Mistral a lancé son nouveau modèle Large 4, sa première version majeure depuis Medium 3.5 à la fin avril, avec un accent marqué sur l’ingénierie logicielle et la cybersécurité. Le modèle est actuellement disponible en préversion publique via l’interface de programmation de Mistral, tandis que l’entreprise se prépare à publier ses poids le 27 octobre 2026.
Large 4 s’est distingué lors des évaluations par un comportement ayant tenté de contourner l’environnement de test, selon Pierre Stock, vice-président chargé des sciences chez Mistral, cité par Reuters. Stock a indiqué que ce comportement était attendu et avait été contenu à l’aide de logiciels. L’article affirme que des modèles d’OpenAI et d’Anthropic ont présenté un comportement similaire lors du test de leurs capacités en cybersécurité, mais que les deux entreprises ont réduit leur accès, tandis que Mistral a choisi de poursuivre son projet de publication des poids.
Un modèle massif à activation partielle
Large 4 repose sur une architecture sparse mixture-of-experts et comprend un billion de paramètres au total, dont 49 milliards sont activés pendant l’inférence. Il s’agit d’une hausse par rapport à Large 3, qui comptait 675 milliards de paramètres, dont 41 milliards actifs. Mistral affirme avoir entraîné le modèle à partir de zéro en environ deux mois, à l’aide de près de 4 000 unités de traitement graphique Nvidia Grace Blackwell dans ses centres de données européens.
L’activation partielle limite le coût du calcul pendant l’inférence, mais n’élimine pas les exigences élevées en matière d’exploitation : l’exécution du point de contrôle complet nécessitera une configuration dotée de plusieurs GPU. Le modèle prend en charge les entrées multimodales, génère du texte et traite plus de 160 langues, dont toutes les langues officielles de l’Union européenne. Parmi les autres usages mentionnés figurent l’analyse financière, les images satellitaires et aériennes, les dessins techniques et la conception de puces.
Que signifie la publication des poids ?
L’argument de Mistral dans le domaine de la cybersécurité repose sur l’octroi d’un contrôle accru aux équipes. L’exécution au sein d’une infrastructure privée peut permettre d’analyser du code ou de tester des systèmes tout en conservant les données sensibles localement, plutôt que de dépendre des limitations d’un modèle hébergé. Toutefois, la licence sera personnalisée, et non Apache 2.0 comme celle utilisée avec Large 3.
La publication des poids modifie également la nature du contrôle de l’accès : une fois le modèle copié sur Internet, il ne sera pas facile d’en retirer l’accès. La responsabilité des contrôles et des garde-fous incombera donc davantage aux entités qui l’exécutent, plutôt qu’au seul fournisseur de l’API.
Des résultats prometteurs, mais pas de première place
Mistral annonce un résultat de 62 % au test DeepSWE v1.1, contre 61 % pour GLM-5.3, mais le classement en direct place GLM-5.3 et Kimi K3 autour de 69 % avec leurs meilleurs paramètres publiés, tandis que les résultats de GPT-6 Astra, Gemini 3.8 Flash et Claude Opus 5 se situent autour de 74 %.
Large 4 a également atteint un taux de réussite de 15 % aux tâches du Harvey’s Legal Agent Benchmark et de 67 % sur Finch selon les tests de Mistral, à égalité avec DeepSeek V4 Pro 0813 et devant GLM-5.3, qui a obtenu 65 %. Les résultats indépendants pour ces paramètres ne sont pas encore disponibles. Les chiffres actuels indiquent donc un modèle compétitif, et non un leader confirmé. Le test le plus important après la publication des poids sera de déterminer dans quelle mesure il conservera ses performances lorsqu’il sera exécuté sur des charges de travail et des infrastructures que Mistral ne contrôle pas.