Mistral Large 4 : 1 000 milliards de paramètres disponibles en open weights

Un modèle d'un billion de paramètres en accès libre

Le 29 octobre 2026, Mistral AI a franchi un cap technologique et stratégique majeur en publiant les poids ouverts de Mistral Large 4, surnommé « Le Chonk » en interne. Avec un trillion de paramètres au total — dont 49 milliards actifs à chaque inférence grâce à une architecture Mixture-of-Experts (MoE) — ce modèle représente la plus grande architecture open weights jamais publiée par la startup française. Les checkpoints sont disponibles sur Hugging Face en formats FP8 et NVFP4, permettant un déploiement sur infrastructure GPU haute performance.

La publication suit de trois semaines l'annonce initiale du modèle, intervenue le 6 octobre 2026. Ce délai de trois semaines entre l'annonce et la mise à disposition des poids est significatif : il suggère une phase de préparation des checkpoints et de négociation de la licence, mais aussi une volonté affichée de Mistral de laisser la communauté adopter progressivement le modèle après ses premières publications API. Les poids sont désormais disponibles sous la Mistral Ecosystem Open-Weight License, qui autorise l'usage commercial avec quelques restrictions sur la redistribution.

Les performances de Mistral Large 4 sur les benchmarks standards de l'industrie sont remarquables. Sur le Artificial Analysis Intelligence Index, le modèle se classe troisième derrière Gemini 4 Carbon et Claude Opus 5.5. Sur les benchmarks de codage agentique, il score 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4, pour un score combiné de 49,8 % sur le Coding Agent Index — plaçant le modèle devant DeepSeek V4 Pro 0813 et Qwen 3.8 Max, deux modèles chinois de référence dans la catégorie open source.

La dimension cybersécurité constitue l'argument commercial le plus marquant mis en avant par Mistral. Sur un benchmark qui demande au modèle de reproduire une vulnérabilité réelle dans un logiciel open source puis de la corriger, Mistral Large 4 score 82 %, le meilleur résultat jamais enregistré sur ce test. Sur Cybench, une suite de 40 exercices tirés de compétitions de type CTF (Capture the Flag), il résout 93 % des challenges — l'un des scores les plus élevés jamais publiés pour un modèle open weights. Ces performances positionnent directement le modèle comme un outil de premier plan pour les équipes de sécurité offensive et défensive.

Sur le plan de l'efficacité computationnelle, Mistral cite une réduction de 47 % des tokens par tâche par rapport à GLM-5.3, un modèle open weights concurrent développé par Zhipu AI en Chine. Cette efficacité est critique dans le contexte d'une adoption entreprise : elle se traduit directement en coûts d'inférence réduits pour les organisations qui déploient le modèle sur leurs propres GPU, ou qui utilisent l'API de Mistral à la volumétrie.

L'architecture MoE de Mistral Large 4 suit une logique similaire à celle de Mixtral (les précédents modèles open source de Mistral) : le modèle dispose d'un très grand nombre de paramètres totaux, mais n'en active qu'une fraction à chaque token traité. Cela permet d'atteindre des performances proches des grands modèles denses tout en maintenant des coûts d'inférence comparables à des modèles beaucoup plus petits. Pour un modèle de 1T paramètres, les 49B actifs constituent un ratio particulièrement agressif qui maximise les économies d'inférence.

Mistral AI, fondée à Paris en 2023 par d'anciens chercheurs de Google DeepMind et Meta FAIR, confirme avec cette publication sa position de champion européen de l'IA open source face aux géants américains et à la concurrence chinoise. L'entreprise a levé 1,1 milliard d'euros en juin 2024 et maintient une stratégie duale : offrir des modèles via API cloud (le Mistral Platform) tout en publiant régulièrement des poids ouverts pour ancrer sa crédibilité technique dans la communauté développeurs et chercheurs.

La publication est particulièrement bien accueillie. Sur Hacker News, le lien vers l'annonce a atteint 1 679 points à la une au 31 octobre, en faisant l'information tech la plus discutée de la journée dans la communauté des développeurs. Les premiers retours sur Reddit et X mettent en avant la qualité du suiveur d'instructions, la cohérence du comportement sur les longues séquences de raisonnement, et — sans surprise — les performances sur les tâches de cybersécurité.

L'open source IA change la donne pour les équipes de sécurité

La disponibilité de modèles de la taille de Mistral Large 4 en open weights marque une rupture pour les équipes de sécurité qui cherchaient jusqu'ici à utiliser des capacités IA avancées sans dépendre d'APIs tierces pour des tâches sensibles. Analyser un malware, rejouer une vulnérabilité, automatiser une revue de code de sécurité — ces tâches génèrent des données que la plupart des RSSI refusent d'envoyer à un service cloud externe. La possibilité de déployer un modèle frontier de 1T paramètres on-premise ou dans un cloud souverain change fondamentalement l'équation.

La cible explicite de Mistral Large 4 — la cybersécurité et le code agentique — n'est pas anodine sur le plan stratégique. Ces deux domaines représentent des segments à forte valeur ajoutée où les entreprises sont prêtes à payer pour des solutions robustes et certifiées. En publiant les poids ouverts avec des benchmarks de sécurité détaillés, Mistral cherche à convaincre les intégrateurs de solutions SIEM, SOAR et de pentest automatisé d'adopter son modèle comme moteur. Cette stratégie est cohérente avec l'ambition européenne de bâtir une filière IA souveraine capable de rivaliser avec les solutions américaines dans les secteurs régulés (défense, santé, administration, finance).

L'aspect réglementaire est également pertinent. L'AI Act européen, entré en application graduellement depuis 2024, impose des obligations de transparence et d'auditabilité accrues pour les systèmes IA à haut risque. Un modèle open weights est, par définition, plus facilement auditable qu'un modèle opéré derrière une API opaque — un avantage réglementaire non négligeable pour les organisations soumises à NIS2, DORA ou aux exigences sectorielles de la directive sur la résilience des entités critiques (CER).

Pour les organisations françaises et européennes, Mistral Large 4 représente également une option de diversification de leurs fournisseurs IA, dans un contexte où la dépendance aux hyperscalers américains est de plus en plus scrutée par les autorités de contrôle, notamment la CNIL et les régulateurs sectoriels du secteur financier (AMF, ACPR).

Ce qu'il faut retenir

• Mistral Large 4 est disponible gratuitement sur Hugging Face en FP8 et NVFP4 ; les organisations peuvent le déployer on-premise sans dépendance cloud externe.
• Avec 82 % sur les benchmarks de reproduction/correction de vulnérabilités et 93 % sur Cybench, c'est aujourd'hui le modèle open weights de référence pour les usages en cybersécurité.
• La licence Mistral Ecosystem Open-Weight autorise l'usage commercial et constitue une alternative souveraine aux modèles propriétaires pour les secteurs régulés européens.