Mistral Large 4 « Le Chonk » : la France sort un mastodonte de 1 000 milliards de paramètres… et promet de le donner

Le 6 octobre 2026, Mistral AI a dévoilé Mistral Large 4, affectueusement surnommé « Le Chonk » par ses propres créateurs. Un modèle de 1 000 milliards de paramètres (oui, mille milliards, un « trillion » en anglais), dont les poids doivent être publiés gratuitement d’ici la fin du mois.

Alors, coup de com’ ou vrai tournant ? On a épluché l’annonce officielle, les premiers tests indépendants et les critiques (il y en a). Voici tout ce qu’il faut savoir.

🔵 Pour les débutants : « Le Chonk », c’est quoi ce surnom ? Sur internet, un « chonk » désigne un animal (souvent un chat) adorablement dodu. Mistral s’amuse donc de la corpulence de son modèle : c’est le plus gros qu’ils aient jamais construit. Une pointe d’autodérision assez rare dans un secteur qui se prend d’ordinaire très au sérieux.

Mistral Large 4 en 30 secondes

• Taille totale : environ 1 000 milliards de paramètres (contre 675 milliards pour Large 3).
• Paramètres actifs : une cinquantaine de milliards seulement par mot traité, grâce à une architecture dite « mixture d’experts » (on y revient).
• Multimodal : il comprend le texte, mais aussi les images, graphiques, documents scannés et plans techniques.
• Plus de 160 langues, dont toutes les langues officielles de l’Union européenne.
• Entraîné en Europe, à partir de zéro, sur environ 3 800 puces Nvidia Grace Blackwell installées dans les datacenters de Mistral.
• Disponible dès maintenant en préversion via l’API (Mistral Studio), poids ouverts annoncés pour fin octobre 2026.

Mille milliards de paramètres : ça veut dire quoi, concrètement ?

Imaginez le cerveau d’une IA comme une gigantesque table de mixage avec des boutons de réglage. Chaque paramètre est l’un de ces boutons, ajusté pendant l’entraînement pour que le modèle prédise correctement le mot suivant. Plus il y a de boutons, plus la machine peut capturer de nuances (expressions, raisonnements, connaissances spécialisées).

Avec 1 000 milliards de boutons, Mistral rejoint le cercle très fermé des modèles « trillionnaires ». Sauf que, et c’est là toute la subtilité, il ne les tourne jamais tous en même temps.

Le secret : la « mixture d’experts »

Pensez à un grand hôpital. Quand vous arrivez avec une entorse, on ne convoque pas le cardiologue, le dermatologue et le neurochirurgien : on vous envoie chez l’orthopédiste. Un aiguilleur à l’accueil fait le tri.

Une architecture MoE (Mixture of Experts) fonctionne exactement ainsi. Le modèle contient des dizaines de sous-réseaux spécialisés, les « experts », et un petit mécanisme de routage décide, pour chaque morceau de texte, lesquels solliciter. Résultat : sur ses 1 000 milliards de paramètres, Large 4 n’en mobilise qu’environ 50 milliards à la fois. On garde l’érudition d’un mastodonte avec une facture de calcul bien plus digeste.

Que sait faire Mistral Large 4 ?

D’après Mistral, le modèle a été pensé comme un couteau suisse pour les entreprises, avec quelques points forts assez nets :

• Comprendre des documents visuels : factures scannées, tableaux, graphiques, et même des plans d’ingénierie ou des images satellites à inspecter.
• Agir comme un agent : enchaîner des tâches, appeler des outils, écrire et corriger du code.
• Cybersécurité : c’est l’argument massue. Mistral affirme que Large 4 reproduit et corrige une vraie faille dans 82 % des cas testés, et résout 93 % des 40 défis du banc d’essai Cybench.
• Travail de bureau « sérieux » : finance, juridique, analyse de dossiers.

Exemple concret : un cabinet comptable pourrait lui confier une pile de 300 factures PDF mal scannées, lui demander d’extraire montants et dates, puis de signaler les doublons. Le tout sur ses propres serveurs, une fois les poids publiés, sans envoyer une seule donnée client ailleurs.

Les performances, chiffres en main

Voici les résultats mis en avant par Mistral. Attention : ce sont, pour l’essentiel, des mesures auto-déclarées.

Test	Ce que ça mesure	Score annoncé
DeepSWE v1.1	Corriger de vrais bugs dans du code	61,7 %
AutomationBench	657 tâches de bureau automatisées	59,9 %
Cybench	Défis de cybersécurité	93 % (sur 40)
Lakera B3	Résistance aux attaques par prompt	93,3 % bloquées
Évaluation humaine Surge AI	Qualité du code jugée par des humains (sur 5)	3,74 (2e/5, derrière Claude Opus 5 à 4,22)

Et du côté des évaluateurs indépendants ? Les premiers tests d’Artificial Analysis placent la préversion entre DeepSeek V4.1 Flash et GPT-6 Luna, la déclinaison légère d’OpenAI. Traduction : très bon pour un modèle ouvert, mais encore nettement derrière les vaisseaux amiraux d’OpenAI et d’Anthropic, selon The Register.

