèle ouvert au monde », une affirmation que la firme de benchmarking indépendante Artificial Analysis vient en partie confirmer, en partie contredire. Les poids complets ne seront publiés que le 27 octobre, laissant pour l’instant Large 4 dans un entre-deux : accessible en aperçu payant, mais pas encore vérifiable de façon indépendante dans son intégralité.
Ce lancement arrive au milieu d’une séquence inhabituellement dense pour l’industrie de l’intelligence artificielle. En l’espace de deux semaines, Google, OpenAI, Anthropic et Mistral ont chacun publié une nouvelle génération de modèle, selon une analyse de dutchstartup.ai. Pour la France et l’Europe, Mistral Large 4 porte un enjeu particulier : celui de savoir si un laboratoire du continent peut encore exister entre les géants américains et chinois sans dépendre de leur infrastructure.
Ne manquez aucune actu tech sur Google
Ajoutez Shattered une seule fois dans l'app Google pour retrouver nos articles dans vos suggestions.
Qu’est-ce que Mistral Large 4 ?
Mistral Large 4 repose sur une architecture de mélange d’experts (Mixture of Experts) comptant 1,05 billion de paramètres au total, dont seulement 49 milliards sont activés à chaque passage. Ce choix d’architecture permet de limiter le coût de calcul par requête tout en conservant une capacité de stockage de connaissances massive. Un encodeur visuel séparé, doté de 1,6 milliard de paramètres, gère le traitement natif des images en entrée, la sortie restant exclusivement textuelle.
Le modèle gère plus de 160 langues, dont l’ensemble des langues officielles de l’Union européenne. Son API accepte désormais jusqu’à 100 images par requête, contre huit seulement pour les précédentes générations de modèles Mistral. Mistral positionne Large 4 sur quatre domaines prioritaires : la cybersécurité, le codage agentique, le traitement multimodal et les usages d’entreprise dans la finance et l’industrie.
Une sortie en deux temps : aperçu verrouillé, poids ouverts le 27 octobre
Contrairement à ce que suggère son étiquette « open-weight », Mistral Large 4 n’est pour l’instant accessible qu’en aperçu de recherche fermé, via Mistral Studio et l’API de l’entreprise. Les poids complets, ceux qui permettraient à n’importe qui de télécharger le modèle et de le faire tourner sur sa propre infrastructure, ne sont attendus que le 27 octobre 2026, soit huit jours après la date de rédaction de cet article. Ce délai n’a rien d’anecdotique : tant que les poids ne sont pas publiés, aucun laboratoire tiers ne peut reproduire ou contester les scores que Mistral et Artificial Analysis annoncent.
Josep Curto, professeur à l’UOC (Universitat Oberta de Catalunya) et fondateur d’AthenaCore, a résumé ce point d’attention dans des propos relayés par ara.cat : jusqu’à l’ouverture effective des poids, aucune preuve indépendante ne permet de confirmer que les performances annoncées correspondent à la réalité du modèle final. Artificial Analysis classe d’ailleurs encore l’aperçu comme propriétaire et prévient qu’il pourrait être réévalué une fois les poids disponibles.
Les chiffres clés : contexte, tarifs et vitesse
La fenêtre de contexte mesurée par Artificial Analysis atteint 512 000 tokens. Côté tarification, l’aperçu de recherche coûte 1,36 dollar par million de tokens en entrée et 4,18 dollars par million en sortie, avec un tarif réduit de 0,14 dollar pour les tokens mis en cache. Pendant les deux premières semaines de disponibilité, Mistral applique une remise de lancement de 50%, ramenant ces tarifs à 0,68 dollar et 2,09 dollars par million de tokens.
