Mistral Large 4 en open weights : ce que change la sortie de « Le Chonk »

En bref

• Mistral AI a publié fin octobre 2026 les poids de Mistral Large 4 sur Hugging Face, un modèle multimodal d'environ 1 000 milliards de paramètres, dont 52 milliards actifs (Le Monde Informatique).
• Licence : la Mistral Ecosystem Open-Weight License, dérivée du MIT. Usage, modification et usage commercial permis, mais revendre l'accès au modèle « as a service » demande une licence séparée (Le Monde Informatique, Developers Digest).
• Mistral le présente comme le meilleur modèle ouvert développé en Occident et le place en tête des modèles ouverts pour le code agentique, chiffres à prendre comme déclarés par l'éditeur tant qu'ils ne sont pas répliqués (Le Monde Informatique, Online Tech Tips).
• L'intérêt principal est souverain : une entreprise ou une administration peut faire tourner un modèle de pointe chez elle, sans dépendre d'une API distante. À condition d'avoir le matériel, car on parle d'un nœud multi-GPU, pas d'une station de travail.
• Premier partenaire sécu : Orange Cyberdefense teste une variante spécialisée cyber de Large 4 pour ses pentests, audits et investigations, hébergée en Europe (Techzine).

L'annonce

Mistral avait présenté Large 4 le 6 octobre 2026. Plutôt que de livrer les poids tels quels, l'éditeur a ajouté trois semaines d'entraînement par renforcement, nourries des retours de clients et de partenaires. Cette phase aurait amélioré les performances et introduit trois niveaux de raisonnement (faible, moyen, élevé) (Le Monde Informatique).

Les poids ont ensuite été publiés le 29 octobre 2026 sur Hugging Face (Developers Digest, Online Tech Tips). Le modèle, surnommé « Le Chonk », reste aussi disponible via l'API de Mistral et dans son outil Vibe Code (Le Monde Informatique).

Côté infrastructure, Mistral indique l'avoir entraîné sur 3 800 GPU NVIDIA Grace Blackwell hébergés dans ses propres centres de données européens (Le Monde Informatique). Le détail compte pour l'argument souverain : entraînement en Europe, poids téléchargeables, exécution possible sur site.

Ce qu'il y a sous le capot

Large 4 est un modèle Mixture of Experts (MoE) : le réseau contient beaucoup d'« experts », mais chaque token n'en sollicite qu'une petite partie. C'est ce qui explique l'écart entre la taille totale et les paramètres réellement calculés à chaque étape.

Sources : Le Monde Informatique pour la taille et les paramètres actifs, Developers Digest et Online Tech Tips pour le détail de l'architecture et des formats. Le nombre de paramètres actifs varie selon qu'on compte ou non les couches d'entrée et de sortie, d'où les deux chiffres qui circulent.

Source du diagramme

flowchart LR
    T[Token en entrée] --> R{Routeur}
    R -->|choisi| E1[Expert 12]
    R -->|choisi| E2[Expert 47]
    R -->|choisi| E3[Expert 81]
    R -->|choisi| E4[Expert 103]
    R -.->|ignorés| X[124 autres experts]
    E1 & E2 & E3 & E4 --> S[Combinaison] --> O[Token suivant]

Schéma simplifié du routage MoE : seuls 4 experts sur 128 travaillent pour chaque token. Les numéros d'experts sont illustratifs.

Les performances, telles qu'annoncées

Mistral met surtout en avant le développement logiciel agentique :

• Premier des modèles ouverts sur le Coding Agent Index d'Artificial Analysis (Le Monde Informatique).
• Sur Terminal-Bench 4.0, le score passerait de 28 % (version de prévisualisation) à 41 % (version finale), soit le niveau de GLM-5.3, l'open-weight chinois de référence (40 %) (Le Monde Informatique, Online Tech Tips).
• À tâche égale, il consommerait en moyenne 47 % de tokens en moins que GLM-5.3 (Le Monde Informatique).

Deux nuances s'imposent. D'abord, ces chiffres sont auto-déclarés : la réplication indépendante sur Terminal-Bench était encore en attente à la publication (Online Tech Tips). Ensuite, sur un indice plus généraliste comme l'Artificial Analysis Intelligence Index, certains modèles ouverts chinois font mieux (Developers Digest). « Meilleur modèle ouvert occidental » est donc une formule exacte au sens où la concurrence la plus forte en open weights vient aujourd'hui de Chine.

