Mistral Large 4 : ce que change le nouveau modèle de Mistral AI
Multimodal, à poids ouverts, entraîné sur 4 000 GPU en Europe : le champion français de l'IA relance la course. Décryptage, et conséquences pour l'IA locale.
Le 6 octobre 2026, Mistral AI a présenté Mistral Large 4 (surnommé « ML4 »), son nouveau modèle phare. Après une année 2026 où les laboratoires chinois et américains ont multiplié les modèles géants à poids ouverts, la start-up parisienne veut reprendre sa place parmi les leaders. Voici ce qu'il faut retenir, et ce que cela change (ou pas) pour l'IA locale.
Ce qui a été annoncé
- Un grand modèle multimodal : il comprend le texte et les images, et il est pensé pour les usages « agentiques » (enchaîner des actions, utiliser des outils).
- Poids ouverts : comme ses prédécesseurs, le modèle est « open-weight ». Les poids sont téléchargeables, mais les données et la méthode d'entraînement ne sont pas publiées. Mistral annonçait leur mise à disposition pour le 27 octobre, après une période d'avant-première via son API.
- Entraîné en Europe : environ deux mois de calcul sur 4 000 GPU NVIDIA Grace Blackwell, dans les centres de données européens de Mistral.
- Usages mis en avant : cybersécurité en premier lieu, puis la synthèse de gros volumes de documents, l'aide au code, la conception 3D industrielle et l'analyse d'images aériennes ou satellite.
- Des performances revendiquées : Mistral affirme obtenir le meilleur score d'un modèle à poids ouverts sur un test juridique spécialisé (« Legal Agent » de Harvey). D'autres résultats étaient encore attendus, et une phase d'entraînement complémentaire devait améliorer le modèle dans les semaines suivantes.
Ce lancement est la première étape de la feuille de route financée par la levée de 3 milliards d'euros (série D) annoncée en septembre 2026. Mistral vise aussi un gigawatt de puissance de calcul d'ici 2030. C'est un sujet que nous détaillons dans notre dossier sur l'IA souveraine française.
Peut-on faire tourner Mistral Large 4 chez soi ?
Soyons clairs : non, pas sur un PC classique. Un modèle de cette catégorie dépasse de très loin la mémoire d'une carte graphique grand public, et même celle d'une workstation équipée d'une RTX PRO 6000 de 96 Go. Pour l'héberger en interne, une entreprise devra prévoir un serveur multi-GPU de classe datacenter (étude sur devis).
En revanche, la sortie de ML4 en poids ouverts est une bonne nouvelle pour l'écosystème. Les modèles géants servent souvent de « professeurs » pour entraîner des versions plus compactes (distillation), et Mistral publie régulièrement des modèles de taille raisonnable, parfaitement utilisables en local.
Que choisir aujourd'hui pour une IA locale ?
Pour un usage local fin 2026, les modèles de 12 à 35 milliards de paramètres offrent le meilleur rapport qualité/matériel. Une carte de 16 à 32 Go de VRAM suffit. Nous faisons le point dans notre article sur les modèles open source à faire tourner en local. Vous pouvez aussi tester la vitesse attendue avec notre calculateur de tokens/s.
Vous voulez une IA privée pour votre entreprise, sans dépendre d'une API ? Le configurateur vous indique la machine adaptée, et l'atelier de Labège peut vous conseiller de vive voix.