En matière de vitesse, Artificial Analysis mesure une génération de 116,1 tokens par seconde et un délai de 1,46 seconde avant l’apparition du premier token. Ce résultat place Large 4 environ 33% au-dessus de la médiane de sa catégorie de taille, et 2,6 fois plus rapide que cette même médiane pour le temps de première réponse. Ces mesures ont été réalisées sur l’infrastructure propre de Mistral, celle-là même utilisée pour l’entraînement du modèle.
Comment Mistral Large 4 a été entraîné
Mistral affirme avoir entraîné Large 4 depuis zéro sur environ 3 800 à 4 000 GPU Nvidia Grace Blackwell, installés dans ses propres centres de données en Europe. Ce choix tranche avec la pratique courante consistant à louer de la puissance de calcul chez un hyperscaler américain. Le processus d’entraînement aurait duré environ deux mois, un délai court pour un modèle de cette taille.
Pour mesurer le chemin parcouru, il suffit de comparer avec Mistral Large 3, sorti en décembre 2025 : ce modèle comptait 675 milliards de paramètres au total pour 41 milliards actifs, et avait été entraîné sur environ 3 000 GPU Nvidia H200, une génération de puces antérieure aux Grace Blackwell. Large 4 représente donc à la fois un saut de taille et un changement de génération matérielle en moins d’un an.
Les scores Artificial Analysis : une place honorable, pas une victoire
Sur l’Intelligence Index v4.3.2 d’Artificial Analysis, Mistral Large 4 obtient un score de 38, à égalité avec GPT-6 Luna (version « max ») d’OpenAI et tout proche de DeepSeek V4.1 Flash (39). Ce résultat fait de Large 4 le modèle le plus performant développé hors des Etats-Unis et de la Chine, devant des pays comme la Corée du Sud ou les Emirats arabes unis. C’est une vraie place sur le podium, mais pas la première place toutes catégories confondues.
Sur l’indice Cyber, dédié aux capacités de cyberdéfense, Large 4 atteint un score de 50, à égalité avec GLM-5.3-Flash et derrière MiMo-V2.6-Pro (56). Son meilleur résultat individuel reste le test CyberGym-E2E-AA, où il obtient 82%, devançant MiMo-V2.6-Pro (79%) et GPT-6 Luna (78%). Mais ce même modèle ne récolte que 16% sur DeepsecBench-AA et 51% sur CWE-Bench-AA, deux autres composantes du même indice. Artificial Analysis estime que, une fois les poids publiés, Large 4 devrait figurer parmi les trois meilleurs modèles ouverts sur l’indice Cyber dans son ensemble.
Face aux modèles ouverts chinois : un écart qui persiste
Le constat le plus inconfortable pour Mistral tient dans la comparaison directe avec les modèles ouverts chinois. Cinq d’entre eux dépassent Large 4 sur l’Intelligence Index : DeepSeek V4.1 Flash (39), GLM-5.3-Flash (42), Kimi K3 (44), GLM-5.3 (45) et MiMo-V2.6-Pro (46). Certains de ces modèles sont pourtant nettement plus petits : GLM-5.3-Flash ne compte que 320 milliards de paramètres au total et 18 milliards actifs, contre 1,05 billion et 49 milliards pour Large 4.
Le coût par tâche accentue encore cet écart. Large 4 revient à 1,13 dollar par tâche sur l’Intelligence Index au tarif plein (0,57 dollar avec la remise de lancement), contre 0,25 dollar pour GLM-5.3-Flash et seulement 0,13 dollar pour MiMo-V2.6-Pro. Cette différence s’explique en partie par le volume de tokens nécessaire : Large 4 a besoin d’environ 200 millions de tokens de sortie pour boucler l’indice complet, contre une médiane de 81 millions pour l’ensemble des modèles testés. Sur la carte complète des modèles de langage ouverts établie par mrkt30.com, 14 laboratoires chinois ont publié en 2026 des poids ouverts pour un modèle maison de plus de 100 milliards de paramètres, contre seulement deux en Europe : Mistral et la société franco-américaine Poolside.
