Mistral Large 4 dévoilé : le modèle européen à mille milliards de paramètres en préversion

L'entreprise française d'intelligence artificielle Mistral a annoncé le 6 octobre 2026 la préversion publique de son plus grand modèle, Mistral Large 4 (ML4). Connu sous le nom de code « Le Chonk », le modèle est désormais accessible via API sur la plateforme Mistral Studio de l'entreprise. La publication des poids du modèle est prévue pour fin octobre ; jusque-là, ML4 est répertorié comme modèle propriétaire, ses poids n'étant pas encore partagés.

Selon Mistral, ML4 est nativement multimodal et compte 1 000 milliards de paramètres au total, dont 49 milliards actifs. L'entreprise affirme que le modèle surpasse même des modèles concurrents propriétaires dans les domaines de la cyberdéfense, de la production et de la finance.

Qu'en est-il des tests indépendants ?

Dans l'Intelligence Index d'Artificial Analysis, qui combine dix domaines différents, ML4 obtient 38 points. C'est un bond considérable par rapport aux 9 points de Mistral Large 3, son prédécesseur, et aux 14 points de Mistral Medium 3.5, sorti récemment. Avec ce score, ML4 devance GLM-5.2 de Z.ai, mais reste loin derrière le leader, Claude Opus 5.5 (Max), avec 58 points. En matière de codage, ML4 devance Deepseek V4 Pro et Qwen3.8 Max avec un score de 49,8 % à l'Artificial Analysis Coding Agent Index. Dans l'évaluation à l'aveugle de Surge AI, ML4 se classe deuxième parmi cinq modèles avec 3,74/5, derrière Claude Opus 5 qui obtient 4,22 points.

D'où vient l'affirmation sur la cybersécurité ?

Mistral a consacré une grande partie de son annonce aux capacités de cybersécurité. Selon l'entreprise, ML4 a affiché un taux de réussite de 82 % lors d'un test consistant à reproduire puis corriger une véritable faille d'un logiciel open source, le meilleur score parmi tous les modèles testés. Toutefois, Mistral précise que des modèles comme Claude Opus 5.5 et GPT-6 Astra ont totalement refusé cette tâche en raison de leurs filtres de sécurité, ce qui signifie que ce test mesure autant les politiques des fournisseurs que les capacités réelles du modèle. Mistral indique également des taux de refus élevés face aux requêtes cyber malveillantes, bloquant 93,3 % des attaques dans le B3 AI Security Benchmark de Lakera.

Que propose-t-il en analyse de plans techniques et de visuels ?

Mistral avance que ML4 peut analyser des documents, des graphiques, des images satellites en gigapixels et des plans techniques, en zoomant et en examinant les détails de façon autonome. Sur le benchmark Dense 200, ML4 obtient 42 %, légèrement devant les 41 % de GPT-6 Astra. Les évaluateurs humains auraient également préféré ML4 pour les tâches STEM et CAO. Ce détail est particulièrement intéressant pour les équipes travaillant sur des documents d'architecture et d'ingénierie.

Quelles implications pour les équipes d'architecture et d'archviz ?

Les performances du modèle sur les plans techniques et les tâches CAO laissent entrevoir un usage futur pour l'analyse de documents architecturaux, le contrôle des métrés ou la numérisation automatique de plans techniques. Cependant, le modèle n'en est encore qu'au stade de préversion et reste considéré comme propriétaire ; tant que les poids ne sont pas publiés et que les conditions de licence ne sont pas précisées, il serait prématuré pour les agences de planifier un déploiement on-premise ou une intégration. L'hébergement en Europe et l'accent mis sur la souveraineté des données pourraient intéresser les agences d'architecture européennes soucieuses de confidentialité, mais compte tenu de l'écart de performance, les modèles propriétaires (Claude, GPT-6 Astra) resteront probablement privilégiés pour les tâches quotidiennes.

Mistral a précisé avoir entraîné ML4 de zéro dans ses propres centres de données européens, à l'aide de 3 800 GPU Nvidia Grace Blackwell. La fenêtre de contexte du modèle atteint 1 million de tokens ; selon la documentation, son architecture repose sur un mixture-of-experts à granularité fine et un encodeur visuel de 1,6 milliard de paramètres. Pendant la préversion, la tarification a été fixée à 0,68 dollar par million de tokens en entrée et 2,09 dollars en sortie ; les entrées mises en cache sont facturées 0,07 dollar. La documentation indique aussi des tarifs standards, soit le double de ces montants. Cette expansion est financée par le tour de table Series D de 3 milliards d'euros levé par l'entreprise.