La licence : « open weights » n'est pas « open source »

Les poids sont publiés sous la Mistral Ecosystem Open-Weight License, un dérivé de la licence MIT (Le Monde Informatique). D'après les premières lectures :

• ✅ utilisation, modification, fine-tuning et usage commercial autorisés ;
• ✅ construire un produit qui s'appuie sur le modèle est permis ;
• ⚠️ proposer le modèle lui-même comme service payant (Model-as-a-Service, c'est-à-dire revendre l'accès au modèle) exige une licence commerciale séparée auprès de Mistral (Developers Digest, Online Tech Tips).

C'est un compromis classique : très ouvert pour les utilisateurs finaux et les intégrateurs, fermé pour les hébergeurs qui voudraient concurrencer l'API de Mistral avec ses propres poids. Deux rappels utiles :

1. Open weights ≠ open source. On reçoit les poids et le droit de s'en servir, pas les données ni le code d'entraînement. On ne peut ni reproduire le modèle ni auditer ce qu'il a appris.
2. Lire le texte intégral avant un déploiement commercial. Les articles disponibles résument la licence, mais aucun ne garantit l'absence d'autres clauses (Developers Digest).

L'angle souveraineté

C'est le vrai sujet pour un lecteur européen. Avec des poids téléchargeables, une entreprise ou une administration peut faire tourner le modèle dans son propre environnement, sans envoyer ses données à un service distant (Le Monde Informatique). Pour les secteurs régulés (santé, défense, finance, secteur public), c'est la différence entre « on ne peut pas utiliser de LLM de pointe sur ces données » et « on peut, sur notre infra ».

Source du diagramme

flowchart TB
    subgraph API["Modèle via API distante"]
        D1[Données internes] -->|sortent du SI| P1[Fournisseur cloud]
        P1 --> R1[Réponse]
    end
    subgraph SELF["Modèle open weights auto-hébergé"]
        D2[Données internes] --> P2[Serveurs GPU internes]
        P2 --> R2[Réponse]
    end

Le contexte industriel renforce le message : Arthur Mensch, cofondateur et DG, rappelle que Mistral a levé environ 6 milliards de dollars en trois ans, bien moins que ses concurrents américains, et met en avant l'optimisation du calcul pour expliquer des performances comparables avec moins de moyens (Le Monde Informatique).

Mistral cite aussi des débouchés concrets : passage de plans 2D en modèles 3D pour la CAO, traitement de tableurs et de publications financières, analyse d'imagerie satellitaire et aérienne (incendies, cultures, risques sur les lignes électriques) (Le Monde Informatique).

La réalité matérielle

Souverain, oui, mais pas léger. 1 000 milliards de paramètres en 16 bits représentent environ 2 To de poids. Le déploiement de référence passe par vLLM avec un parallélisme tensoriel sur 8 GPU, et même les versions quantifiées en 4 bits demandent un nœud multi-GPU (Developers Digest).

Concrètement, Large 4 en local s'adresse aux organisations qui ont (ou louent) des serveurs GPU dédiés. Pour un particulier ou une petite structure, l'API reste la voie réaliste : 0,70 $ par million de tokens en entrée, 0,07 $ en cache et 2,10 $ en sortie, selon les tarifs annoncés et susceptibles d'évoluer (Developers Digest, Online Tech Tips).

Et côté sécurité ?

Pour un site sécu, deux points méritent l'attention.

Le modèle comme outil défensif. Mistral vise explicitement l'analyse de code, la détection de menaces et l'examen d'infrastructures. Le modèle obtient 51 % sur l'Artificial Analysis Cyber Index, et Mistral annonce un taux de refus moyen de 96,6 % face aux demandes cyber malveillantes (Le Monde Informatique). Pouvoir faire tourner ce type d'assistant en interne est un argument fort pour un SOC ou une équipe AppSec qui ne veut pas envoyer de code ou de logs sensibles à l'extérieur.

