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

L’article Mistral Le Chonk : l’IA française à 1 000 milliards de paramètres est téléchargeable est apparu en premier sur TechPi.

Cloud souverain Microsoft : les annonces principales

• Sovereign Control Panel : un tableau de bord dédié aux réglages de souveraineté, annoncé en préversion publique pour Microsoft Ignite, du 16 au 18 novembre 2026.
• Data Guardian : Microsoft étend la supervision européenne de certains accès à distance de ses ingénieurs, avec un déploiement progressif dans l’UE et l’AELE.
• Azure Local : de nouveaux services de stockage et de données, ainsi que des usages connectés ou déconnectés, pour les environnements exploités par les clients.
• IA sur site : Foundry Local doit devenir généralement disponible sur Azure Local à l’occasion d’Ignite, avec davantage de modèles.
• France : Microsoft cite explicitement les modèles de Mistral AI et le cloud Bleu dans son dispositif de souveraineté.

Pourquoi Microsoft met le cloud souverain au cœur de son événement parisien

Pour une banque, un industriel ou un service public, la question ne se limite pas au pays dans lequel se trouve un serveur. Elle porte aussi sur l’identité des opérateurs qui accèdent aux systèmes, les clés de chiffrement, la capacité à continuer à fonctionner sans connexion Internet, et les règles contractuelles applicables aux données sensibles.

Le cloud souverain Microsoft se présente donc comme un ensemble de solutions : un cloud public avec des contrôles renforcés, des services exploités localement par le client et un réseau de partenaires nationaux. Cette offre n’implique pas que toutes les configurations Azure deviennent automatiquement françaises, isolées ou conformes à chaque réglementation.

Lors du Microsoft Frontier Tour Paris du 20 octobre, Satya Nadella a replacé ces évolutions dans la transformation des entreprises françaises par l’IA. Microsoft a également présenté des exemples industriels de recherche et de production, notamment chez Saint-Gobain, Publicis et Stellantis. Ces annonces concernent des usages professionnels, pas une nouvelle option destinée aux particuliers dans Windows 11.

Sovereign Control Panel : un tableau de bord annoncé pour novembre

Le Sovereign Control Panel doit réunir dans le portail Azure les réglages et indicateurs permettant de suivre les politiques de résidence des données, les contrôles d’accès et certains risques opérationnels. L’objectif annoncé est de permettre aux administrateurs de repérer des écarts et de préparer les plans de continuité d’activité.

Attention au calendrier : Microsoft prévoit sa préversion publique pendant Microsoft Ignite, du 16 au 18 novembre 2026. Au 22 octobre, il ne faut donc pas la présenter comme une fonction généralement disponible ou activée chez tous les clients.

En parallèle, Data Guardian doit permettre à un partenaire européen de confiance de superviser depuis l’Europe certains accès à distance éligibles réalisés par des ingénieurs Microsoft. Microsoft annonce aussi le déploiement progressif de Production Touch Ledger, un dispositif de journalisation visant à retracer ces accès et les opérations concernées au sein de l’UE et de l’AELE.

Ces outils apportent de la visibilité, mais ils ne remplacent ni une analyse juridique complète des traitements ni une architecture de sécurité adaptée à chaque secteur.

Azure Local : les applications et l’IA peuvent rester dans l’entreprise

Pour les services critiques, une dépendance permanente au cloud public peut poser un problème de continuité. Azure Local permet d’exécuter certaines technologies Microsoft sur des infrastructures contrôlées par le client, dans des configurations connectées ou déconnectées.

Microsoft confirme que SQL Server sur Azure Local est déjà disponible de manière générale dans ces deux types de déploiement. En revanche, DocumentDB et Blob Storage sur Azure Local entrent en préversion publique. Les organisations gagnent ainsi des options de stockage et de bases de données, avec des maturités commerciales différentes.

La possibilité de basculer des charges de travail du mode connecté au mode déconnecté entre également en préversion publique. Ce point peut intéresser les sites industriels, les infrastructures essentielles ou les entreprises ayant des contraintes de réseau particulièrement fortes.

Enfin, Microsoft annonce de futures fonctions multi-tenant sur Azure Local, pour isoler plusieurs entités ou clients sur une même infrastructure tout en conservant des règles de gouvernance distinctes.