🔴 Attention : des chiffres à prendre avec des pincettes Sur le classement public DeepSWE, les meilleurs modèles chinois ouverts (GLM-5.3, Kimi K3) tournent autour de 69 %, et les modèles fermés vers 74 %. Les 61,7 % de Large 4 ont été mesurés en interne, et ne sont pas encore reproductibles de l’extérieur. Méfiance, donc, tant que la communauté n’a pas mis la main sur les poids.

Combien ça coûte ?

En préversion, l’API Mistral Studio facture :

• 1,36 $ par million de tokens en entrée (texte que vous envoyez) ;
• 0,14 $ par million de tokens en entrée mis en cache (texte réutilisé) ;
• 4,18 $ par million de tokens en sortie (texte généré).

Pour se figurer la chose : un rapport de 20 pages pèse grosso modo 10 000 tokens. L’envoyer à Large 4 coûte donc à peu près 1,4 centime de dollar, et une réponse de deux pages (environ 1 000 tokens) moins d’un demi-centime. Pour un particulier, c’est epsilon. Pour une entreprise qui traite des millions de documents, la ligne budgétaire devient en revanche bien réelle.

🟡 Et dans Le Chat, gratuitement ? L’annonce officielle ne précise pas si Large 4 est déjà proposé dans Le Chat, l’assistant grand public de Mistral. À l’heure où nous écrivons, nous n’avons trouvé aucune confirmation.

« Poids ouverts » : pourquoi c’est le vrai sujet

Publier les poids d’un modèle, c’est livrer le « cerveau entraîné » lui-même. N’importe qui pourra le télécharger, l’installer sur ses machines, l’adapter à son métier, et surtout ne dépendre de personne. Nous avions décortiqué cette nuance dans notre article « C’est quoi un modèle IA à poids ouverts ? ».

Pour l’Europe, l’enjeu est presque géopolitique. Jusqu’ici, les modèles ouverts les plus puissants venaient majoritairement de Chine (DeepSeek, Qwen, Kimi, GLM). Mistral revendique désormais le titre de meilleur modèle ouvert développé hors de Chine en cybersécurité. Une banque, un hôpital ou un ministère qui refuse d’envoyer ses données outre-Atlantique aura enfin une option sérieuse… made in Europe.

Puis-je le faire tourner sur mon PC ?

Non. Faisons un calcul de coin de table (estimation) : même compressé à 4 bits par paramètre, un modèle de 1 000 milliards de paramètres réclame de l’ordre de 500 Go de mémoire rien que pour ses poids. Une carte graphique haut de gamme grand public en offre 24 ou 32. Donc, il faut un serveur à 8 GPU de type Nvidia HGX B300 ou AMD MI355X, soit un budget à six chiffres.

Pour l’IA locale à la maison, mieux vaut donc se tourner vers des modèles plus légère. On vous a préparé un comparatif des outils pour ça (Ollama, LM Studio…).

Les zones d’ombre

• La licence reste un mystère. Large 3 était sous licence Apache 2.0, très permissive. Pour Large 4, rien d’officiel.
• Pas encore de fichier téléchargeable. La sortie des poids est une promesse datée (le 27 octobre est évoqué), pas encore une réalité.
• Des résultats juridiques modestes dans l’absolu : 15 % de tâches réussies sur le benchmark Harvey. C’est le meilleur score des modèles cités, mais ça montre surtout que l’IA juridique autonome reste un chantier.
• Une version « débridée » à capacités cyber étendues est réservée à des partenaires triés sur le volet et aux autorités. Logique pour la sécurité, mais cela pose la question de qui décide de l’accès.

Pourquoi maintenant ?

Le timing n’est pas fortuit. Mistral vient de boucler une série D de 3 milliards d’euros, la plus grosse levée en capital jamais réalisée par une entreprise tech européenne. Large 4 est la première vitrine de cet argent frais, et Mistral annonce qu’il servira de socle à toute une gamme de modèles spécialisés. Une version 4.1, plus affûtée grâce à davantage d’apprentissage par renforcement, est déjà suggérée en filigrane.

Et il y a la concurrence : la même semaine, OpenAI a ouvert GPT-6 à tous les utilisateurs de ChatGPT et Anthropic a lancé Claude Haiku 5.5. La bataille ne se joue plus seulement sur la puissance brute, mais sur le prix, la souveraineté et… la liberté de faire tourner l’IA où l’on veut.

Large 4 n’est probablement pas le modèle le plus intelligent du moment, et Mistral le sait. Mais un modèle ouvert, européen et compétent en cybersécurité, c’est une pièce qui manquait à l’échiquier. Tout dépendra de la licence. Si elle est généreuse, Le Chonk pourrait devenir le socle discret de milliers d’outils d’entreprise sur le continent.