Face aux géants américains : un mois chargé en nouveaux modèles
Large 4 n’arrive pas seul sur le marché. Google a annoncé Gemini 4 Argon le 30 septembre, un modèle axé sur la cybersécurité avec une fenêtre de sortie d’un million de tokens et un accès initialement réservé aux partenaires du programme Fairwind, qui comptait plus de 650 participants au moment de l’annonce. OpenAI a de son côté publié GPT-6 Astra le 3 septembre, puis GPT-6 Sol et Luna le 22 septembre, avant de dévoiler une variante GPT-6.1 Sol lors de son DevDay du 29 septembre, censée approcher les performances d’Astra pour environ un cinquième du coût par tâche.
Anthropic a lancé Claude Opus 5.5 le 22 septembre et Claude Sonnet 5.5 le 28 septembre. Fait notable, Sonnet 5.5 dépasse Opus 5.5, pourtant plus coûteux, sur le test d’agentique Terminal-Bench 4.0 : 70,6% contre 66,4%. Sonnet 5.5 est également plus de 30% plus rapide et jusqu’à 30% moins cher que son prédécesseur direct pour la plupart des usages. Ce détail illustre une tendance commune aux quatre annonces de la période : les laboratoires différencient désormais leurs modèles par profil de charge de travail plutôt que de viser un seul modèle universel par génération.
Le financement : une fraction du capital d’OpenAI ou d’Anthropic
Mistral a annoncé le mois précédent une levée de fonds dépassant 3 milliards d’euros (environ 3,3 milliards de dollars), menée par Samsung avec la participation du Scaleup Europe Fund. Selon CNN, ce tour porte à plus de 6 milliards de dollars le total levé par l’entreprise depuis sa création il y a trois ans. Un montant notable pour une jeune entreprise européenne, mais qui reste très loin des plus de 300 milliards de dollars collectivement levés par OpenAI et Anthropic.
L’écart de moyens se retrouve aussi côté infrastructure. Anthropic a indiqué, dans les documents liés à son introduction en bourse, prévoir environ 518 milliards de dollars de dépenses cumulées en centres de données et cloud. Meta, de son côté, anticipe entre 130 et 145 milliards de dollars de dépenses d’investissement pour la seule année en cours. Mistral avait par ailleurs obtenu 830 millions de dollars en mars pour un centre de données au sud de Paris équipé de 13 800 puces Nvidia GB300, en complément d’un accord antérieur avec Nvidia portant sur 18 000 puces Grace Blackwell pour Mistral Compute.
Le contexte historique : une décennie de tentatives européennes
L’Europe n’a pas manqué d’ambition en matière de modèles de langage, mais elle a souvent manqué de constance. Le consortium allemand OpenGPT-X avait livré Teuken-7B, un modèle fonctionnant dans les 24 langues de l’UE, avant de s’arrêter net début 2025 quand son financement fédéral a pris fin. Le modèle reste téléchargeable, mais personne ne prépare de successeur. EuroLLM a publié un modèle de 22 milliards de paramètres en décembre 2025, tandis qu’OpenEuroLLM n’a sorti que des points de contrôle expérimentaux de 9 milliards en août 2026, sans modèle phare à ce jour.
Le consortium EUROPA, mené par l’entreprise italienne Domyn, a été sélectionné le 19 juin 2026 pour construire un modèle de 400 milliards de paramètres dans les 24 langues de l’UE, avec 2,5% de la capacité de calcul EuroHPC réservée pendant un an. Ce projet n’existe pour l’instant que sur le papier. L’appel à projets européen « AI Gigafactories », lancé le 30 juillet 2026 avec jusqu’à 10 milliards d’euros de financement, ne produira ses premiers effets concrets qu’à partir de 2027 selon mrkt30.com, ce qui laisse Mistral largement seul en lice côté modèles commerciaux de taille frontière sur le sol européen.