Foundry Local, GitHub et Microsoft 365 : le calendrier de l’IA sur site

La souveraineté opérationnelle inclut désormais les modèles d’intelligence artificielle et les outils de développement. Microsoft prévoit que Foundry Local soit généralement disponible pour des opérations connectées et déconnectées sur Azure Local à l’occasion de Microsoft Ignite en novembre.

Le catalogue annoncé doit inclure des modèles Microsoft, des modèles partenaires et des modèles ouverts. L’inférence locale doit permettre à des agents de consulter des données de l’organisation sans obliger celle-ci à envoyer chaque traitement vers un service public distant.

GitHub Enterprise Local est également annoncé en disponibilité générale lors d’Ignite, tandis que l’intégration avec Microsoft 365 Local reste en préversion pour des clients approuvés. Ce dernier dispositif concerne les environnements SharePoint et Exchange exploités localement : il ne faut pas le confondre avec une disponibilité immédiate de toutes les fonctions Copilot hors connexion.

Mistral AI et Bleu : deux éléments importants pour la France

Dans son communiqué français, Microsoft souligne le renforcement du partenariat avec Mistral AI, annoncé en juillet 2026. Les modèles Mistral Medium 3.5 et OCR 4 sont proposés dans Microsoft Foundry, et Medium 3.5 dans Copilot Studio. Microsoft indique que ces technologies peuvent également s’inscrire dans des architectures Azure Local ou Foundry Local adaptées à des besoins d’isolation.

Cette coopération ne signifie pas que l’ensemble des services Microsoft fonctionne sur des modèles Mistral : il s’agit d’options dans un écosystème multimarque. Pour découvrir l’éditeur français et ses outils, notre guide Mistral AI explique ses principaux usages.

Microsoft cite également Bleu, l’acteur français de cloud de confiance, parmi ses partenaires souverains. Le groupe précise que Bleu accompagne désormais des clients en France. Il ne faut pas assimiler Bleu, Azure public et Azure Local : les modèles de propriété, d’exploitation et les garanties contractuelles peuvent être différents.

Quelles fonctions du cloud souverain Microsoft sont déjà disponibles ?

Microsoft ne détaille pas dans ces annonces une grille tarifaire unique en euros pour l’ensemble de ces services. Le prix final dépend des licences, de l’infrastructure, des modèles utilisés et de l’accompagnement choisi. Il serait trompeur de présenter une offre globale standard « cloud souverain France » sans devis ni périmètre précis.

Ce que les entreprises françaises doivent vérifier avant de migrer

Avant de sélectionner une solution de cloud souverain Microsoft, une organisation devrait identifier où résident ses données, qui peut y accéder, quel droit s’applique, comment sont gérées les clés de chiffrement et si les applications critiques continuent à fonctionner en cas de rupture réseau. Les exigences varient selon qu’il s’agit d’un laboratoire, d’une collectivité ou d’un service financier.

Elle doit aussi distinguer disponibilité générale, préversion publique et accès réservé à certains clients. Une fonctionnalité annoncée ne suffit pas à remplir des obligations réglementaires dès aujourd’hui. Pour comparer ces approches avec d’autres choix d’hébergement, consultez notre guide pour déployer une IA en local en entreprise.

Notre analyse : une souveraineté à démontrer au cas par cas

Microsoft cherche à répondre à une critique de fond : les grandes entreprises européennes veulent utiliser des technologies d’IA avancées sans renoncer à la maîtrise de leurs opérations sensibles. L’association de contrôles Azure, de services locaux et de partenaires comme Mistral et Bleu apporte des options supplémentaires. En revanche, la notion de souveraineté ne peut pas être résumée à un bouton ni à la nationalité d’un fournisseur : elle se vérifie dans l’architecture, les contrats et l’exploitation réelle.

FAQ : Microsoft Cloud souverain en France

Le Sovereign Control Panel est-il déjà disponible ?

Microsoft annonce sa préversion publique pour Microsoft Ignite, du 16 au 18 novembre 2026, et non une disponibilité générale au 22 octobre.

Azure Local peut-il fonctionner sans connexion Internet ?

Microsoft propose des scénarios connectés et déconnectés pour certaines charges de travail sur Azure Local. Les fonctions compatibles et leurs conditions doivent être vérifiées service par service.

Mistral remplace-t-il Copilot ou OpenAI chez Microsoft ?

Non. Les modèles de Mistral constituent des options supplémentaires dans Microsoft Foundry, Copilot Studio et des configurations locales. L’annonce n’équivaut pas au remplacement de tous les autres modèles.

