Mistral Le Chonk : l’IA française à 1 000 milliards de paramètres est téléchargeable

Mistral AI passe de la promesse au téléchargement : depuis le 29 octobre 2026, les poids de Mistral Large 4, surnommé « Le Chonk », sont disponibles sur Hugging Face. Le laboratoire français ouvre ainsi l’accès à un modèle multimodal totalisant environ 1 000 milliards de paramètres, conçu pour le développement logiciel, les agents autonomes et la cybersécurité défensive. Cette publication permet aux entreprises d’héberger et d’adapter le modèle sans dépendre d’une API unique, sous réserve de respecter sa licence. Mais son gigantisme impose une infrastructure considérable : ce n’est pas un modèle destiné à tourner facilement sur un PC classique.

Article du 30 octobre 2026. Les performances ci-dessous sont issues des évaluations publiées par Mistral et Hugging Face. Les scores ne garantissent pas les résultats obtenus en production. Le terme « poids ouverts » ne signifie pas que toutes les utilisations sont autorisées sans condition.

Ce qu’il faut retenir

• Poids publiés le 29 octobre : téléchargement possible sur Hugging Face en FP8, NVFP4 et quantifications communautaires GGUF.
• Environ 1 000 milliards de paramètres : architecture à mélange d’experts, avec seulement une fraction des paramètres mobilisée par token.
• Développement : 41 % sur Terminal-Bench 4.0 annoncés par Mistral et 48 % sur l’Artificial Analysis Coding Agent Index.
• Cybersécurité : 51 % sur le Cyber Index, avec des cas d’usage de détection, de reproduction et de correction de failles autorisées.
• Licence particulière : un prestataire qui propose le modèle lui-même sous forme de service doit obtenir une licence commerciale distincte.
• API également disponible : 0,70 $ par million de tokens entrants, 0,07 $ pour l’entrée mise en cache et 2,10 $ pour les tokens sortants, selon Mistral.

Mistral Large 4 : les poids de « Le Chonk » sont désormais téléchargeables

Présenté en préversion début octobre, Mistral Large 4 avait déjà attiré l’attention par ses dimensions : un billion de paramètres au sens anglais, soit 1 000 milliards. Jusqu’ici, l’entreprise promettait de publier ses poids avant la fin du mois. C’est désormais fait.

La différence est fondamentale. Une API permet d’interroger un modèle sur l’infrastructure du fournisseur. La publication des poids donne à d’autres acteurs la possibilité de télécharger les paramètres appris pendant l’entraînement, puis d’exécuter le modèle sur leurs propres serveurs, de l’adapter et d’en contrôler les données d’entrée et de sortie.

Mistral met à disposition les variantes FP8 et NVFP4. La communauté propose aussi des versions GGUF pour llama.cpp. Retrouvez la collection Mistral Large 4 sur Hugging Face et le communiqué officiel du 29 octobre.

1 000 milliards de paramètres : pourquoi ce modèle n’est pas comme les autres

Le Chonk repose sur une architecture Mixture of Experts (MoE). Au lieu d’activer systématiquement l’intégralité de ses paramètres à chaque fragment de texte, le modèle sollicite un sous-ensemble de réseaux spécialisés. Ce fonctionnement permet d’augmenter les capacités du système sans rendre chaque étape de calcul aussi coûteuse qu’une architecture entièrement dense.

Mistral annonçait environ 52 milliards de paramètres actifs dans sa présentation initiale. La présentation technique de Hugging Face évoque pour sa part environ 49 milliards, tandis que les identifiants des checkpoints mentionnent A52B. Ces chiffres ne sont donc pas parfaitement uniformes d’un document à l’autre et ne doivent pas être confondus avec le total d’un billion de paramètres.

Le modèle traite le texte et les images en entrée, produit du texte et annonce une fenêtre de contexte pouvant atteindre un million de tokens dans son architecture. La capacité de contexte réellement exploitable dépend cependant du moteur d’inférence, du matériel et des réglages de déploiement.

Une nouvelle progression en programmation et dans les agents IA

Dans son communiqué, Mistral présente Le Chonk comme un outil conçu pour des tâches dépassant la simple suggestion de code : analyser un dépôt, retrouver la cause d’un bogue, préparer une modification, lancer des tests et corriger les échecs.

Scores et méthodologies rapportés par Mistral le 29 octobre 2026. Les résultats des différents benchmarks ne se comparent pas directement entre eux.

Mistral estime que Le Chonk consomme 47 % de tokens en moins par tâche que l’un des modèles ouverts de référence de son tableau, à un niveau voisin de réussite sur le Coding Agent Index. Un bon résultat en tokens ne suffit toutefois pas à déterminer le coût total : le temps GPU, la mémoire et le prix de l’infrastructure restent déterminants.

La cybersécurité défensive devient une priorité

La publication de poids aussi puissants soulève une question délicate : un modèle capable de découvrir une faille et de comprendre son fonctionnement peut servir à sécuriser un logiciel, mais ces mêmes capacités pourraient être détournées.

