Le Chonk de Mistral : le géant européen qui court après son retard

Avec Mistral Large 4, la pépite française aligne enfin un modèle de 1 000 milliards de paramètres. Les chiffres impressionnent, mais ils racontent surtout une course-poursuite.

Il y a des noms de code qui en disent long. En interne, Mistral AI appelle son nouveau modèle "le Chonk", un mot d'argot anglophone qui désigne un chat bien en chair. Le 6 octobre, la société a ouvert une préversion publique de Mistral Large 4 (ML4), un modèle nativement multimodal de 1 000 milliards de paramètres, dont 49 milliards actifs à chaque requête. Les poids, promis pour la fin du mois, seront ouverts. C'est le plus gros modèle jamais produit par l'entreprise, et il arrive à un moment où elle avait besoin de prouver qu'elle restait dans la course.

Car le constat circule depuis des mois : pendant que les laboratoires américains et chinois enchaînaient les sorties, Mistral semblait marquer le pas. Le site spécialisé The Decoder (1) le rappelle sans détour. Sur l'Intelligence Index d'Artificial Analysis, qui agrège dix benchmarks, Mistral Large 3 plafonnait à 9 points et Mistral Medium 3.5 à 14. ML4 grimpe à 38. Le bond est spectaculaire, mais il laisse le modèle derrière les ténors fermés d'Anthropic, d'OpenAI et de Google, ainsi que derrière plusieurs modèles ouverts chinois. Autrement dit, Mistral ne prend pas la tête, il réduit l'écart.

Le codage agentique, une vitrine à vérifier

Le point le plus mis en avant concerne le codage agentique, c'est-à-dire la capacité d'un modèle à travailler seul dans un dépôt de code ou un terminal. Mistral annonce 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4, soit un score combiné de 49,8 % au Coding Agent Index, qui le placerait devant DeepSeek V4 Pro 0813 et Qwen3.8 Max.

Ces chiffres sont bien ceux publiés par Mistral, et la presse spécialisée les reprend à l'identique. Leur statut mérite pourtant une précision. Comme le relève OrcaRouter (2), il s'agit de résultats évalués en privé par Artificial Analysis avant le lancement public de son protocole de test, et ils ne figurent pas encore sur l'index public. Sur la page publique du modèle, Terminal-Bench 4.0 apparaît d'ailleurs à 26,8 %, un peu en dessous des 28,3 % annoncés. Rien de scandaleux, les écarts de protocole sont fréquents, mais la prudence s'impose tant que le classement n'est pas confirmé de façon indépendante. On notera aussi que la comparaison choisie oppose ML4 à ses rivaux ouverts, pas aux modèles fermés de pointe.

L'évaluation humaine menée avec Surge AI va dans le même sens. ML4 y obtient 3,74 sur 5 pour la qualité du code, deuxième sur cinq, devant Kimi K3 et GLM-5.3, mais nettement derrière Claude Opus 5 (4,22). Mistral figure bien dans le peloton de tête des modèles ouverts, pas encore au niveau des meilleurs.

Là où Mistral marque vraiment des points

Le terrain où ML4 se distingue le plus nettement, c'est la cybersécurité. Mistral l'a bien compris et revendique une place dans le top 5 mondial de l'Artificial Analysis Cyber Index et 82 % sur un test consistant à reproduire puis corriger une vulnérabilité réelle, là où plusieurs modèles fermés refusent purement et simplement la tâche. L'argument est habile : pour un défenseur, un modèle qui dit non au mauvais moment devient lui-même un risque. Ajoutez la possibilité de déployer le modèle chez soi, et l'on comprend à qui s'adresse ML4 : les RSSI, les banques, les administrations.

Le reste du dossier suit cette logique de souveraineté. Le modèle a été entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans les datacenters européens de Mistral, avec des données couvrant plus de 160 langues. Il sera proposé, entre autres, dans un déploiement européen opéré de bout en bout par Mistral, sous droit européen. Le tarif de l'API, 1,36 dollar par million de tokens en entrée et 4,18 en sortie, le positionne clairement sur le rapport qualité-prix. Un enjeu majeur pour la facture de l'IA.

Une course de fond, désormais financée

Reste la question du rythme. Mistral présente ML4 comme le premier jalon d'une feuille de route financée par sa série D de 3 milliards d'euros, et affirme que l'apprentissage par renforcement du modèle se poursuit sans signe de saturation. Si c'est vrai, la version finale pourrait sensiblement dépasser cette préversion. C'est tout l'enjeu : dans une compétition où chaque trimestre redistribue les cartes, publier une préversion avant la fin de l'entraînement revient à dire "nous sommes de retour, attendez la suite".

Pour les entreprises européennes, la nouvelle est plutôt bonne. Elles disposent enfin d'un modèle ouvert, souverain et crédible sur des usages critiques. Il faut pourtant lire ML4 pour ce qu'il est, un rattrapage sérieux, pas encore un dépassement. La vraie réponse viendra fin octobre avec les poids, et surtout lorsque Artificial Analysis publiera ses propres mesures.

Références :

(1) The Decoder, "Mistral Large 4 is Europe's trillion-parameter answer to US models that refuse security work", octobre 2026

(2) OrcaRouter, "Mistral Large 4 Is a 1T-Parameter Preview: The Weights Have Not Dropped", octobre 2026