Bleu est-il identique au cloud Azure public ?

Non. Microsoft le décrit comme un partenaire national proposant un environnement exploité de manière indépendante. Il faut vérifier les garanties spécifiques du service contracté.

Sources officielles

• Microsoft France — Satya Nadella à Paris, Frontier Tour du 20 octobre 2026.
• Microsoft — Faire progresser la souveraineté numérique, Douglas Phillips, 20 octobre 2026.
• Microsoft Official Blog — Détails techniques des annonces.

L’article Cloud souverain Microsoft : à Paris, Azure Local, Mistral et Bleu se renforcent est apparu en premier sur TechPi.

Voxtral 3 : les nouveautés essentielles

• Transcription multilingue : Voxtral Small Transcribe 3 et Voxtral Mini Transcribe 3 prennent en charge plus de 50 langues, dont le français.
• Conversation naturelle : la génération vocale Voxtral Mini TTS 3 adapte l’expression, le rythme et l’intonation, avec plus de 35 langues et 50 dialectes annoncés.
• Agents capables d’agir : le nouveau SDK associe reconnaissance vocale, modèle de raisonnement, appels à des outils et réponse audio.
• Disponibilité : l’API est accessible dès le lancement, avec des points d’accès européens ; le déploiement sur une infrastructure privée est également proposé aux entreprises.
• Tarification API : la transcription démarre, selon les tarifs de lancement, à 0,0035 dollar par minute en traitement différé.

Voxtral 3 comprend plus de 50 langues : ce que cela change

Avec Voxtral 3, Mistral cherche à réduire deux difficultés fréquentes des outils de transcription : les conversations multilingues et les mots difficiles à reconnaître. Les nouveaux modèles Small et Mini peuvent identifier différents intervenants dans une discussion — une opération appelée diarisation — et tenir compte d’une liste de noms propres ou de termes métiers fournie à l’avance.

Ce second mécanisme, parfois nommé context biasing, peut être utile dans une réunion médicale, une permanence technique ou un entretien comportant beaucoup de noms de produits. Il ne garantit pas une transcription parfaite : le bruit, les accents et les conditions d’enregistrement restent des variables essentielles.

La version Voxtral Small Transcribe 3 privilégie la qualité, tandis que Voxtral Mini Transcribe 3 cible les usages plus économiques. Mistral annonce aussi une déclinaison de transcription en temps réel, destinée aux agents conversationnels. Les performances comparatives vantées par le fabricant proviennent notamment de ses propres évaluations ; elles devront être confirmées dans des tests indépendants.

Une IA qui parle et agit pendant un appel

L’autre nouveauté de Voxtral 3 est son SDK d’agents vocaux, construit avec LiveKit. Son fonctionnement associe plusieurs étapes : le composant de transcription écoute la personne ; un modèle de langage, tel que Mistral Small, comprend la demande et appelle les outils autorisés ; enfin, le modèle de synthèse vocale formule une réponse.

Ces composants peuvent fonctionner dans un pipeline continu. Mistral revendique des échanges de moins d’une seconde par tour dans sa démonstration et une meilleure gestion des interruptions. Cette durée dépendra néanmoins de la connexion, des modèles utilisés et des logiciels externes interrogés.

Un agent de service client pourrait ainsi consulter une facture, vérifier l’identité de l’appelant ou réserver un rendez-vous, à condition de disposer des connexions et des autorisations nécessaires. Le système fonctionne avec les outils de téléphonie SIP, les navigateurs et les applications reposant sur WebRTC, selon le fabricant.

Cette capacité d’action exige des garde-fous : confirmation avant une opération sensible, limitation des droits d’accès, journalisation, et possibilité de passer à un conseiller humain. Une démonstration d’agent capable de réserver un créneau n’implique pas une autonomie illimitée pour toute entreprise.

Voxtral Mini TTS 3 : des voix plus naturelles et personnalisées

Pour la synthèse vocale, Voxtral Mini TTS 3 ne cherche pas seulement à lire du texte. Mistral annonce des voix pouvant moduler leur émotion, leur débit et l’accentuation de certains mots. Le modèle est présenté comme compatible avec plus de 35 langues et 50 dialectes, avec notamment des préréglages pour le français de France.

