mistral modeles-llm open-source souverainete intelligence-artificielle

Mistral Large 4 en poids ouverts : ce que la licence permet, ce que l'auto-hébergement coûte

2 novembre 2026

Le 29 octobre 2026, Mistral a publié sur Hugging Face les poids de Mistral Large 4, surnommé « Le Chonk » : un mixture-of-experts d'environ 1 000 milliards de paramètres, qui lit texte et images et répond en texte. Le checkpoint publié a reçu trois semaines de reinforcement learning de plus que la préversion du 6 octobre. Large 3 était sous Apache 2.0 ; Large 4 arrive sous une licence maison qui laisse libres l'usage interne et l'intégration dans un produit, et impose un contrat commercial à quiconque revend l'accès au modèle, sans seuil de revenu. Verdict : un DSI peut l'héberger pour ses équipes sans rien négocier ; un hébergeur, même européen, ne peut pas le servir à ses clients sans accord avec Mistral.

Nous avions écrit, à la sortie de la préversion, que la souveraineté de Mistral Large 4 se jugerait sur la licence. Le texte est publié ; voici ce qu'il change, et ce que coûte l'auto-hébergement.

Que dit la licence de Mistral Large 4 ?

Le fichier LICENSE du dépôt s'intitule Mistral Ecosystem Open-Weight License et se présente comme une version modifiée de la licence MIT. Le premier paragraphe reprend la MIT : droit d'utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre le modèle, de l'entraîner davantage et d'en dériver des œuvres. La seule obligation générale est de conserver la mention de copyright.

La condition qui compte est l'article 2. Si le licencié ou l'une de ses sociétés affiliées exploite une activité de Model as a Service, il doit signer une licence commerciale séparée avec Mistral avant tout usage commercial du modèle ou de ses dérivés. Le texte définit ce service comme le fait de donner à un tiers un accès au modèle pour l'inférence ou le post-entraînement, par API ou endpoint hébergé, avec un « meaningful control » (contrôle significatif) sur les entrées, les paramètres ou les données d'entraînement.

Le texte borne la clause de deux façons. L'article 2 exclut de la définition du service de modèle :

les produits finaux où les capacités du modèle sont embarquées dans des fonctions ou des harnais précis ;
le simple relais de requêtes vers un modèle hébergé par quelqu'un d'autre.

L'article 3 exempte ensuite de l'obligation de licence, même pour une entreprise qui exploite un tel service :

l'usage interne, défini comme tout usage qui ne met pas le modèle à la disposition de tiers ;
tout usage passant par les produits officiels de Mistral.

Pour une entreprise qui n'exploite aucun service de modèle et qui déploie Large 4 dans son infrastructure pour ses développeurs, ou l'embarque dans une fonctionnalité de son application, il n'y a rien à signer. Pour un cloud qui veut vendre de l'inférence Large 4, il faut un contrat avec Mistral.

Plus strict que GLM-5.3 et Kimi K3 pour les hébergeurs

Les deux open-weights chinois de tête portent déjà une clause Model as a Service, assortie d'un seuil de revenu.

Modèle	Licence	Qui doit négocier avec l'éditeur
Mistral Large 3 (déc. 2025)	Apache 2.0	Personne
GLM-5.3 (Z.ai, août 2026)	MIT + clause « glm-5.3 »	Un service de modèle dont le groupe dépasse 10 milliards de dollars de chiffre d'affaires sur douze mois : revue de sécurité de Z.ai
Kimi K3 (Moonshot AI)	Kimi K3 License	Un service de modèle au-delà de 20 millions de dollars de revenu sur douze mois glissants : accord séparé
Mistral Large 4 (oct. 2026)	Mistral Ecosystem Open-Weight License	Tout service de modèle, dès le premier euro, filiales du groupe comprises

Sur ce point, la licence de Mistral est la plus fermée des trois. GLM-5.3 laisse libre tout hébergeur sous 10 milliards de dollars de chiffre d'affaires, Kimi K3 tout service sous 20 millions de revenu. Large 4 n'a pas de seuil : un petit hébergeur régional qui veut proposer le modèle par API doit passer par Mistral, comme un hyperscaler.

