Mistral AI est entrée mardi dans la prochaine phase du débat entre IA ouverte et fermée avec Mistral Large 4, un modèle multimodal à mille milliards de paramètres surnommé « Le Chonk ». L’entreprise française affirme que cette sortie vise à maintenir la pertinence de l’Europe alors que les développeurs chinois dominent de nombreux modèles ouverts et que des groupes américains tels qu’OpenAI et Anthropic conservent leur avance dans les systèmes fermés.¹

L’argumentaire est délibérément politique autant que technique. ML4 est présenté comme la « troisième voie en IA » défendue par le président français Emmanuel Macron : une alternative européenne pouvant être auto-hébergée et modifiée, contrairement aux systèmes américains fermés, sans dépendre de la technologie chinoise.² Mistral a déclaré que son modèle était particulièrement adapté à la cybersécurité, au codage, à l’industrie manufacturière, à la finance et aux tâches multimodales, et affirme qu’il figurera parmi les systèmes à poids ouverts les plus puissants une fois ses paramètres centraux publiés.¹

Pour l’instant, toutefois, le modèle n’est pas ouvert. Mistral a placé ML4 en aperçu via un point d’accès public contrôlé destiné aux développeurs, aux responsables de la cybersécurité et aux autorités publiques, avec une publication plus large des poids prévue plus tard ce mois-ci après des tests de sécurité. Pierre Stock, vice-président de la science chez Mistral, a déclaré que l’entreprise travaillerait avec des « partenaires et gouvernements de confiance » afin de garantir que les poids puissent être utilisés « pour défendre, mais pas pour mener des attaques malveillantes ». ²

Cette prudence reflète une contradiction centrale dans la stratégie de Mistral. L’entreprise soutient que les poids ouverts facilitent l’audit des modèles, tout en reconnaissant que de puissantes capacités cyber exigent un déploiement contrôlé. Le cofondateur Guillaume Lample a déclaré que ces capacités pourraient aider les gouvernements et les entreprises à contrer des acteurs qui « contournent les garde-fous de modèles fermés pour mener des cyberattaques ». ¹

Mistral met également en avant l’efficacité. L’entreprise a entraîné ML4 dans ses centres de données européens sur 4 000 GPU Nvidia Grace Blackwell pendant deux mois ; selon M. Stock, cela représentait « deux à trois fois moins que nos concurrents chinois » et bien moins que les rivaux à code source fermé.² Reste à savoir si cette frugalité se traduira par une position de leader dans les benchmarks : c’est l’épreuve encore sans réponse du pari européen.