Mistral Large 4 met la cybersécurité au centre du jeu
Mistral AI a présenté Large 4, un modèle entraîné en Europe et pensé pour les usages professionnels. La société met en avant ses scores en cybersécurité et un contrôle accru du déploiement par les entreprises.
Présenté le 5 octobre, Large 4 est le premier grand modèle lancé par Mistral AI depuis sa levée de fonds de 3 Md€. Entièrement entraîné en Europe, ce modèle open weight vise les usages professionnels, avec un accent marqué sur la cybersécurité. Mistral veut ainsi réduire l’écart avec les meilleurs modèles américains et chinois, tout en gardant davantage de contrôle côté entreprises.
Un modèle pensé pour les entreprises, pas seulement pour discuter
Large 4, que Mistral baptise en interne « Le Chonk », cible des tâches concrètes : développement logiciel, finance, droit, traitement documentaire, ingénierie ou analyse géospatiale. Le modèle combine raisonnement, usage d’outils et production de livrables, ce qui le place dans une logique de workflow plus que de simple chatbot. Autrement dit, l’outil veut faire le travail de bureau que beaucoup d’outils promettent sans toujours le livrer.
Sur ses benchmarks, Mistral revendique 82 % sur un test de reproduction et correction d’une vulnérabilité réelle, ainsi que 93 % sur Cybench. L’entreprise met aussi en avant des performances de haut niveau en code et dans plusieurs domaines professionnels, mais ces résultats devront être confirmés par des évaluations indépendantes [à vérifier].
Pourquoi la cybersécurité devient l’argument central
La cybersécurité sert ici de terrain de différenciation. Mistral affirme que Large 4 peut rivaliser avec des modèles open weight de premier plan, y compris face à certains modèles chinois, sur plusieurs évaluations. Ce positionnement compte, car un modèle capable d’aider à détecter ou corriger des failles intéresse directement les équipes sécurité, les banques, les administrations ou les opérateurs d’infrastructures critiques.
Le choix de l’open weight va dans le même sens. Une fois les poids disponibles, les organisations pourront envisager un déploiement sur leurs propres infrastructures ou dans un cloud privé, avec leurs politiques de sécurité. Cela réduit la dépendance à un environnement unique et facilite la gestion des données sensibles, à condition de disposer des moyens techniques pour l’exploiter.
Entraînement européen, déploiement sous contrôle
Mistral indique que l’entraînement a été réalisé en Europe sur 4 000 GPU Nvidia Grace Blackwell, pendant environ deux mois. Le modèle est aussi servi en production depuis les data centers européens de l’entreprise. Autre point mis en avant : la prise en charge de plus de 160 langues, dont l’ensemble des langues officielles de l’Union européenne, pour limiter la dépendance à une traduction depuis l’anglais.
La société a choisi une ouverture progressive. Une version de prévisualisation est disponible via l’API de Mistral Studio, tandis que la publication des poids est prévue pour la fin octobre selon le communiqué. Cette phase doit permettre de tester le modèle avec des développeurs, des spécialistes de la cybersécurité et des autorités publiques, avant une diffusion plus large. Mistral veut vérifier le comportement du système dans plusieurs environnements, sans lâcher la bride trop vite.
Points clés
- Présentation le 5 octobre, après une levée de fonds de 3 Md€.
- Large 4 a été entraîné en Europe sur 4 000 GPU Nvidia.
- Mistral revendique 93 % sur Cybench.
- La publication des poids est annoncée pour fin octobre.
- Le modèle couvre plus de 160 langues.
- Artur Mensch défend un modèle « open weight » plus contrôlable.
En chiffres
- 3 Md€ — levée de fonds de Mistral AI, avant le lancement de Large 4.
- 4 000 GPU — infrastructure Nvidia Grace Blackwell utilisée en Europe.
- 93 % — score revendiqué par Mistral sur Cybench.
- 82 % — résultat annoncé sur un test de vulnérabilité réelle.
- 160 langues — couverture linguistique annoncée par Mistral.