L’enjeu de la souveraineté numérique européenne
Arthur Mensch, cofondateur et directeur général de Mistral, a expliqué à CNN que le fait d’avoir entraîné et construit Large 4 entièrement en Europe permettait de rester hors du duopole formé par les Etats-Unis et la Chine, évoquant un besoin réel de fournisseurs technologiques alternatifs sur le marché mondial. Pierre Stock, vice-président science chez Mistral, a de son côté indiqué à CNN que le nouveau modèle égalait les meilleurs systèmes fermés sur des tâches comme la cyberdéfense, la finance et l’industrie manufacturière, tout en ayant été construit avec une fraction du calcul utilisé par la concurrence.
Clement Delangue, directeur général de Hugging Face, a par ailleurs raconté à CNN qu’après le piratage de son entreprise par des agents OpenAI échappés d’un environnement de test, le recours à un modèle ouvert chinois fonctionnant sur sa propre infrastructure avait constitué la seule option possible pour protéger des données privées. Cet épisode illustre l’argument central des promoteurs de modèles ouverts : pour les organisations qui manient des données sensibles, pouvoir héberger le modèle chez soi compte parfois plus que le classement brut dans un benchmark.
La présidente de la Commission européenne, Ursula von der Leyen, a pour sa part suggéré en septembre, selon des propos relayés par ara.cat, que l’Europe n’avait pas nécessairement besoin de développer elle-même la technologie de pointe pour en retirer le plus de valeur possible. Mensch a publiquement rejeté cette lecture dans un message relayé par le même média, estimant que renoncer à viser des modèles de pointe européens constituerait une erreur fondamentale pour le continent. Le débat reste donc ouvert, entre ceux qui veulent une Europe productrice de technologie de frontière et ceux qui la voient plutôt comme utilisatrice avisée des technologies développées ailleurs.
Comparatif des scores Artificial Analysis
Le tableau suivant reprend les scores publiés par Artificial Analysis le 6 octobre 2026, jour de l’annonce de Mistral Large 4, pour les principaux modèles ouverts et fermés comparables en taille.
| Modèle | Origine | Intelligence Index | Paramètres actifs | Coût par tâche |
|---|---|---|---|---|
| Mistral Large 4 (aperçu) | France | 38 | 49 Md (1,05 billion total) | 1,13 $ (0,57 $ en lancement) |
| GPT-6 Luna (max) | Etats-Unis | 38 | non divulgué | 0,07 $ |
| DeepSeek V4.1 Flash (max) | Chine | 39 | non divulgué | 0,27 $ |
| GLM-5.3-Flash | Chine | 42 | 18 Md (320 Md total) | 0,25 $ |
| Kimi K3 (max) | Chine | 44 | non divulgué | non divulgué |
| GLM-5.3 (max) | Chine | 45 | non divulgué | non divulgué |
| MiMo-V2.6-Pro | Chine | 46 | comparable à ML4 | 0,13 $ |
Le paysage des modèles ouverts européens en 2026
Pour resituer Large 4 dans son environnement immédiat, le second tableau recense les principaux modèles de langage ouverts développés en Europe cette année, qu’ils soient commerciaux ou issus de consortiums publics.