Deux points méritent la lecture d'un juriste. La mention « ou l'une de ses sociétés affiliées » : dans un groupe dont une filiale vend de l'inférence, l'usage interne reste libre grâce à l'article 3, mais tout autre usage commercial du modèle par une entité du groupe semble soumis à la licence commerciale, y compris un produit vendu à des clients qui embarque le modèle dans une fonction. Reste aussi à qualifier la frontière entre usage interne et mise à disposition d'autres sociétés du groupe. Second point, l'infogérance : un prestataire qui opère pour vous une instance dédiée et vous en ouvre l'API vous donne un accès avec contrôle des entrées et des paramètres. Le texte ne tranche pas explicitement ce cas.

Ce que la licence change pour la réversibilité

Notre grille de lecture de l'open-weights est celle du Design to Exit : le poids ouvert vaut comme garantie de sortie, la possibilité d'héberger le modèle demain chez l'hébergeur de son choix. La licence de Large 4 coupe cette garantie en deux.

La première sortie, l'auto-hébergement, est entière. Une DSI qui télécharge les poids peut servir Large 4 dans son datacenter ou son cloud privé, le fine-tuner, le garder des années, sans redevance ni accord. Large 3 offrait la même chose, et c'est l'essentiel pour une organisation qui en a les moyens.

La seconde sortie, changer de fournisseur géré, dépend de Mistral. Un hébergeur tiers ne peut servir Large 4 qu'avec une licence commerciale signée avec l'éditeur. Le jour où vous voulez quitter l'API de Mistral pour un cloud européen concurrent, ce cloud doit avoir un contrat avec celui que vous quittez. Avec l'Apache 2.0 de Large 3, aucun contrat n'était nécessaire. Mistral a choisi de garder la main sur la distribution commerciale de son modèle, ce qui se comprend pour un éditeur qui a entraîné ce modèle sur 3 800 GPU NVIDIA Grace Blackwell. Pour l'acheteur, cela signifie que la réversibilité de Large 4 passe par sa propre capacité d'hébergement.

Le premier cloud à le proposer est Microsoft Foundry, avec des options de déploiement privé sur Azure, dans le prolongement de l'accord Mistral × Microsoft. Mistral cite aussi des endpoints NVIDIA et un conteneur NIM, et OpenRouter. Le billet du 29 octobre ne cite aucun hébergeur européen tiers.

Quel matériel pour héberger Le Chonk ?

Le modèle compte 1,05 billion de paramètres selon la documentation de Mistral, dont 49 milliards actifs par token (52 milliards en comptant les embeddings et les couches de sortie). L'architecture : 128 experts routés, 4 actifs par token, plus un expert partagé, et un encodeur vision de type Pixtral. Le calcul par token est celui d'un modèle moyen, la mémoire celle d'un modèle géant : tous les experts doivent être chargés pour servir.

Configuration	Taille des poids	Matériel cité	Source
Checkpoint FP8 (`Mistral-Large-4-1T-A52B`)	Environ 1 060 Go (dépôt au 2 novembre 2026)	Un nœud de 8 GPU (vLLM `--tensor-parallel-size 8`) ; recette Inference Endpoints sur 8 × H200	Model card, blog Hugging Face
Checkpoint NVFP4	Environ 610 Go	GPU Blackwell obligatoires ; exemple Dell sur un nœud B300 de 4 GPU	Model card, blog Hugging Face
GGUF 2 bits (llama.cpp)	Non publié dans les sources consultées	Un Mac Apple Silicon Ultra à 512 Go de mémoire unifiée	Blog Hugging Face
GGUF NVFP4 (llama.cpp)	Non publié dans les sources consultées	Test sur 4 × RTX 6000 Pro, contexte de 32 000 tokens, environ 10 tokens/s	Blog Hugging Face

Ces tailles ne comptent que les poids. Le cache KV vient en plus, et il grossit avec le contexte, qui monte à un million de tokens. Mistral recommande de réduire --max-model-len ou la concurrence en cas de mémoire insuffisante. Le Mac à 512 Go montre que le modèle tourne sur une machine de bureau, en quantification 2 bits : une configuration d'essai, pour laquelle Mistral ne publie aucun score.

Le logiciel était prêt le jour de la sortie : vLLM (recommandé par Mistral, avec une image Docker dédiée), SGLang, Transformers depuis la branche main, llama.cpp avec des GGUF de ggml-org et d'Unsloth, et le fine-tuning par Axolotl, Unsloth et TRL. Le checkpoint embarque une tête de décodage spéculatif, DSpark, qui propose des blocs de 3 tokens ; Mistral mesure jusqu'à 1,9 fois plus de débit, sans changement des sorties. La model card ajoute une phrase à retenir avant de comparer : « we recommend using the Mistral AI API if local serving is subpar » (nous recommandons l'API Mistral si le service local est insuffisant). Mistral fait de son API la référence de qualité : si votre déploiement fait moins bien, comparez d'abord vos réglages aux siens.

