Mistral ouvre les poids de Large 4, meilleur modèle ouvert développé hors de Chine

Des poids ouverts pour un modèle quasi de pointe

Mistral a publié les poids téléchargeables de Large 4 (ML4), surnommé « Le Chonk », un modèle à 1 000 milliards de paramètres présenté en avant-première le 6 octobre. Les poids sont disponibles sur Hugging Face sous la licence Mistral Ecosystem Open-Weight, qui ne fixe aucun seuil de revenus. Un accord commercial distinct n'est nécessaire que lorsque l'utilisateur ou une entité affiliée exploite une activité de modèle en tant que service, sous réserve d'exceptions spécifiques. Le modèle lit le texte et les images, produit du texte et du code, et active 52 milliards de ses paramètres pour chaque tâche.

Benchmarks et écart avec les leaders ouverts

Dans son évaluation du 29 octobre, Artificial Analysis attribue à ML4, en raisonnement élevé, 26 points sur l'Intelligence Index v5, contre 25 pour la version préliminaire. C'est un point de plus que Muse Spark Open en xhigh, mais six points de moins que les leaders à poids ouverts DeepSeek V4.1 Flash 1017 et GLM-5.3, tous deux testés à leur paramètre de raisonnement maximal. Sur Terminal-Bench 4.0, qui évalue le codage agentique dans un terminal, ML4 passe de 28 % en préliminaire à 41 %, devançant de peu GLM-5.3 (40 %). Sur CyberGym-E2E, qui mesure la capacité d'un modèle à trouver, reproduire et corriger des failles de sécurité mémoire dans des projets open source en C et C++, ML4 obtient 79 %, à égalité avec MiMo-V2.6-Pro et devant DeepSeek V4.1 Flash (76 %).

ML4 en préliminaire28%

ML4 à la sortie41%

GLM-5.340%

ML4 en préliminaire

28 %

ML4 à la sortie

41 %

GLM-5.3

40 %

Données tirées du texte de l’article

ML479%

DeepSeek V4.1 Flash76%

ML4

79 %

DeepSeek V4.1 Flash

76 %

Données tirées du texte de l’article

Coût par tâche et efficacité en codage

Artificial Analysis chiffre le coût de ML4 à 2,06 dollars par tâche de l'Intelligence Index, contre 5,54 dollars pour la version préliminaire, soit une baisse de 63 %. Son évaluation en tant qu'agent de codage classe ML4 deuxième parmi les modèles à poids ouverts actuels, tout en utilisant en moyenne 47 % de jetons de moins par tâche que GLM-5.3, une économie qui, selon Mistral, se cumule lorsque les agents tournent pendant des heures. Les premiers testeurs, décrits seulement comme des gouvernements et des entreprises, souhaitaient davantage de contrôle sur la durée de réflexion du modèle ; Mistral a donc ajouté des modes de raisonnement faible et moyen et rendu le mode élevé 50 % plus efficace. Ces gains de coût comptent surtout pour les clients qui veulent garder la maîtrise de leurs déploiements.

ML4 préliminaire5,54

ML4 à la sortie2,06

ML4 préliminaire

5.54 USD par tâche

ML4 à la sortie

2.06 USD par tâche

Données tirées du texte de l’article

Marjorie Janiewicz, directrice des revenus de Mistral, a déclaré à VentureBeat lors d'un entretien en personne que les clients veulent des modèles qu'ils peuvent conserver, adapter à leurs propres informations et utiliser sans dépendre entièrement de l'autorisation continue d'un fournisseur. Elle a résumé la demande centrale :

« Je veux posséder mon modèle »

Orange Cyberdefense et contrôle des données

Orange Cyberdefense a rejoint le programme de partenaires de conception de Large 4 le jeudi 29 octobre. L'entreprise française introduira le modèle progressivement, en commençant par des audits techniques et des tests d'intrusion, où des spécialistes tentent de pénétrer les systèmes clients pour en trouver les failles. Les usages ultérieurs incluent l'évaluation de la manière dont les attaquants pourraient atteindre ces systèmes et l'investigation des intrusions afin que les équipes puissent réagir plus vite. Orange Cyberdefense fera tourner ses modèles de sécurité sur des ordinateurs situés dans les centres de données européens de Mistral, ce qui, selon elle, aide les clients à garder la maîtrise de leurs données. Les termes financiers n'ont pas été divulgués, et le déploiement vise d'abord les clients entreprises et du secteur public.

Anis Trabelsi, responsable de l'innovation et de l'IA chez Orange Cyberdefense, a déclaré :

« Cette alliance entre Orange Cyberdefense et Mistral AI renforce les fondations d'une cybersécurité augmentée par une IA digne de confiance »

Les poids ouverts comme argument stratégique

Pierre Stock, vice-président de la science chez Mistral, a déclaré aux journalistes lors d'un point presse :

« C'est un moment charnière dans la course mondiale à la direction de l'IA »

Stock a soutenu que les entreprises et les gouvernements ont besoin de modèles qui ne peuvent pas être désactivés à distance, comparant l'IA à l'électricité et mettant en garde contre la dépendance à un fournisseur qui pourrait couper l'accès à bref délai. Il a dit qu'une fois les poids publiés, ils se répandent sur internet, de sorte que l'accès ne peut être retiré. Il a aussi déclaré qu'il n'y a aucune garantie que les modèles chinois évitent les comportements malveillants, et qu'ils peuvent servir de vecteurs de menace. Les concurrents soutiennent que les modèles ouverts présentent plus de risques. Mistral affirme avoir construit ML4 avec une fraction des ressources dont disposent les laboratoires fermés et les rivaux chinois, une affirmation difficile à vérifier car les laboratoires chinois divulguent peu.