Mistral revendique un score de 51 % sur l’Artificial Analysis Cyber Index et explique avoir travaillé avec des acteurs du secteur pour tester la reproduction de vulnérabilités et la qualité des correctifs. Certaines activités, comme la validation d’une faille dans un environnement autorisé, doivent pouvoir être menées sans blocage injustifié.

Le groupe indique parallèlement un taux moyen de refus de 96,6 % pour les requêtes cyber malveillantes dans un ensemble de tests spécialisés. Cela ne garantit pas l’impossibilité d’un détournement ; Mistral reconnaît lui-même que les modèles puissants peuvent augmenter les capacités d’attaquants et annonce des ajustements de ses protections.

Des partenaires sélectionnés, notamment Orange Cyberdefense, peuvent accéder à une variante spécialisée dans des conditions contractuelles encadrées. Il faut distinguer cette version réservée à des experts de la publication générale du modèle sur Hugging Face.

Comment télécharger et utiliser Mistral Large 4 Le Chonk ?

Option 1 : accéder aux checkpoints sur Hugging Face

La solution la plus directe consiste à ouvrir la collection officielle, puis à choisir les poids FP8 ou NVFP4 selon votre matériel. Les fiches détaillent les formats, les fichiers et les conditions de licence. Des quantifications GGUF sont également disponibles pour les outils compatibles avec llama.cpp.

Option 2 : exécuter le modèle sur une infrastructure GPU

Pour un déploiement professionnel, Hugging Face documente des configurations avec huit GPU NVIDIA H200 pour ses endpoints FP8. Les variantes NVFP4 peuvent être servies avec vLLM sur des GPU Blackwell compatibles. Les performances obtenues dépendent fortement du contexte et de la charge simultanée.

Une variante GGUF très compressée peut même être lancée, selon les essais publiés par Hugging Face, sur une machine Apple Silicon dotée de 512 Go de mémoire unifiée. Ce résultat ne signifie pas que le modèle fonctionne confortablement sur un MacBook de 16 ou 32 Go de RAM.

Option 3 : utiliser l’API sans installer les poids

Les personnes sans serveur adapté peuvent utiliser Mistral Studio, l’API ou un fournisseur d’inférence compatible. Mistral annonce également un accès via Vibe Code et des plateformes partenaires. Il suffit alors de payer la consommation du service, sans avoir à maintenir soi-même le modèle.

Combien coûte l’API de Mistral Large 4 ?

Les prix sont ceux annoncés par Mistral au 29 octobre 2026, en dollars et hors éventuelles taxes ou commissions de plateformes tierces. Ils peuvent évoluer. Le coût d’un déploiement privé est différent : il comprend notamment la location ou l’achat des GPU, la mémoire et l’exploitation des serveurs.

Open-weight : la licence autorise-t-elle tous les usages ?

Non, pas sans condition. Le modèle est distribué sous la Mistral Ecosystem Open-Weight License, une licence dérivée de MIT. Mistral autorise de nombreux usages, y compris la modification, l’adaptation et des applications commerciales.

Une restriction centrale concerne toutefois les acteurs qui souhaitent proposer le modèle lui-même en tant que service hébergé (Model-as-a-Service) : une licence commerciale séparée est requise avant cette exploitation. Les entreprises doivent consulter le model card et les conditions de licence avant de construire une offre commerciale.

Il est plus précis de qualifier Le Chonk de modèle à poids ouverts que de laisser croire que tous les composants d’entraînement, données et droits d’usage seraient libres de toute contrainte.

Ce que cette sortie change pour les entreprises françaises

La principale conséquence est le choix du lieu d’exécution. Une organisation disposant d’une infrastructure adaptée peut traiter ses documents et son code en interne, contrôler les journaux et personnaliser le modèle. Cela peut répondre à des exigences de confidentialité ou de souveraineté, sans dispenser de vérifier le RGPD, la sécurité des données et les droits d’accès.

Pour les particuliers, les besoins matériels restent un obstacle majeur. Une API ou un modèle plus petit sera souvent beaucoup plus raisonnable qu’un serveur nécessaire à un billion de paramètres. Retrouvez nos guides sur l’IA locale et sur son déploiement en entreprise.

Nous avions déjà présenté Mistral Large 4 lors de son annonce. La nouveauté du 29 octobre est bien différente : les poids sont désormais publiés et utilisables dans une infrastructure compatible, avec une nouvelle série d’améliorations et de résultats documentés.

Sources

• Mistral AI, 29 octobre 2026 : publication officielle des poids, scores, tarifs et licence
• Hugging Face, 29 octobre : formats de modèles, architecture et exigences de déploiement
• Collection officielle des checkpoints Mistral Large 4
• Mistral AI, 6 octobre 2026 : annonce de la préversion et premières capacités de Le Chonk