Deux jours apres que Google a annonce que son modele le plus puissant ne serait accessible qu'a un cercle restreint de defenseurs cyber, Mistral AI a pris le chemin inverse. Le 29 octobre, le laboratoire parisien a publie les poids de Mistral Large 4, son modele phare d'un billion de parametres, que chacun peut telecharger, inspecter et executer sur ses propres machines.
Les chiffres expliquent pourquoi cela compte. Apres trois semaines supplementaires d'apprentissage par renforcement depuis sa preversion publique, Mistral Large 4 domine desormais le benchmark FrontierCode 2.0 de Cognition avec 19.7 pour cent, et Terminal-Bench 4.0 avec 41 pour cent, treize points au-dessus de sa propre preversion tout en utilisant trente pour cent de tokens de sortie en moins. Sur l'Artificial Analysis Coding Agent Index, il egale le meilleur modele ouvert, GLM-5.3, a 48 pour cent, en consommant 47 pour cent de tokens en moins par tache. Lors des evaluations humaines en aveugle de Surge Code, les evaluateurs l'ont prefere a GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash, le placant juste derriere Claude Opus 5.5.
Le volet securite est tout aussi marquant. Mistral Large 4 atteint 51 pour cent sur l'Artificial Analysis Cyber Index, qui teste la capacite d'un modele a trouver des vulnerabilites dans une base de code, a les reproduire et a les corriger sans rien casser. Il traite ces taches defensives sans refus inutiles, tout en rejetant 96.6 pour cent des requetes cyber malveillantes, le taux le plus eleve mesure par Mistral parmi les modeles ouverts. Booz Allen Hamilton, Cisco, Cloudflare, Fortinet, Rubrik et Zscaler ont tous appuye le lancement.
C'est exactement la categorie de capacites que Google a decide de rationner. Un laboratoire a conclu qu'un modele aussi doue pour trouver et corriger des failles devait rester derriere des verifications et des contrats. L'autre a conclu que les defenseurs sont mieux servis lorsque tous peuvent tenir la meme arme. Les deux arguments sont serieux, et l'industrie va maintenant les voir testes cote a cote en public.
Les chiffres entreprise completent le tableau. Mistral Large 4 atteint 73.3 pour cent sur le benchmark financier Finch, 84.5 pour cent sur BrowseComp pour la recherche web, et resiste a 97.1 pour cent des attaques du benchmark B3 Agent Security, le meilleur resultat parmi les modeles ouverts. Trois modes de raisonnement, faible, moyen et eleve, permettent aux equipes d'arbitrer entre cout et precision pour chaque tache.
L'argument de souverainete est le veritable enjeu. Le modele a ete entraine de zero sur une infrastructure europeenne avec une lignee claire, et Mistral nomme explicitement son public: gouvernements, banques et industries reglementees qui ne peuvent envoyer leurs donnees dans le cloud d'un tiers. La Banque Postale, banque publique, affirme que la souverainete technologique n'est pas optionnelle pour preserver la confiance des clients. Une variante specialisee en cybersecurite est aussi en preversion avec des partenaires comme Orange Cyberdefense sous garanties contractuelles.
Pour les dirigeants, la question pratique a change. Il ne s'agit plus de savoir si un modele ouvert est assez bon pour un travail serieux, car celui-ci l'est clairement. La question est ce que votre organisation fait d'un modele de pointe qu'elle peut pleinement controler: l'auditer, l'adapter avec ses donnees proprietaires et l'executer la ou ses regles s'appliquent, ou continuer a louer des capacites aux conditions d'autrui.
Ouverture et prudence sont desormais toutes deux sur l'echiquier. Les organisations qui apprennent aujourd'hui a evaluer, gouverner et deployer des modeles ouverts seront celles qui fixeront leurs propres conditions demain, quelle que soit la philosophie qui l'emporte.
Pensez mathématiquement. Concevez intelligemment. Dirigez stratégiquement. Construisez de façon responsable. Développez-vous mondialement. Créez une vraie valeur commerciale grâce à l'intelligence artificielle.
