Le 29 octobre 2026, Mistral AI a publié les poids ouverts de Mistral Large 4, son modèle phare surnommé « Le Chonk ». Après une préversion fermée début octobre, ce modèle de 1 000 milliards de paramètres devient téléchargeable et auto-hébergeable. Pour une PME qui réfléchit à sa stratégie IA, cette bascule vers l'open source souverain ouvre des options concrètes, mais pas sans contreparties.
En bref
- Le 29 octobre 2026, Mistral AI a mis en ligne les poids de Mistral Large 4 (1 000 milliards de paramètres, 52 milliards actifs) sous une licence Mistral Ecosystem Open-Weight, une version modifiée de la licence MIT.
- Le modèle est présenté comme pensé pour deux publics : les développeurs (meilleur modèle ouvert pour le code, selon Mistral) et les équipes de cybersécurité (détection et correction de vulnérabilités).
- Sur son propre benchmark de sécurité (B3 Agent Security Benchmark), Mistral revendique 97,1 % de résistance aux attaques, contre 93,3 % lors de la préversion.
- Les poids sont disponibles sur Hugging Face et déployables via vLLM ou SGLang ; l'accès API reste aussi possible, facturé 0,70 $ par million de tokens en entrée.
- Mistral reconnaît avoir observé, pendant la préversion, un risque de détournement du modèle pour des attaques réelles, et dit avoir renforcé ses garde-fous avant la publication.
Ce qui change le 29 octobre 2026
Jusqu'ici, Mistral Large 4 n'existait qu'en préversion API, accessible uniquement via Mistral Studio. Avec cette publication, l'entreprise franchit une étape : les poids du modèle (les paramètres entraînés) sont désormais téléchargeables librement, au même titre qu'un logiciel open source. Concrètement, une organisation peut faire tourner Large 4 sur ses propres serveurs, sans dépendre d'une API externe ni envoyer ses données à un tiers.
C'est la plus grande publication en poids ouverts jamais réalisée par un acteur européen sur un modèle de cette taille. Mistral la positionne explicitement face aux modèles ouverts chinois (DeepSeek, Z.AI, Alibaba) et américains (Thinking Machines Lab), avec un argument de souveraineté : entraînement et hébergement entièrement réalisés en Europe.
Pour qui : codeurs et « défenseurs »
Mistral cible deux usages prioritaires avec cette version.
Pour les développeurs, le modèle est annoncé comme le plus performant des modèles ouverts sur l'agentic coding (écriture de code autonome par un agent IA). Mistral cite un score de 48 % sur l'Artificial Analysis Coding Agent Index, à égalité avec le modèle chinois GLM-5.3, mais avec 47 % de tokens consommés en moins, donc moins coûteux à l'usage.
Pour les équipes de cybersécurité (les « défenseurs »), Large 4 est positionné comme un outil de détection et de reproduction de vulnérabilités, utilisable en interne sans envoyer de données sensibles à un service tiers. Des partenaires comme Orange Cyberdefense testent une variante spécialisée du modèle, sous contrat et limitée à des systèmes possédés ou explicitement autorisés. Cisco, CrowdStrike, Fortinet et l'ENISA (l'agence européenne de cybersécurité) ont également évalué le modèle, selon Mistral.
À lire avec prudence
Tous les chiffres ci-dessus viennent des propres évaluations de Mistral AI, publiées sur son blog officiel. Aucun organisme indépendant n'a encore reproduit ces résultats. Comme pour toute annonce d'éditeur, il faut attendre des benchmarks tiers avant de les considérer comme définitifs.
Un point de vigilance : le risque de détournement
Mistral ne cache pas les limites de son propre modèle, ce qui mérite d'être souligné. Dans son billet d'annonce, l'entreprise indique avoir constaté, pendant la phase de préversion, que Large 4 refusait bien les attaques en boîte noire sur des cibles réelles, mais présentait un potentiel de dérive vers des capacités d'attaque réelles. Mistral dit avoir renforcé ses garde-fous en conséquence avant la publication des poids ouverts.