Pour qui ne veut pas d'infrastructure, l'API Mistral facture le modèle 0,70 $ par million de tokens en entrée, 0,07 $ en entrée cachée et 2,10 $ en sortie au 2 novembre 2026, soit à peu près la moitié du tarif de préversion (1,36 $ et 4,18 $). Mistral Vibe, l'agent de code en ligne de commande open source de Mistral, peut pointer vers un serveur vLLM local : c'est le chemin le plus court pour tester le modèle sur votre propre dépôt.

Que valent les scores du modèle publié ?

Mistral annonce un net progrès entre la préversion et les poids. Les chiffres suivants sont ceux de ses graphiques du 29 octobre ; la dernière colonne donne la mesure tierce quand elle existe.

Épreuve	Mistral Large 4, annoncé	Concurrents dans le graphique de Mistral	Mesure tierce
Terminal-Bench 4.0	41,4 %, mesuré par Artificial Analysis dans l'agent Mistral Vibe (préversion : 28 %, chiffre déclaré par Mistral)	GLM-5.3 40 %, DeepSeek V4.1 Flash 31 %, Kimi K3 21 %	Vals AI, harnais mini-swe-agent : 26,26 % ± 5,13, 26^e sur 59 ; préversion 27,78 % ± 1,82
FrontierCode 2.0 (Cognition, privé)	19,7 %	DeepSeek V4.1 Flash 19,3 %, GLM-5.3 17,8 %, Kimi K3 17,3 %	Aucune
Coding Agent Index (Artificial Analysis)	48 % en mode `high`, 8,5 millions de tokens par tâche	GLM-5.3 49 % avec 15,9 millions de tokens	Graphique cité par Mistral
Surge Code (préférence humaine en aveugle)	Préféré à GLM-5.3 et Kimi K3 dans 64 % des cas, à DeepSeek V4.1 Flash dans 56 %	Claude Opus 5.5 préféré dans 78 % des cas	Évaluation réalisée par Surge, publiée par Mistral
BrowseComp	84,5 % (75 % pour un checkpoint SFT antérieur)	Kimi K3 91,2 %, DeepSeek V4.1 Flash 83,4 %, GLM-5.3 82,5 %	Aucune
FinWorkBench (Finch)	73,3 % (67,4 % en préversion)	Kimi K3 77,33 %, DeepSeek-V4-Pro 67,44 %, GLM-5.3 65,12 %	Aucune
Agrégat généraliste	Intelligence Index v5 d'Artificial Analysis : 26, cité par Mistral	Des open-weights chinois au-dessus, de l'aveu de Mistral	Vals Index : 56,5 %, 17^e ; la préversion y figure à 45,09 %

Sur Terminal-Bench 4.0, les quinze points d'écart entre 41,4 % et 26,26 % tiennent au harnais. Artificial Analysis évalue des couples agent et modèle : son 41 % est celui de Mistral Vibe, l'agent maison, avec Large 4 en raisonnement high. Vals AI fait passer tous les modèles par le même agent minimal, mini-swe-agent, qui ne dispose que d'un outil bash. Le gain de 13 points affiché par Mistral compare en outre un chiffre de préversion déclaré par l'éditeur à une mesure d'Artificial Analysis. Chez Vals, à protocole constant, la version publiée ne progresse pas : 26,26 % contre 27,78 % pour la préversion, un écart dans la marge d'erreur. Elle consomme en revanche 25 millions de tokens par test au lieu de 41, et coûte 2,73 $ au lieu de 5,18 $ : la sobriété annoncée par Mistral se retrouve dans une mesure tierce. Son index général progresse de 45,09 % à 56,5 %, relevé le 2 novembre 2026. L'avance de Mistral sur GLM-5.3 à Terminal-Bench, 1,4 point dans son propre graphique, tient dans la marge d'erreur de Vals.