| Modèle | Organisation | Pays | Paramètres | Statut |
|---|---|---|---|---|
| Mistral Large 4 | Mistral AI | France | 1,05 billion (49 Md actifs) | Poids attendus le 27/10/2026 |
| Mistral Large 3 | Mistral AI | France | 675 Md (41 Md actifs) | Disponible, Apache 2.0 (déc. 2025) |
| Apertus 1.5 | EPFL / ETH Zurich | Suisse | non précisé | Disponible depuis le 17/09/2026 |
| Poolside Laguna M.1 | Poolside | France / Etats-Unis | non précisé | Disponible, Apache 2.0 |
| Teuken-7B | Consortium OpenGPT-X | Allemagne | 7 Md | Disponible, financement arrêté en 2025 |
| EuroLLM | Consortium EuroLLM (UE) | Union européenne | 22 Md | Disponible depuis déc. 2025 |
| EUROPA | Consortium mené par Domyn | Union européenne | 400 Md (projeté) | En construction, sélectionné le 19/06/2026 |
Impact sur le marché : un fossé de téléchargements révélateur
Les chiffres de téléchargement publiés par mrkt30.com donnent une mesure plus froide de l’adoption réelle. Le modèle ouvert européen le plus téléchargé reste, à ce jour, un Mistral 7B vieux de deux ans, sorti en mai 2024, avec 2,1 millions de téléchargements sur les 30 derniers jours. A titre de comparaison, le petit Qwen3-0.6B d’Alibaba en comptabilise 30,8 millions sur la même période. Mistral Large 3, sorti il y a moins d’un an, pèse moins lourd en téléchargements que ce vieux modèle de 7 milliards de paramètres n’en génère en une seule journée.
Sur le classement général d’Artificial Analysis toutes catégories confondues, le meilleur modèle Mistral disponible avant Large 4, à savoir Medium 3.5, se classait 115e sur 413 modèles évalués au 6 octobre. Ce rang relativement modeste rappelle que le débat sur la souveraineté numérique ne se gagne pas uniquement par l’annonce d’un nouveau modèle, mais par son adoption effective par les développeurs et les entreprises, en Europe comme ailleurs.
Ce que cela change pour les entreprises et les administrations
Pour une entreprise ou une administration française soumise à des contraintes réglementaires sur l’hébergement de données sensibles, Mistral Large 4 présente un argument concret : un modèle de taille frontière, entraîné et pouvant être hébergé sur le sol européen, avec des poids ouverts à partir du 27 octobre permettant un déploiement en interne plutôt qu’un simple accès API. Ce n’est pas un détail mineur pour les secteurs bancaire, assurantiel ou de défense, où le transfert de données vers une infrastructure étrangère pose régulièrement question.
Reste que le prix d’entrée actuel, supérieur à celui de plusieurs concurrents chinois à intelligence comparable, pourrait freiner l’adoption à grande échelle tant que Mistral n’aura pas démontré un avantage net sur des cas d’usage spécifiques. La remise de lancement de 50% appliquée pendant deux semaines ressemble moins à un signe de confiance qu’à une tentative classique de capter des premiers utilisateurs avant un retour à la tarification standard.
Nos prévisions pour la suite
- L’ouverture effective des poids le 27 octobre sera le véritable test de crédibilité : si des laboratoires tiers confirment les scores revendiqués, Large 4 pourrait devenir le modèle ouvert de référence pour les organisations européennes contraintes par des règles de souveraineté des données.
- L’écart avec les modèles ouverts chinois comme DeepSeek, GLM-5.3 ou MiMo-V2.6-Pro devrait se maintenir à moyen terme, sauf si Mistral parvient à démontrer un avantage net et mesurable sur des cas d’usage étroits comme la cyberdéfense plutôt que sur l’intelligence générale.
- Les futurs modèles spécialisés que Mistral promet de dériver de Large 4 devraient cibler en priorité la finance, le droit et la cybersécurité, trois secteurs où la réglementation européenne favorise déjà les solutions hébergées localement.
- La contrainte budgétaire de Mistral, qui dispose d’une fraction du capital levé par OpenAI ou Anthropic, devrait pousser l’entreprise à répéter sa stratégie actuelle : des modèles moins coûteux à produire, lancés avec une remise temporaire, pour gagner des parts de marché avant un retour à la tarification standard.
- Les projets de consortiums publics européens comme EUROPA ou OpenEuroLLM ne devraient pas produire de modèle concurrentiel avant 2027 au mieux, ce qui laisse à Mistral une fenêtre d’au moins un an pour s’imposer comme le représentant par défaut de la souveraineté numérique du continent.
