Mistral lance ML4 « Le Chonk », modèle à poids ouverts de mille milliards de paramètres : aperçu avant la publication des poids
Selon ZDNET, Mistral a annoncé Mistral Large 4 (Le Chonk), un modèle à poids ouverts de mille milliards de paramètres, déjà disponible en aperçu public, avec une publication des poids annoncée pour le 27 octobre. Le modèle met en avant des capacités de cybersécurité contrôlables par les entreprises et des options de déploiement souverain dans l'UE.
Ce qui change
Selon ZDNET, le laboratoire français d'IA Mistral a annoncé son nouveau modèle Mistral Large 4 (ML4), surnommé « Le Chonk » en interne en raison de son volume de mille milliards de paramètres. Le modèle est actuellement en aperçu public, et Mistral indique que les poids seront publiés le 27 octobre ; cet intervalle doit servir à évaluer plus avant, en conditions réelles, les capacités et le comportement du modèle avec des développeurs, des responsables de la cybersécurité et des autorités nationales. Le rapport indique que ML4 met l'accent en priorité sur les capacités de cyberdéfense, avec un contrôle personnalisable et une souveraineté des données ; selon Mistral, les entreprises peuvent posséder et contrôler entièrement le modèle, sans dépendance à un fournisseur, et les entreprises comme les États ne devraient pas être contraints de dépendre de fournisseurs à code fermé susceptibles de désactiver des capacités à leur guise. Mistral indique que ML4 a été entraîné de zéro pendant deux mois sur 4 000 GPU Nvidia Grace Blackwell, déployés dans son propre centre de données en Europe, l'aperçu tournant sur le même parc de GPU. Le rapport mentionne aussi que les premiers partenaires de test recevront une version aux garde-fous réduits, dotée de « capacités de cybersécurité étendues », à l'image des approches Anthropic Project Glasswing et OpenAI Astra citées dans le rapport. Le rapport précise également que Mistral attend encore les résultats définitifs des benchmarks ; des analyses tierces précoces indiquent que ML4 est comparable à des modèles propriétaires plus coûteux sur certaines tâches de vision par ordinateur, qu'il égale ou dépasse légèrement les modèles de la série DeepSeek sur des tâches de travail financier, et qu'il atteint 15 % sur le benchmark d'agent juridique Harvey, ce qui constituerait selon le rapport un nouveau record pour un modèle à poids ouverts. À noter : ces comparaisons et scores sont des déclarations de la source relayées par le rapport et n'ont pas été vérifiés indépendamment.
Conséquences pour les développeurs
Pour les équipes qui évaluent les poids ouverts et les scénarios de déploiement propre, l'aspect opérationnel de cet événement ne réside pas dans les « mille milliards de paramètres » eux-mêmes, mais dans le calendrier de publication des poids et les modalités d'accès : le rapport indique que l'aperçu est en ligne, tandis que les poids ne seront publiés que le 27 octobre. Cela signifie que, dans l'intervalle, les développeurs n'ont accès qu'à l'aperçu hébergé ou à son API, sans pouvoir réaliser d'audit des poids, de fine-tuning ni de validation de déploiement hors ligne. Le rapport évoque la disponibilité « prochaine » d'options de déploiement auto-hébergé ou d'accès API dans la région de son choix, y compris une région souveraine européenne où les données relèvent de la juridiction de l'UE ; c'est une information clé pour les équipes soumises à des contraintes de transfert de données ou de conformité, mais le rapport parle de « bientôt », et le calendrier précis comme les régions couvertes restent à confirmer. Sur le plan du calcul, le chiffre de 4 000 Grace Blackwell pendant deux mois est fourni par Mistral lui-même : il s'agit d'une déclaration du fournisseur, non d'une reproduction par un tiers, et il ne peut pas être directement converti en coût de déploiement reproductible. L'affirmation selon laquelle ML4 serait « absolument plus performant en cybersécurité » que les modèles de Kimi, DeepSeek et Meta provient d'un courriel d'un porte-parole de Mistral : c'est une allégation d'une partie, et le rapport rappelle que les scores de benchmark doivent être maniés avec prudence. Il faut aussi distinguer poids ouverts et licence open source : le rapport indique seulement que les poids seront publiés, sans préciser les termes de la licence ; la disponibilité des poids n'équivaut pas à l'obtention de droits d'usage commercial, de redistribution ou d'entraînement dérivé, et les conditions réelles devront être vérifiées lors de la publication effective des poids.