Mistral écrit qu'il prend la tête des open-weights en code. Ses propres graphiques disent plus précisément : premier sur FrontierCode avec 0,4 point d'avance, à égalité sur le Coding Agent Index, devancé par Kimi K3 sur BrowseComp et FinWorkBench. L'argument le plus solide est l'économie de tokens : à score égal, Large 4 consomme environ deux fois moins que GLM-5.3 par tâche sur l'index d'Artificial Analysis, ce qui pèse directement sur le coût d'un agent. Nous avons détaillé comment lire un tableau de benchmarks IA : aucun de ces chiffres ne remplace une évaluation sur votre propre code.

Cyberdéfense : des refus que les poids ouverts n'emportent pas

Mistral maintient son positionnement cyber. Le modèle publié obtient 50,9 % sur l'Artificial Analysis Cyber Index, derrière DeepSeek-V4.1-Flash (57 %) et MiMo-V2.6-Pro (56 %) dans le graphique de l'éditeur. Il refuse en moyenne 96,6 % des requêtes cyber malveillantes de JailbreakBench, StrongREJECT et AgentHarm (Kimi K3 93,6 %, GLM-5.3 87,1 %, DeepSeek-V4-Pro 50,7 %), et sa résistance aux attaques sur le benchmark B3 passe de 93,3 % à 97,1 %. L'ENISA, l'agence européenne de cybersécurité, le teste pour identifier des vulnérabilités, auditer du code et analyser des journaux défensifs. Une variante spécialisée pour le pentest et le red teaming reste réservée à des partenaires vérifiés sous contrat, comme Orange Cyberdefense.

Mistral écrit aussi, à propos du trafic observé pendant la préversion, que le modèle a refusé des attaques en boîte noire contre des cibles réelles, mais qu'il y voit « a potential for uplift to conduct real attacks » (un potentiel d'aide à la conduite de vraies attaques), et annonce un durcissement de ses garde-fous. Ce durcissement s'appliquera à l'API. Les poids publiés le 29 octobre gardent les refus de ce checkpoint, et leur détenteur peut les retirer : c'est le scénario que nous avions décrit pour GLM-5.3 et le code interne. Les 96,6 % mesurent le checkpoint tel que Mistral le distribue.

Ce que ça change, par lecteur

DSI. Large 4 devient le premier modèle de cette taille, entraîné en Europe, que vous pouvez héberger pour vos équipes sans contrat. C'est un candidat sérieux pour la couche européenne d'une architecture multi-LLM souveraine, à condition d'avoir le nœud de GPU qui va avec. Sans infrastructure propre, votre réversibilité dépend de Mistral et des hébergeurs qu'il aura licenciés : demandez la liste avant de vous engager.

Juridique et achats. Faites qualifier trois points : la portée de « ou l'une de ses sociétés affiliées » si une entité du groupe vend des services numériques, le statut d'une instance infogérée dédiée, et la frontière entre usage interne et mise à disposition de filiales. Pour un contrat d'API, le tarif de 0,70 $ / 2,10 $ est un tarif public au 2 novembre 2026, pas un engagement.

CTO, architecte. Rejouez sur Large 4 la suite que vous aviez lancée sur la préversion, en notant l'identifiant du checkpoint : c'est le seul moyen de mesurer vous-même ce que les trois semaines de RL ont apporté. Comparez le coût par tâche, pas seulement le score : l'économie de tokens est l'argument le plus robuste du dossier.

RSSI. Les poids sont téléchargeables depuis le 29 octobre, y compris par un attaquant. Si vous évaluez Large 4 pour l'audit de code, faites-le sur le checkpoint publié, dans votre infrastructure, et comptez sur vos délais de correction plutôt que sur les refus du modèle.

Ce que l'on ne sait pas encore

Le rapport technique. Mistral l'annonce sans date. Il dira ce que contient le RL des trois dernières semaines, et si ses gains tiennent hors de l'agent Mistral Vibe.
Les hébergeurs licenciés. Au 2 novembre 2026, seuls Microsoft Foundry, NVIDIA et OpenRouter sont cités. Aucun cloud européen tiers n'est annoncé.
Les conditions de la licence commerciale. Ni prix ni grille publics.
Une évaluation cyber indépendante des refus. L'AA Cyber Index est mesuré par Artificial Analysis, mais les taux de refus et le score B3 restent ceux de l'éditeur.

Cet article sera révisé à la publication du rapport technique, à l'annonce d'hébergeurs européens licenciés, et à la première évaluation cyber indépendante.

