Mistral Large 4 muscle le code, mais reste derrière les meilleurs modèles chinois

Mistral a publié les poids de Mistral Large 4, son plus grand modèle à ce jour, le 29 octobre 2026. Ce modèle multimodal, capable de traiter du texte et des images, peut être téléchargé pour un déploiement sur ses propres serveurs, avec une licence open-weight modifiée. Sur le papier, il progresse nettement en programmation et en cybersécurité défensive. Dans les classements indépendants, cependant, il reste derrière les meilleurs modèles chinois sur le score global.

Un modèle géant, pensé pour tourner chez soi

Mistral Large 4, surnommé « Le Chonk », compte environ 1 000 milliards de paramètres, dont 52 milliards actifs par requête. Autrement dit, seul un sous-ensemble du modèle est mobilisé à chaque génération, ce qui réduit la charge de calcul tout en gardant une très grande capacité. La version standard exige huit GPU Nvidia B300, selon la documentation d’inférence citée par les sources, ce qui donne une idée assez nette du niveau de muscle requis.

La société présente aussi ce modèle comme un pari de souveraineté numérique. Il a été entraîné en Europe, sur des datacenters propres, et peut être exécuté localement plutôt que dans le cloud d’un tiers. Pour les entreprises, l’atout est clair : garder la main sur les données et sur l’infrastructure. Le revers, lui, est plus prosaïque. Il faut de la place, de l’électricité et un budget qui ne se décide pas entre deux cafés.

Le code progresse vite, le classement général beaucoup moins

Sur le codage, Mistral insiste sur les gains obtenus après trois semaines supplémentaires d’entraînement par renforcement. Selon la société, Large 4 atteint 48 % sur l’Artificial Analysis Coding Agent Index, à égalité ou presque avec GLM-5.3, tout en consommant 47 % de tokens en moins. Sur Terminal-Bench 4.0, le score passe de 28 % dans la préversion à 41 % dans la version finale, ce qui place le modèle au-dessus de plusieurs rivaux ouverts. Mistral dit aussi avoir obtenu 19,7 % sur FrontierCode 2.0, un benchmark privé de Cognition centré sur la qualité de bout en bout du code et sur la probabilité qu’un mainteneur fusionne la modification proposée.

Le tableau change dès qu’on regarde le classement global. Sur l’Artificial Analysis Intelligence Index v5, Large 4 obtient 26 points, contre 32 pour DeepSeek V4.1 Flash et GLM-5.3, et 59 pour Gemini 4 Carbon. Le modèle de Mistral devance donc la médiane des grands modèles ouverts comparables, mais pas les leaders chinois, ni les systèmes fermés les plus puissants d’Anthropic et de Google. Le message est assez simple : bon en atelier, moins tranchant sur la piste d’ensemble.

Des gains de vitesse et de coût, avec une licence qui garde une clé de côté

Le modèle va plus vite qu’avant. Les sources indiquent un débit de 161 tokens par seconde, contre 111 pour la préversion. Côté prix API, Mistral annonce 0,70 dollar par million de tokens en entrée et 2,10 dollars en sortie, avec un tarif de 0,07 dollar pour les tokens mis en cache. Pendant la préversion, la grille était plus élevée. La société affiche donc une baisse sensible, même si certains concurrents chinois restent moins chers sur plusieurs usages.

La licence suit la même logique : ouverture large, mais pas totale. Les poids sont publiés sous une version modifiée de la licence MIT, libre pour l’usage, la modification, le fine-tuning et le déploiement commercial. En revanche, les acteurs qui veulent proposer Large 4 comme service commercial dans leur propre cloud doivent obtenir une licence séparée de Mistral. L’ouverture, oui. Le libre-service intégral, non.

Cyberdéfense : un bon score, mais des garde-fous renforcés

Dans la sécurité, Mistral met en avant un score de 51 % sur l’Artificial Analysis Cyber Index, qui mesure la capacité d’un modèle à repérer, reproduire et corriger des failles sans casser le reste du code. Le taux de refus moyen atteint 96,6 % sur des requêtes cyber malveillantes, selon la société. Ce niveau de blocage est présenté comme le plus élevé parmi les modèles ouverts testés. En parallèle, Mistral précise que certaines versions spéciales sont déjà testées par des partenaires comme Orange Cyberdefense pour la pentest, la chasse aux vulnérabilités et les exercices de red teaming, avec accès contrôlé et restrictions contractuelles.

Cette prudence n’est pas décorative. Mistral reconnaît que le modèle peut aussi faciliter de vraies attaques, d’où des ajustements de garde-fous prévus dans les prochains mois. Les entreprises intéressées par une IA de sécurité devront donc composer avec un double mouvement : plus de puissance pour la défense, mais aussi plus de contrôle sur ce qu’on autorise à faire. Dans ce domaine, le modèle n’est pas un couteau suisse ; il ressemble davantage à une boîte à outils dont certaines pièces restent sous clé.