Intégration et évaluation
L'analyse qui suit est une recommandation fondée sur ce rapport, et non un fait vérifié. Première décision : faut-il attendre les poids avant de lancer l'évaluation. Le rapport indique que les poids sont prévus pour le 27 octobre ; si vos processus de conformité ou de sécurité exigent une inférence locale et un audit des poids, il est conseillé de n'utiliser l'aperçu, avant cette date, que pour adapter les interfaces et les prompts, sans considérer le comportement de l'aperçu comme celui des poids définitifs ; cela suppose un environnement hors ligne reproductible, et le critère de mesure est de savoir si l'écart de taux de réussite entre l'aperçu et les poids auto-déployés, sur le même ensemble de cas internes, converge vers une plage acceptable. Deuxième décision : la voie de déploiement et de résidence des données. Le rapport annonce une option d'auto-hébergement ou d'accès API dans la région de son choix (y compris une région souveraine européenne) ; si vos données relèvent de la juridiction de l'UE, il convient d'attendre que cette option soit effective avant de choisir le chemin d'appel, à condition que l'équipe dispose déjà d'une classification des données et d'un routage par région ; le critère de mesure est le nombre de nœuds traversés par les flux transfrontaliers et l'intégralité des journaux d'audit sur ce chemin. Troisième décision : la méthode d'évaluation des tâches de sécurité. Le rapport indique que les premiers partenaires de test recevront une version aux garde-fous réduits et aux capacités de cybersécurité étendues ; si vous réalisez des évaluations défensives, il faut préciser si la version utilisée est bien cette version réservée aux partenaires, car la différence de garde-fous modifie directement les résultats ; le critère de mesure est le taux de refus et le taux de faux positifs du même ensemble de prompts sur la version standard et sur la version assouplie. Pour l'évaluation, il faut aussi s'appuyer sur des tâches concrètes comme l'agent juridique Harvey et refaire les tests soi-même plutôt que de citer les scores du rapport.
Limites et points à confirmer
Cette version du modèle (Mistral Large 4 / Le Chonk) n'est pas répertoriée dans le catalogue en temps réel de KimiSeek ; la disponibilité API mentionnée dans le rapport renvoie à Mistral lui-même et n'a aucun lien avec KimiSeek. Les comparaisons de performance citées dans le rapport (meilleur que les meilleurs modèles de Kimi, DeepSeek et Meta, ainsi que 15 % sur le benchmark Harvey) proviennent d'allégations de Mistral ou d'analyses tierces précoces ; Mistral indique lui-même attendre encore les résultats définitifs des benchmarks, et ces chiffres n'ont pas été reproduits indépendamment. Le rapport ne divulgue pas le type de licence, la longueur de contexte, les exigences de quantification et de matériel, ni la tarification et les quotas de l'API ; la publication des poids à la date prévue n'est pas non plus confirmée. Le calendrier des options de déploiement n'est mentionné que par le mot « bientôt ». D'autres publications de poids ouverts rapportées précédemment (comme Kyutai CADRE, Recursive Flint, Kimi K3.1 Pro, etc.) sont sans rapport avec celle-ci et leurs conclusions ne doivent pas être transposées. Les prix évoluent ; pour toute donnée de coût, il convient de se référer aux pages tarifaires des fournisseurs et plateformes concernés.
Illustrations de l’article original