Sources

Mistral AI, « Le Chonk: Built for Coders, Trusted by Defenders » (« Mistral Large 4 (Le Chonk) is now open weight »), billet, 29 octobre 2026. Gains depuis la préversion, graphiques Terminal-Bench 4.0, FrontierCode 2.0, Coding Agent Index, Surge Code, BrowseComp, FinWorkBench, AA Cyber Index, taux de refus, B3, citation sur le « potential for uplift », variante pentest, témoignages (ENISA, Booz Allen, Orange Cyberdefense…), prix, disponibilité (Microsoft Foundry, NVIDIA, OpenRouter), rapport technique à venir. Chiffres déclarés par l'éditeur. Lire le billet.
Mistral AI, fichier LICENSE du dépôt mistralai/Mistral-Large-4-1T-A52B, « Mistral Ecosystem Open-Weight License », consulté le 2 novembre 2026. Articles 2 (Model as a Service) et 3 (exceptions). Lire la licence.
Mistral AI, model card mistralai/Mistral-Large-4-1T-A52B sur Hugging Face, consultée le 2 novembre 2026. Architecture (128 experts, 4 actifs, expert partagé, 49 / 52 milliards actifs), contexte d'un million de tokens, checkpoint NVFP4, DSpark, recettes vLLM et SGLang, Intelligence Index v5, recommandation de l'API, configuration de Mistral Vibe. Taille des dépôts FP8 et NVFP4 relevée par l'API Hugging Face le même jour. Consulter la model card.
Mistral AI, documentation du modèle Mistral Large 4, consultée le 2 novembre 2026. 1,05 billion de paramètres, 52 milliards actifs, encodeur vision de 1,6 milliard, contexte d'un million de tokens, tarifs. Consulter la documentation.
Hugging Face, « Welcome Le Chonk: Mistral Large 4 on Hugging Face », 29 octobre 2026. GGUF de ggml-org et Unsloth, 2 bits sur Apple Silicon Ultra à 512 Go, test llama.cpp NVFP4 sur 4 × RTX 6000 Pro, recette Inference Endpoints sur 8 × H200, exemple Dell sur B300. Lire le billet.
Vals AI, fiche « Mistral Large 4 OSS », consultée le 2 novembre 2026. Vals Index 56,53 % ± 1,26 (17^e sur 32 dans l'en-tête ; la note de mise à jour du 29 octobre indique 56,42 %, 17^e sur 30), Terminal-Bench 4.0 26,26 % ± 5,13 (26^e sur 59). Mesures indépendantes. Consulter la fiche.
Vals AI, fiche « Mistral Large 4 » (préversion), consultée le 6 octobre 2026. Vals Index 48,05 % (32^e sur 44), Terminal-Bench 4.0 22,73 %. Relevé à nouveau le 2 novembre 2026 : Vals Index 45,09 %, Terminal-Bench 4.0 27,78 % ± 1,82 (25^e sur 59). Consulter la fiche.
Mistral AI, « Mistral 3 », 2 décembre 2025. Mistral Large 3 sous licence Apache 2.0. Lire le billet.
Vals AI, « Terminal-Bench 4.0 », classement et méthodologie mis à jour le 29 octobre 2026, consultés le 2 novembre 2026. Harnais mini-swe-agent pour tous les modèles ; Mistral Large 4 27,78 % (41,07 millions de tokens, 5,18 $ par test), Mistral Large 4 OSS 26,26 % (25,04 millions, 2,73 $). Consulter le classement.
Artificial Analysis, comparaison Claude Code et Mistral Vibe, Coding Agent Index v2.0, consultée le 2 novembre 2026. Mistral Vibe avec Mistral Large 4 (High) : index 48, Terminal-Bench 4.0 41 %, 8,5 millions de tokens par tâche. Consulter la comparaison.
Mistral AI, « Mistral Large 4 », billet d'annonce de la préversion, 6 octobre 2026. Entraînement sur 3 800 GPU NVIDIA Grace Blackwell dans les datacenters européens de Mistral, tarif de préversion (1,36 $ / 4,18 $). Lire le billet.

Note de fiabilité : les scores de la colonne « annoncé » et les concurrents cités viennent des graphiques de Mistral et n'ont pas été reproduits par SFEIR ; ceux de Vals AI sont des mesures tierces relevées le 2 novembre 2026, susceptibles de bouger. Les seuils des licences GLM-5.3 et Kimi K3 viennent de leurs fichiers de licence, cités sur nos fiches. La lecture juridique de l'article 2 est une analyse de SFEIR, pas un avis juridique.

SFEIR AI Auteur