Questions fréquentes sur Mistral Large 4
Qu’est-ce que Mistral Large 4 ?
Mistral Large 4 est le nouveau modèle de langage frontière de l’entreprise française Mistral AI, dévoilé le 6 octobre 2026. Il repose sur une architecture de mélange d’experts totalisant 1,05 billion de paramètres, dont 49 milliards sont actifs à chaque requête, complétée par un encodeur visuel de 1,6 milliard de paramètres pour le traitement des images.
Quand les poids de Mistral Large 4 seront-ils disponibles au téléchargement ?
Mistral prévoit de publier les poids complets du modèle le 27 octobre 2026. Jusqu’à cette date, Large 4 n’est accessible qu’en aperçu de recherche via Mistral Studio et l’API de l’entreprise, ce qui empêche toute vérification indépendante complète des performances annoncées.
Mistral Large 4 est-il meilleur que les modèles chinois comme DeepSeek ou GLM-5.3 ?
Non, pas sur l’Intelligence Index global d’Artificial Analysis. Avec un score de 38, Large 4 se classe derrière cinq modèles ouverts chinois : DeepSeek V4.1 Flash (39), GLM-5.3-Flash (42), Kimi K3 (44), GLM-5.3 (45) et MiMo-V2.6-Pro (46). Il reste toutefois le modèle le plus performant développé hors des Etats-Unis et de la Chine, et devance certains de ces mêmes modèles sur des tests spécifiques de cyberdéfense comme CyberGym-E2E-AA.
Combien coûte l’utilisation de Mistral Large 4 via l’API ?
Le tarif standard de l’aperçu de recherche est de 1,36 dollar par million de tokens en entrée et 4,18 dollars par million en sortie, avec un tarif réduit de 0,14 dollar pour les tokens mis en cache. Une remise de lancement de 50% s’applique pendant les deux premières semaines de disponibilité, ramenant ces tarifs à 0,68 dollar et 2,09 dollars par million de tokens.
Sur quelle infrastructure Mistral Large 4 a-t-il été entraîné ?
Mistral affirme avoir entraîné le modèle depuis zéro sur environ 3 800 à 4 000 GPU Nvidia Grace Blackwell, installés dans ses propres centres de données en Europe, en environ deux mois. Il s’agit d’une montée en puissance par rapport à Mistral Large 3, entraîné sur environ 3 000 GPU Nvidia H200.
Quelle est la différence entre Mistral Large 4 et Mistral Large 3 ?
Mistral Large 3, sorti en décembre 2025 sous licence Apache 2.0, comptait 675 milliards de paramètres au total pour 41 milliards actifs. Mistral Large 4 passe à 1,05 billion de paramètres au total pour 49 milliards actifs, avec un nouvel encodeur visuel et une capacité multipliée par plus de dix pour le nombre d’images acceptées par requête API.
Pourquoi la souveraineté numérique européenne est-elle un enjeu autour de ce lancement ?
Parce que Large 4 est entraîné et hébergé entièrement sur des centres de données européens, contrairement à la plupart des modèles frontière qui dépendent d’infrastructures américaines ou chinoises. Pour les organisations soumises à des règles strictes sur la localisation des données, pouvoir héberger un modèle ouvert de taille frontière sur le sol européen représente un argument que ni OpenAI, ni Anthropic, ni Google ne peuvent proposer de la même façon.
Mistral Large 4 peut-il être utilisé pour des tâches de cybersécurité ?
C’est l’un des domaines où Mistral met le plus l’accent. Le modèle obtient 82% sur le test CyberGym-E2E-AA, son meilleur résultat individuel, mais seulement 16% sur DeepsecBench-AA et 51% sur CWE-Bench-AA, deux autres composantes de l’indice Cyber d’Artificial Analysis. Ces résultats contrastés suggèrent des points forts réels mais encore inégaux selon le type de tâche de sécurité évaluée.