Mistral Large 4 en poids ouverts : peut-on le faire tourner chez soi ?
Mistral AI a publié le 29 octobre 2026 les poids de Mistral Large 4, son plus gros modèle, sur Hugging Face. Téléchargeable gratuitement et utilisable commercialement, il reste hors de portée d'un ordinateur de bureau : même compressé au maximum, il demande plus de 230 Go de mémoire.
Le modèle, surnommé « Le Chonk » par l'éditeur français, avait été proposé en préversion publique par l'interface de programmation de Mistral le 6 octobre, d'après la fiche du modèle dans la documentation de Mistral. Ce que change l'annonce de cette semaine, c'est que n'importe qui peut désormais récupérer les fichiers du modèle, les héberger lui-même et les modifier. Mistral présente cette version comme une version améliorée de la préversion, après trois semaines d'entraînement supplémentaire par renforcement, selon son billet de blog.
« Poids ouverts » ne veut pas dire « open source » au sens strict, et la différence compte pour qui voudrait s'en servir dans une entreprise. Quant à la question que beaucoup se posent, la réponse est nuancée : oui, on peut le faire tourner chez soi, à condition de ne pas avoir pour « chez soi » un ordinateur ordinaire.
Un modèle d'un millier de milliards de paramètres
Mistral Large 4 est un modèle dit « à mélange d'experts » : il compte environ 1 000 milliards de paramètres au total (1,05 mille milliards selon la documentation de Mistral), mais n'en active que 49 milliards pour chaque mot produit, ou 52 milliards en comptant les couches d'entrée et de sortie. Concrètement, 128 « experts » spécialisés sont disponibles et 4 d'entre eux travaillent à chaque étape, aidés d'un expert partagé. C'est ce qui le rend moins lent qu'un modèle de cette taille ne devrait l'être, sans réduire la place qu'il occupe en mémoire : tous les paramètres doivent rester chargés.
Le modèle lit du texte et des images et répond par du texte. Il accepte jusqu'à un million de jetons de contexte, c'est-à-dire plusieurs centaines de milliers de mots dans une même conversation, et il est présenté comme maîtrisant plus de 160 langues, dont toutes les langues officielles de l'Union européenne. L'utilisateur peut aussi régler l'effort de raisonnement sur trois niveaux, « low », « medium » ou « high », selon la fiche publiée sur Hugging Face. Mistral indique l'avoir entraîné sur 3 800 processeurs graphiques Nvidia Grace Blackwell installés dans ses propres centres de données en Europe.
Sur les performances, les chiffres cités viennent de Mistral lui-même, à qui il faut laisser la responsabilité de ses comparaisons. L'éditeur affirme que son modèle obtient 48 % à l'indice « Coding Agent » du site de mesure Artificial Analysis, soit à peu près autant que GLM-5.3, le meilleur modèle ouvert chinois sur ce test, avec 47 % de jetons en moins par tâche. Sur l'indice général d'intelligence du même site, il obtient 26, le meilleur score parmi les modèles ouverts occidentaux. Mistral reconnaît en revanche que les meilleurs modèles ouverts chinois font mieux sur cet indice d'ensemble : la « rivalité » tient donc surtout au code et à la sécurité informatique, pas à tous les usages.
Peut-on le faire tourner chez soi ?
La mémoire est le vrai obstacle. L'exemple de déploiement fourni par Mistral utilise un serveur équipé de huit cartes graphiques Nvidia avec le logiciel vLLM, et recommande une version spéciale pour les puces Blackwell. Pour un particulier, la seule voie réaliste passe par les versions « quantifiées », c'est-à-dire comprimées au prix d'une perte de qualité. Les versions au format GGUF, compatibles avec llama.cpp, pèsent d'après le dépôt de l'équipe llama.cpp sur Hugging Face environ 298 Go dans la compression la plus forte (IQ2_XXS), 381 Go en Q2_K, 635 Go en Q4_K_M et plus de 1,1 To en Q8_0. La société Unsloth propose une version encore plus légère, à environ 233 Go.
Ces chiffres sont à comparer avec ce que demande un usage domestique. Notre guide sur l'IA en local indique qu'un modèle doit tenir en mémoire en plus d'une marge pour la conversation, et que les logiciels grand public recommandent au moins 16 Go de mémoire vive. La plus petite version de Mistral Large 4 réclame donc plus de dix fois cette quantité, avant même de compter le contexte. Elle vise plutôt une station de travail à mémoire unifiée très fournie ou un petit serveur, pas un portable. Mistral note d'ailleurs dans sa fiche que si le fonctionnement en local est décevant, son interface de programmation reste la solution recommandée ; la documentation la facture 0,7 dollar par million de jetons en entrée et 2,1 dollars en sortie.
Pour essayer l'IA chez soi sans investir dans un serveur, les petits modèles de la même famille, comme Ministral 3 en 3 ou 8 milliards de paramètres sous licence Apache 2.0, tiennent sur un ordinateur récent. Et si vous hésitez entre plusieurs assistants en ligne avant de vous lancer, notre comparatif entre ChatGPT, Claude, Gemini et Mistral détaille leurs différences.
Il reste la licence. Le texte, que Mistral appelle « Mistral Ecosystem Open-Weight License », est une version modifiée de la licence MIT. Elle autorise l'usage commercial et non commercial, la modification et la redistribution. Une seule condition pèse sur les entreprises : celles qui exploitent un modèle comme service, c'est-à-dire qui donnent à des tiers un accès par API ou par un point d'accès hébergé, doivent signer au préalable une licence commerciale avec Mistral. L'usage interne, lui, n'est pas concerné, selon le texte de la licence. Autrement dit, une PME qui l'utilise pour ses propres documents n'a rien à demander ; un concurrent d'API, si.
Illustration : logo de Mistral AI, domaine public (Wikimedia Commons).
