Mistral dévoile Le Chonk, son modèle d’un billion de paramètres

Un très gros chat dans la course aux modèles ouverts

Le nom fait sourire, mais l’enjeu est lourd. Mistral Large 4, ou “Le Chonk”, a été dévoilé le 6 octobre comme un modèle nativement multimodal d’un billion de paramètres, avec 49 milliards de paramètres actifs, ce qui en fait le modèle le plus grand et le plus capable jamais présenté par l’entreprise française [1]. La documentation officielle donne une fiche encore plus précise: 1,05 billion de paramètres au total, 49 milliards de paramètres actifs, un encodeur visuel de 1,6 milliard de paramètres et une fenêtre de contexte d’un million de tokens [2].

Cette échelle n’est pas seulement un chiffre marketing. Mistral cherche à reprendre une place dans la bataille des modèles de pointe, à un moment où les modèles fermés les plus puissants restent dominés par des laboratoires américains et où les modèles ouverts les plus dynamiques viennent souvent de Chine. L’entreprise affirme que ML4 est déjà compétitif avec les meilleurs modèles open source mondiaux et qu’il dépasse nettement tout modèle à poids ouverts développé aux États-Unis ou en Europe [1]. TechCrunch a présenté le lancement comme la tentative de Mistral d’offrir une troisième voie européenne entre les modèles fermés américains et les modèles ouverts chinois [4].

Il faut toutefois être précis sur le calendrier. Le Chonk n’est pas encore un modèle dont les poids sont librement téléchargeables au moment de l’annonce. Mistral a ouvert une préversion publique via son API et Mistral Studio, tout en indiquant que les poids seraient publiés d’ici la fin du mois [1]. VentureBeat rapporte que la date visée est le 27 octobre, après environ trois semaines de tests avec des développeurs, des responsables cybersécurité et des autorités publiques [3]. TechCrunch confirme de son côté que le modèle est pour l’instant accessible via un point d’accès public modéré, avant une ouverture des poids après les tests de sécurité [4].

Ce que revendique Mistral

Mistral met en avant trois arguments: la taille, les performances spécialisées et le contrôle européen. Sur le plan technique, Le Chonk est un modèle Mixture-of-Experts: tous les paramètres ne sont pas mobilisés à chaque requête, ce qui permet d’avoir un modèle total d’environ un billion de paramètres avec 49 milliards de paramètres actifs pendant l’inférence [2]. Sur l’infrastructure, Mistral indique que ML4 a été entraîné à partir de zéro sur 3 800 GPU Nvidia Grace Blackwell dans ses propres centres de données européens, et que la préversion publique est servie sur cette même infrastructure [1]. VentureBeat rapporte, d’après les éléments examinés, un entraînement d’environ deux mois sur près de 4 000 GPU Grace Blackwell dans les centres de données européens de Mistral [3].

L’entreprise avance aussi des chiffres de benchmark. En cybersécurité, Mistral affirme que ML4 figure parmi les cinq meilleurs modèles mondiaux sur l’Artificial Analysis Cyber Index et atteint 82% sur un test de reproduction et de correction de vulnérabilité, un score que l’entreprise présente comme le plus élevé observé sur ce test [1]. Le modèle résoudrait aussi 93% des exercices de Cybench, un ensemble de 40 défis issus de compétitions de sécurité [1]. En codage agentique, Mistral annonce 61,7% sur DeepSWE v1.1, 59,4% sur SWE-Atlas-QnA et 28,3% sur Terminal-Bench 4, pour un score combiné de 49,8% sur son Coding Agent Index [1].

Ces chiffres doivent être lus avec nuance. Le Monde souligne que Mistral avait perdu du terrain dans certains classements indépendants avant cette annonce, et que certaines performances de Large 4 devront encore être confirmées par les classements tiers régulièrement mis à jour [7]. En parallèle, Mistral affirme que certaines évaluations juridiques et financières ont été menées avec des évaluateurs tiers et que ML4 y dépasse GPT-6-Astra sur des tâches représentatives [1]. La lecture la plus prudente est donc la suivante: Mistral publie une série de résultats préliminaires solides, incluant certaines validations externes ciblées, mais l’épreuve décisive viendra après la publication effective des poids.

Des poids ouverts, mais avec une phase de sécurité

Le positionnement “open-weight” est au cœur de l’annonce, mais il ne faut pas confondre promesse et disponibilité immédiate. ML4 est présenté comme un modèle à poids ouverts, mais ses poids ne sont pas encore distribués au public au moment du lancement [4]. Mistral explique mener une phase de red teaming avec des spécialistes de la cybersécurité, des partenaires sélectionnés et des autorités publiques avant la publication; ces partenaires testent le même modèle avec une modération réduite et des capacités cyber élargies [1].