Le modèle affiche un taux de refus moyen de 96,6 % face aux requêtes malveillantes liées à la cybersécurité, le plus élevé parmi les modèles ouverts testés par Mistral. L'entreprise affirme distinguer les usages défensifs légitimes (dont elle limite le refus) des usages offensifs.
Pour une PME, ce point rappelle une règle simple : un modèle open source, auto-hébergé, échappe au contrôle direct de son éditeur une fois téléchargé. La responsabilité de l'usage, et des garde-fous appliqués en interne, revient à l'organisation qui le déploie.
Auto-hébergement ou API : comment choisir
Publier les poids ne veut pas dire que l'auto-hébergement est la meilleure option pour toutes les PME. Voici les critères qui font généralement pencher la balance.
| Critère | Rester sur l'API Mistral | Auto-héberger Large 4 (poids ouverts) |
|---|---|---|
| Coût direct | Facturation à l'usage (0,70 $ / M tokens entrée) | Pas de coût par token, mais GPU et infrastructure à financer |
| Compétence technique requise | Faible (appel API) | Élevée (déploiement vLLM/SGLang, GPU dédiés) |
| Contrôle des données | Données transmises à Mistral (sous droit européen) | Données ne quittent jamais l'infrastructure de l'entreprise |
| Mise à jour du modèle | Automatique côté Mistral | À gérer soi-même (nouvelles versions à réintégrer) |
| Pertinence | PME sans équipe infra dédiée, usage ponctuel | Secteurs très réglementés, cybersécurité, gros volumes |
Pour la majorité des PME, l'API reste le choix le plus simple : pas de serveurs à gérer, facturation proportionnelle à l'usage. L'auto-hébergement devient pertinent surtout pour les entreprises déjà équipées en infrastructure GPU, ou pour les secteurs où la non-circulation des données (santé, défense, finance, cybersécurité) justifie l'investissement.
FAQ
Mistral Large 4 est-il gratuit ?
Les poids sont librement téléchargeables sous licence Mistral Ecosystem Open-Weight, une licence modifiée MIT qui autorise l'usage, la modification et la commercialisation. Une entreprise qui revend l'accès au modèle sous forme de service (Model-as-a-Service) doit en revanche obtenir une licence commerciale séparée auprès de Mistral.
Quelle est la différence avec la préversion d'octobre ?
La préversion du 6 octobre 2026 n'était accessible que via l'API Mistral Studio, sans possibilité de télécharger le modèle. La version du 29 octobre ajoute les poids ouverts (téléchargeables sur Hugging Face) et améliore les scores sur plusieurs benchmarks, par exemple Terminal-Bench 4.0 qui passe de 28 % à 41 %.
Une PME a-t-elle besoin d'auto-héberger ce modèle ?
Non, dans la plupart des cas. L'API reste la solution la plus simple pour une PME sans équipe infrastructure. L'auto-hébergement s'adresse surtout aux organisations avec des contraintes fortes de confidentialité des données ou des volumes d'usage justifiant l'investissement en GPU.
Ce modèle est-il fiable pour des tâches de cybersécurité sensibles ?
Mistral revendique un taux de résistance aux attaques élevé et travaille avec des partenaires spécialisés comme Orange Cyberdefense. L'entreprise reconnaît cependant un risque de détournement vers des usages offensifs et affirme avoir renforcé ses garde-fous. Comme pour tout outil de cybersécurité basé sur l'IA, l'usage doit rester encadré par une politique interne claire.
L'arrivée d'un modèle ouvert de cette taille, entraîné en Europe, confirme une tendance : la souveraineté numérique devient un critère de choix IA aussi concret que le prix ou la performance. Pour approfondir comment choisir entre les différents modèles disponibles en 2026, consultez notre guide Comment choisir son modèle IA ou découvrez d'autres retours d'expérience sur la page Ressources du Mag LUWAI.