Les entreprises peuvent également demander une adaptation poussée de voix avec Pro Voice, à partir d’environ 30 minutes d’audio dans les conditions décrites par Mistral. Reproduire la voix d’une personne suppose toutefois son consentement et le respect des règles applicables en matière de données et d’identité vocale.

La reconnaissance vocale, la création de voix et les agents temps réel sont donc trois usages liés mais distincts. Un client qui n’a besoin que de retranscrire des fichiers audio n’est pas obligé de développer tout un agent téléphonique.

Prix de Voxtral 3 : combien coûte l’API Mistral ?

Le communiqué officiel de lancement présente des tarifs en dollars américains pour l’API. Ils correspondent à des unités d’utilisation différentes et ne sont pas des prix TTC destinés aux particuliers français.

Source : annonce officielle Mistral du 20 octobre 2026. Les tarifs peuvent évoluer : la grille affichée dans la console et les conditions commerciales au moment de l’achat font foi. Conversion en euros, taxes éventuelles et remises contractuelles ne sont pas détaillées ici.

Pour donner un ordre de grandeur purement arithmétique, 100 minutes traitées à 0,0035 dollar la minute représentent 0,35 dollar au tarif unitaire de lancement, hors autres services ou frais. Ce calcul ne doit pas être interprété comme un devis complet pour un agent vocal incluant un modèle de raisonnement, des appels externes et une infrastructure de téléphonie.

Voxtral 3 est-il disponible en France ?

Oui, via l’API Mistral : la société indique que les nouveaux modèles sont accessibles dès leur annonce avec des points d’accès hébergés en Europe, aux États-Unis ou à l’échelle mondiale. Les développeurs peuvent tester la transcription, la parole et les agents dans les environnements de démonstration de Mistral Studio.

Une entreprise française ayant des contraintes de résidence et de conservation des données doit sélectionner l’environnement approprié, vérifier les contrats et configurer la rétention des conversations. La disponibilité d’un point d’accès européen ne dispense pas de vérifier l’ensemble des flux de données et les éventuels outils tiers.

Pour les déploiements privés, Mistral invite les organisations à contacter son équipe. Cette possibilité ne signifie pas que tous les modèles ou SDK sont librement téléchargeables sous une licence open source ; les modalités d’exploitation doivent être vérifiées pour chaque composant.

Les entreprises qui veulent comparer cette offre avec une installation entièrement maîtrisée peuvent aussi consulter notre guide du déploiement d’une IA en local. Pour découvrir les autres outils de l’éditeur français, voir également comment utiliser Mistral AI et Vibe.

Notre analyse : la valeur vient du dialogue, pas seulement de la voix

La nouveauté la plus intéressante de Voxtral 3 est la combinaison d’une transcription multilingue, d’une synthèse vocale expressive et d’actions concrètes dans les outils d’entreprise. Un service client gagne peu à disposer seulement d’une voix convaincante si l’agent ne sait pas retrouver la bonne information, gérer les interruptions ou transférer une demande difficile.

Les prochains critères à surveiller seront donc la fiabilité des actions, la gestion des accents, la qualité du français, les coûts complets d’un appel et les garanties de confidentialité. Les chiffres de performance diffusés par Mistral sont des résultats annoncés par le fabricant, pas un test réalisé par TechPi.

FAQ : Voxtral 3 de Mistral AI

Voxtral 3 peut-il transcrire du français ?

Oui. La transcription multilingue de Voxtral 3 inclut le français parmi plus de 50 langues prises en charge par les modèles concernés.

Voxtral 3 permet-il de créer un standard téléphonique IA ?

Le SDK est conçu pour créer ce type d’agent, avec écoute, réponse vocale et appels à des outils métiers. L’intégration à la téléphonie et les autorisations restent à configurer.

Voxtral 3 est-il gratuit ?

Mistral annonce une API payante à l’usage. Des outils de test peuvent être proposés dans Studio, mais il ne faut pas confondre l’essai éventuel et une utilisation illimitée ou gratuite en production.

Peut-on héberger Voxtral 3 sur ses propres serveurs ?

Mistral propose des possibilités de déploiement privé pour les organisations, à examiner avec son équipe commerciale et technique selon les composants souhaités.

Sources officielles

• Mistral AI — Annonce de Voxtral 3, 20 octobre 2026 (français).
• Mistral AI — Documentation de la famille Voxtral 3.

L’article Mistral Voxtral 3 : transcription en 50 langues, prix et agents vocaux disponibles est apparu en premier sur TechPi.

