// FRANDROID — INTELLIGENZA ARTIFICIALE
Mistral Large 4 rattrape les meilleures IA chinoises en code, et tout le monde peut le télécharger
Le 6 octobre, Mistral présentait la préversion de Large 4, son grand retour face aux laboratoires chinois. Trois jours plus tard, les tests indépendants la montraient en retrait sur le code et les tâches d’agent. Mistral promettait alors les poids du modèle pour la fin du mois : ils sont publiés ce jeudi 29 octobre.
Depuis ce jeudi, les poids de Large 4 sont publiés sur Hugging Face, la plateforme de partage de modèles que Nvidia a annoncé racheter en septembre. Les poids, c’est le modèle lui-même, que chacun peut récupérer et faire tourner sur sa propre infrastructure. Une version quantifiée, compressée pour réduire la mémoire nécessaire, est publiée en même temps.
La licence n’est pas l’Apache 2.0 des petits modèles Ministral, mais une licence MIT modifiée par Mistral : utiliser, modifier et commercialiser le modèle est libre, sauf pour les entreprises qui revendent l’accès au modèle comme un service. Celles-ci doivent obtenir une licence commerciale auprès de Mistral.
Le modèle, que Mistral surnomme « Chonk », compte 1 000 milliards de paramètres au total. Comme la plupart des grands modèles actuels, il n’en active qu’une partie pour chaque mot généré : 52 milliards. Il est multimodal : il comprend les images qu’on lui soumet, mais ne répond qu’en texte et en code.
Le progrès le plus net porte sur le code agentique : l’IA n’écrit pas seulement du code, elle enchaîne seule des commandes dans un terminal pour mener une tâche à bout. Sur Terminal-Bench 4.0, le test de référence de cet exercice, Large 4 passe de 28 % pour la préversion à 41 %, selon les graphiques présentés à la presse.
GLM-5.3, le meilleur modèle ouvert chinois du graphique, est à 40 %, DeepSeek V4.1 Flash à 31 % et Kimi K3 à 21 %. Mistral en tire deux titres : meilleur modèle ouvert en code agentique, à égalité avec GLM-5.3 sur l’indice d’Artificial Analysis (48 %), et meilleur modèle ouvert conçu en Occident.
L’autre progrès porte sur la sobriété. Selon Mistral, Large 4 consomme 47 % de jetons en moins par tâche que GLM-5.3 sur l’indice de code agentique, et 30 % de jetons générés en moins que la préversion sur Terminal-Bench. Or une IA se facture au jeton. Le 9 octobre, Artificial Analysis relevait justement que la préversion était particulièrement bavarde : 200 millions de jetons consommés sur ses tests, contre une médiane de 81 millions.
Mistral a aussi ajouté deux modes de raisonnement plus courts, « low » et « medium », au mode « high », à la demande des entreprises qui ont testé le modèle, pour choisir combien de temps il réfléchit avant de répondre. Le mode « high » consomme désormais 30 à 50 % de jetons en moins.
Comment progresser autant en trois semaines ? Par l’apprentissage par renforcement, la dernière étape de l’entraînement. Mistral soumet au modèle des problèmes de code et de cybersécurité générés en interne, de plus en plus difficiles, le récompense quand il trouve la solution et le pénalise quand il échoue.
Mistral compare l’exercice à celui d’un étudiant à qui l’on donnerait des examens « de plus en plus durs ». Cette phase s’est déroulée sur les serveurs de Mistral en France, avec « seulement 10 mégawatts ». Dans le communiqué, l’entreprise assure que les gains se poursuivent « sans signe de saturation » pour le moment.