Mistral Small 4 : un modèle ouvert tout-en-un, mais « small » ne veut pas dire léger
Mistral a publié le 16 mars un modèle ouvert sous licence Apache 2.0 qui réunit raisonnement, vision et code. Ce qu'il change pour une IA souveraine en PME.
Le 16 mars, Mistral AI a publié Mistral Small 4, un modèle ouvert sous licence Apache 2.0. Pour la première fois chez Mistral, un seul modèle réunit le raisonnement, la compréhension d'images et le code, jusqu'ici répartis entre plusieurs modèles spécialisés. C'est une bonne nouvelle pour l'IA souveraine. Mais il faut lire la fiche technique jusqu'au bout : malgré son nom, Small 4 demande un serveur de calcul conséquent, et ce n'est pas le modèle à installer sur le serveur d'une PME de vingt personnes.
Ce que Mistral a publié
- Un modèle unifié : Mistral le présente comme le premier de sa gamme à réunir les capacités de ses modèles phares de raisonnement (Magistral), de vision (Pixtral) et de code agentique (Devstral).
- Un réglage du raisonnement : un paramètre permet de choisir entre une réponse rapide et un raisonnement approfondi étape par étape, selon la question.
- Une architecture à « experts » : 119 milliards de paramètres au total, répartis en 128 experts dont 4 seulement travaillent pour chaque mot produit, soit environ 6 milliards de paramètres actifs. Le modèle est ainsi rapide pour sa taille.
- Une longue mémoire de travail : un contexte de 256 000 jetons, de quoi traiter de gros documents.
- Une licence ouverte : Apache 2.0, qui autorise l'usage commercial, la modification et l'installation chez soi. Les poids du modèle sont téléchargeables sur Hugging Face.
Mistral annonce trois fois plus de requêtes traitées par seconde que Small 3 dans une configuration optimisée, et des résultats comparables ou supérieurs à gpt-oss 120B sur trois tests de raisonnement, avec des réponses plus courtes. Ce sont les chiffres de l'éditeur.
Le matériel qu'il demande
C'est le point à ne pas manquer. Si seuls 6 milliards de paramètres travaillent à chaque instant, les 119 milliards doivent tenir en mémoire. Les poids pèsent environ 242 Go, selon Simon Willison. Mistral indique comme configuration minimale quatre cartes NVIDIA H100, deux H200 ou un système DGX B200 : du matériel de centre de données.
Pour une PME, cela veut dire deux choses. D'abord, Small 4 s'utilise plutôt via l'API de Mistral, un éditeur français, ou chez un hébergeur européen qui le propose. Ensuite, pour une IA installée dans vos locaux, d'autres modèles ouverts, plus petits, restent le choix raisonnable, et ils couvrent très bien la plupart des usages d'entreprise : résumer, classer, répondre sur vos documents.
Rien n'empêche, en revanche, de combiner les deux : un modèle compact installé chez vous pour les documents sensibles et les usages quotidiens, et un modèle plus grand, appelé chez un fournisseur européen, pour les rares tâches qui en ont besoin et qui ne contiennent rien de confidentiel. Un outil bien conçu choisit le modèle selon la tâche.
Le contexte : Mistral investit dans ses propres centres de calcul
La sortie s'inscrit dans une stratégie plus large. Le 11 février, Mistral et l'opérateur EcoDataCenter ont annoncé la construction d'un centre de données dédié à l'IA à Borlänge, en Suède, prévu pour 2027. C'est le premier investissement d'infrastructure de Mistral hors de France, présenté par son dirigeant Arthur Mensch comme un pas vers des capacités d'IA indépendantes en Europe. Un éditeur européen qui maîtrise ses modèles et son calcul, c'est une option de plus pour les entreprises qui veulent limiter leur dépendance aux fournisseurs américains, une question que l'affrontement entre Anthropic et le Pentagone a rendue très concrète.
Ce que ça change pour une PME
Les modèles ouverts rattrapent leur retard
Il y a deux ans, un modèle ouvert était nettement en retrait des meilleurs modèles fermés. L'écart se réduit à chaque génération, et un modèle comme Small 4, sous licence libre, fait le travail de trois modèles spécialisés. Pour une entreprise, c'est la garantie de pouvoir faire tourner une IA de bon niveau sans dépendre des conditions d'un fournisseur.
Choisir la taille selon l'usage, pas selon le nom
La gamme d'un éditeur ne dit pas quel modèle vous convient. Ce qui compte : la tâche, le volume, le niveau d'exigence, et l'endroit où le modèle doit tourner. Un assistant qui répond sur vos procédures n'a pas besoin du même modèle qu'un agent qui raisonne sur des dossiers complexes.
Tester avant d'acheter du matériel
Un modèle ouvert se teste par l'API de son éditeur avant d'investir dans un serveur. Le jeu de test dont nous parlions pour comparer les modèles sert exactement à ça.
Ce qu'on conseille
Notre offre d'IA locale installe chez vous un serveur, matériel compris, en trois tailles : un poste, une équipe de 5 à 10 personnes, ou jusqu'à 50. Nous y installons des modèles ouverts comme Mistral, gpt-oss ou Gemma, choisis selon vos usages et la taille du serveur, et aucune donnée ne part chez un fournisseur d'IA. Pour savoir quel modèle et quel matériel correspondent à vos besoins, prenez rendez-vous.