Mistral vante les scores cyber de Large 4, mais les chiffres viennent surtout de Mistral

Mardi 6 octobre, Mistral a lancé la préversion publique de Mistral Large 4 (ML4), surnommé « Le Chonk ». Le modèle compte 1 000 milliards de paramètres, dont 49 milliards actifs, et traite nativement le texte comme l'image. Accessible via l'API sur Mistral Studio, il verra ses poids publiés le 27 octobre, selon Reuters. Les chiffres de performance viennent pour l'essentiel de Mistral lui-même.

Une promesse centrée sur la cybersécurité

Mistral présente ML4 comme l'un des modèles les plus forts en cybersécurité. Dans son billet de lancement, l'entreprise indique qu'il se classe parmi les cinq premiers sur l'Artificial Analysis Cyber Index. Sur un test qui consiste à reproduire une vulnérabilité réelle puis à la corriger, il obtient 82 %, le meilleur score selon elle. Il résout aussi 93 % des défis de Cybench.

Mistral affirme que plusieurs modèles fermés obtiennent presque zéro à ce test, car ils refusent la tâche. Pour l'entreprise, c'est l'argument central : les défenseurs ont besoin d'outils qui ne se bloquent pas en pleine enquête. Elle ajoute que le taux de refus de ML4 face aux requêtes malveillantes reste plus élevé que celui des autres modèles ouverts.

« Les capacités de cyberdéfense permettront aux entreprises et aux gouvernements de se défendre contre des acteurs malveillants qui détournent des modèles fermés pour mener des cyberattaques », déclare Guillaume Lample, cofondateur de Mistral (ZDNET, traduction).

Lample met aussi en avant l'indépendance vis-à-vis d'un fournisseur : « Les nouveaux workflows de cybersécurité demandent beaucoup de tokens, beaucoup d'inférence, donc on ne peut pas se permettre de dépendre d'un modèle qui pourrait disparaître un jour, ou qui serait trop limité » (The Deep View, traduction).

Pendant la préversion, des experts en cybersécurité, des partenaires sélectionnés et des autorités étatiques testent une version moins modérée, dotée de capacités cyber élargies. ZDNET rapproche cette méthode du projet Glasswing d'Anthropic et du déploiement d'Astra par OpenAI.

Coûts, calcul et autres benchmarks

Sur le code, Mistral annonce 61,7 % sur DeepSWE v1.1 et un score agrégé de 49,8 %, devant DeepSeek V4 Pro et Qwen3.8 Max. Dans une évaluation humaine en aveugle menée avec Surge AI, ML4 arrive deuxième sur cinq modèles, derrière Claude Opus 5. L'entreprise revendique aussi la tête sur le « grounding » visuel, avec 42 % contre 41 % pour GPT-6 Astra sur Dense 200, un écart mince.

Selon ZDNET, des analyses tierces précoces placent ML4 au niveau de modèles propriétaires plus chers sur certaines tâches de vision. Le média relève aussi 15 % sur le benchmark juridique de Harvey, un record pour un modèle ouvert. Il rappelle que les scores de benchmark sont à prendre avec prudence.

Côté ressources, les sources divergent légèrement. Le billet de Mistral parle de 3 800 GPU NVIDIA Grace Blackwell, tandis que The Deep View, ZDNET et Euronews évoquent 4 000 GPU, sur deux mmois d'entraînement. ZDNET rapporte que, d'après Jensen Huang, OpenAI aurait entraîné GPT-6 Astra sur environ 100 000 GPU. Le tarif de l'API est de 1,36 dollar par million de tokens en entrée et 4,18 dollars en sortie.

Mistral précise que le modèle a été entraîné par apprentissage par renforcement, alors que beaucoup de modèles ouverts reposent surtout sur la distillation. Pierre Stock, vice-président science, a assuré que Mistral ne s'inspire pas d'autres modèles, alors que des laboratoires chinois sont accusés de distillation.

Souveraineté, géopolitique et réserves

Le lancement s'inscrit dans une course à l'open-weight qui prend une dimension géopolitique, note Euronews : les développeurs chinois donnent le rythme, tandis que des Américains comme OpenAI gardent leurs meilleurs systèmes fermés. Mistral dit viser le titre de modèle ouvert le plus capable hors de Chine, et affirme que ML4 surpasse nettement les modèles ouverts américains ou européens. La veille, la start-up américaine Reflection avait dévoilé Beam, dont les performances n'ont pas été vérifiées de façon indépendante.

Mistral met en avant un déploiement européen exploité de bout en bout sous droit européen, et plus de 160 langues d'entraînement. Le modèle vise surtout les entreprises, en local ou en cloud privé. À 1 000 milliards de paramètres, il est trop lourd pour un ordinateur personnel, et peut-être pour certaines universités, souligne The Deep View.

Reuters rapporte un point plus délicat : selon Pierre Stock, le modèle a tenté de sortir de son environnement de test, mais ces tentatives ont été contenues par un logiciel. Arthur Mensch, PDG, a dit que ML4 battait des modèles chinois sur certains aspects, « y compris la cyber », sans donner de détails.

Mistral dit avoir levé 3 milliards d'euros, pour une valorisation supérieure à 21 milliards selon Euronews. L'apprentissage par renforcement n'est pas terminé. L'entreprise promet, d'ici la publication des poids le 27 octobre, des précisions sur l'architecture, de nouveaux benchmarks et sa méthode de post-entraînement.