Le revers de l'ouverture. Un garde-fou entraîné dans un modèle ouvert n'est pas une barrière définitive : une fois les poids publics, n'importe qui peut les modifier par fine-tuning. C'est le débat permanent des open weights, et il s'applique à Large 4 comme aux autres.

Bonnes pratiques si vous l'auto-hébergez :

• télécharger les poids depuis le dépôt officiel de Mistral sur Hugging Face, et privilégier le format safetensors ;
• traiter les builds communautaires (GGUF, quantifications tierces) comme du code tiers : provenance, empreintes, mainteneur identifié ;
• isoler le serveur d'inférence (réseau, comptes de service) et ne pas exposer l'API d'inférence sans authentification ;
• journaliser les requêtes et appliquer vos propres contrôles d'accès, plutôt que de compter uniquement sur le comportement du modèle.

Premier cas d'usage : Orange Cyberdefense

Le même jour que la publication des poids, Mistral a annoncé un premier partenaire « métier » côté sécu. Dans le cadre de son programme Design Partner, Mistral donne à Orange Cyberdefense un accès anticipé à une variante de Large 4 spécialisée pour la cybersécurité. La filiale d'Orange devient ainsi le premier prestataire européen de services de sécurité managés (MSSP) associé à Mistral pour concevoir ce type de services (Techzine, TelecomTV).

Les usages visés. Les premiers travaux portent sur les tests d'intrusion, les audits techniques et les investigations post-incident : analyser plus vite les traces collectées et reconstituer les modes opératoires des attaquants. Orange Cyberdefense prévoit d'intégrer l'IA progressivement dans certains de ses services, en commençant par les pentests et les audits (Techzine).

Les données concernées. C'est là que l'argument souverain prend tout son sens : journaux d'événements, informations sur les vulnérabilités de clients, traces d'investigation. Ce sont parmi les données les plus sensibles d'une entreprise, et les modèles tourneront sur des capacités de calcul situées en Europe, dans des centres de données gérés par Mistral (Techzine). Timothée Lacroix, CTO de Mistral, parle d'une « solution d'IA souveraine et fiable » pour les organisations européennes ; Hugues Foulon, DG d'Orange Cyberdefense, d'une « cyber-IA européenne, entraînée par nos experts et sous leur contrôle » (Techzine).

Les quatre garde-fous annoncés par Orange Cyberdefense :

C'est cohérent avec les bonnes pratiques listées plus haut : la sécurité ne repose pas sur le seul comportement du modèle, mais sur le cadre autour.

Ce qui reste flou. Aucune date de lancement ni calendrier de déploiement n'a été communiqué, et la variante n'a pas de nom public. Orange Cyberdefense revendique aussi une approche agnostique : le choix des technologies dépendra des besoins de chaque client, sans exclusivité pour Mistral (Techzine). Enfin, les chiffres cyber mis en avant au lancement (93 % sur CyberBench, 82 % de vulnérabilités réelles reproduites et corrigées) sont, eux aussi, communiqués par Mistral (Techzine).

Pour l'écosystème, l'annonce montre dans quelle direction va Mistral : les poids ouverts pour tout le monde, et des variantes spécialisées co-construites avec des acteurs européens sur des métiers sensibles.

Ce qu'il faut retenir

Mistral Large 4 en open weights est une étape importante : pour la première fois depuis un moment, un modèle européen de cette taille, entraîné en Europe, est téléchargeable et utilisable commercialement. Pour l'écosystème, c'est une alternative crédible aux open weights chinois et aux API américaines.

Les réserves sont connues : une licence qui ferme la porte aux revendeurs d'accès, un matériel hors de portée de la plupart des particuliers, et des performances à confirmer par des mesures indépendantes. À suivre dans les prochaines semaines : les réplications de benchmarks, et les premiers retours d'organisations qui le déploient réellement sur site.

Sources

• Le Monde Informatique, « Mistral AI ouvre les poids de son modèle Large 4 », 30 octobre 2026
• Developers Digest, « Mistral Large 4 on Hugging Face: Weights, License, vLLM Setup »
• Online Tech Tips, « Mistral releases Large 4 open-weight frontier AI model »
• Techzine, « Orange Cyberdefense gains access to a new Mistral Large 4 variant », 29 octobre 2026
• TelecomTV, « Orange Cyberdefense becomes Mistral AI's first European MSSP design partner »