Cette approche graduelle reflète la tension fondamentale des grands modèles ouverts. Une fois les poids disponibles, les clients peuvent inspecter, personnaliser et déployer le modèle sur leur propre infrastructure; ils réduisent aussi le risque de dépendre d’un fournisseur qui pourrait couper ou restreindre l’accès. Mistral insiste sur l’importance de ce point en cybersécurité, où les refus d’un modèle hébergé peuvent bloquer des travaux légitimes de recherche de vulnérabilités ou de réponse à incident [1]. Axios rapporte que Mistral propose d’abord Le Chonk via une API modérée tout en partageant une version moins restreinte avec certains partenaires, avant une publication des poids prévue le 27 octobre après des tests de sécurité et de l’apprentissage par renforcement supplémentaire [5].

L’ouverture a cependant son revers. Axios rappelle qu’une fois les poids publiés, les utilisateurs peuvent modifier le modèle et tenter d’en retirer des protections, ce qui devient particulièrement sensible lorsque le modèle est performant sur des tâches cyber [5]. C’est pourquoi Mistral insiste sur la sécurité: l’entreprise affirme que ML4 résiste à 93,3% des attaques sur le benchmark public B3 de Lakera et obtient son meilleur score mesuré parmi ses modèles open source sur le benchmark KORA [1].

Un produit technique et géopolitique

Le Chonk est aussi un produit de souveraineté. Mistral indique que le modèle sera disponible dans plusieurs régions, dont un déploiement européen opéré de bout en bout par Mistral sous droit européen [1]. L’entreprise met également en avant un corpus d’entraînement multilingue couvrant plus de 160 langues, dont toutes les langues officielles de l’Union européenne [1]. L’agence Anadolu rapporte de son côté que le modèle vise des usages en codage, cybersécurité, finance, droit et compréhension d’images, tout en soulignant l’intérêt des modèles à poids ouverts pour les organisations qui veulent déployer et personnaliser l’IA sur leur propre infrastructure [6].

Cet argument de souveraineté n’est pas abstrait. Les entreprises et les administrations ne choisissent pas seulement un modèle pour son score global; elles évaluent aussi la prévisibilité de l’accès, la maîtrise des données, la conformité réglementaire et la possibilité d’un déploiement privé ou sur site. Mistral veut faire de ML4 une réponse à ces contraintes, en particulier pour les secteurs sensibles qui ne veulent pas dépendre exclusivement d’API étrangères [1]. Le Monde rapporte que la start-up compte sur l’extension de ses capacités de calcul européennes dans les prochains mois et voit Large 4 comme la base des futures générations Large 5 et Large 6 [7].

Reste la question du coût. Un modèle d’un billion de paramètres peut être optimisé par une architecture MoE, mais il ne devient pas pour autant facile à héberger pour toutes les équipes. La documentation de Mistral affiche déjà des tarifs API et une fenêtre de contexte d’un million de tokens, ce qui montre que l’économie de l’inférence sera un facteur central d’adoption [2]. L’image façon Dark Souls s’impose: les poids ouverts donnent l’objet, mais transporter Le Chonk peut quand même saturer l’inventaire.

Pourquoi cette annonce compte

L’annonce ne signifie pas que l’Europe dépasse soudain tous les concurrents. TechCrunch rapporte que Pierre Stock, vice-président science de Mistral, espère que ML4 sera le meilleur modèle à poids ouverts de sa catégorie, notamment hors de Chine, tout en reconnaissant que certains résultats de benchmark restaient attendus au lancement [4]. Axios rapporte également que Stock admet que Mistral n’a pas encore rejoint les meilleurs modèles fermés [5]. Cette nuance est essentielle: Le Chonk est une offensive européenne majeure, pas une preuve définitive que la frontière mondiale s’est déplacée à Paris.

Mais le signal est fort. Mistral dispose désormais d’un modèle phare d’un billion de paramètres, de résultats publiés, d’un calendrier proche pour l’ouverture des poids et d’un récit de souveraineté qui parle aux gouvernements européens comme aux industries régulées. Si les poids arrivent bien le 27 octobre, le vrai test commencera alors: performance hors démonstrations, coût réel de déploiement, sécurité après personnalisation et capacité des développeurs à transformer ce Chonk en outil de production plutôt qu’en trophée trop lourd à porter.

Sources des dernières 72 heures

1. [1]Introducing Mistral Large 4 | Mistral6 oct. 2026, 02:00
2. [2]Mistral Large 4 - Mistral AI | Mistral Docs6 oct. 2026, 02:00
3. [3]Mistral debuts Large 4 ‘Le Chonk', a 1-trillion parameter text output model with high benchmarks planned for open weights release6 oct. 2026, 15:00
4. [4]Mistral’s new 1T model aims to leapfrog closed and open rivals6 oct. 2026, 16:33
5. [5]Western AI labs challenge China's open-model lead6 oct. 2026, 02:00
6. [6]French AI firm Mistral unveils AI model it says rivals strongest Chinese open systems6 oct. 2026, 02:00
7. [7]Mistral AI unveils new AI model aimed at 'narrowing the gap' with top Chinese competitors6 oct. 2026, 14:48

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.