Ce qu’il faut retenir

• Le Chat s’appelle désormais Vibe depuis mai 2026. L’adresse reste chat.mistral.ai.
• Une offre gratuite permet de l’utiliser sans payer, avec des limites.
• L’offre Pro coûte 14,99 € par mois (hors taxes), avec 50 % de réduction pour les étudiants.
• Vibe sait chercher sur le Web, analyser des documents, générer des images et faire des recherches approfondies.
• Le nouveau Work Mode peut agir dans vos outils (e-mails, documents) après validation.
• Mistral est une entreprise française : une alternative européenne à ChatGPT, Claude ou Gemini.

Le Chat ou Vibe : quel est le bon nom ?

Mistral a lancé son assistant Le Chat en février 2024. En mai 2026, il a été rebaptisé Vibe, un nom qui désignait auparavant l’outil de programmation de Mistral, désormais intégré au même produit.

Rien ne change pour les utilisateurs existants : les conversations et les réglages ont été conservés, et l’adresse reste la même. Beaucoup de gens continuent d’ailleurs à dire « Le Chat ».

Étape 1 : créer un compte

1. Rendez-vous sur chat.mistral.ai, ou téléchargez l’application sur l’App Store ou Google Play.
2. Créez un compte avec votre adresse e-mail, ou connectez-vous avec l’un des comptes proposés (Google, par exemple).
3. Vous arrivez directement sur l’écran de conversation : tapez votre première question.

Aucune carte bancaire n’est demandée pour l’offre gratuite.

Étape 2 : poser de bonnes questions

Comme tout assistant IA, Vibe répond mieux quand la demande est précise. Comparez :

• ❌ « Écris un mail. »
• ✅ « Écris un mail court et poli à mon propriétaire pour lui signaler une fuite sous l’évier depuis lundi, et lui demander un passage cette semaine. »

Trois réflexes qui changent tout :

• Donnez le contexte : pour qui, dans quel but, avec quelles contraintes.
• Précisez le format : liste, tableau, 3 paragraphes, ton formel ou décontracté.
• Corrigez en continuant la conversation : « plus court », « plus formel », « ajoute un exemple ».

Les fonctions principales de Vibe

Recherche sur le Web

Vibe peut chercher des informations récentes en ligne et citer ses sources. Mistral a aussi signé un accord avec l’AFP pour donner accès à ses dépêches, ce qui est utile pour l’actualité.

Recherche approfondie (Deep Research)

Pour une question complexe, Vibe peut consulter de nombreuses sources et produire un rapport structuré. Comptez quelques minutes par recherche.

Analyse de documents

Joignez un PDF, un tableau ou une image et demandez un résumé, une traduction ou une extraction d’informations.

Génération et retouche d’images

Décrivez l’image souhaitée, puis demandez des modifications. Le nombre d’images est limité sur l’offre gratuite.

Projets et bibliothèques

Les projets regroupent conversations et fichiers sur un même sujet. Les bibliothèques permettent de stocker des documents que Vibe consultera dans ses réponses.

Mémoire

Vibe peut retenir des informations d’une conversation à l’autre, comme votre métier ou vos préférences. Vous pouvez consulter et effacer ces souvenirs dans les paramètres.

Mode vocal

Sur mobile, vous pouvez parler à Vibe et l’entendre répondre, grâce au modèle audio Voxtral de Mistral.

La nouveauté 2026 : le Work Mode

Avec le passage à Vibe, Mistral transforme son assistant en agent capable d’agir. Le Work Mode peut se connecter à vos outils, comme Google Workspace, Outlook, SharePoint, Slack ou GitHub, pour :

• trier une boîte mail ;
• récupérer des données dans un tableur ;
• rédiger un rapport à partir de plusieurs documents ;
• publier un document dans Notion ou SharePoint.

Point rassurant : Vibe présente d’abord un plan et attend votre validation avant d’agir. Chaque étape peut être dépliée et vérifiée.

Vous pouvez aussi programmer des tâches récurrentes (quotidiennes, hebdomadaires ou mensuelles) et enregistrer vos routines sous forme de compétences réutilisables.

Pour les développeurs, Vibe intègre aussi des agents de programmation qui travaillent dans le cloud, accessibles sur code.mistral.ai.

Gratuit ou Pro : quelle offre choisir ?

Notre conseil : commencez par l’offre gratuite. Si vous atteignez régulièrement les limites, l’offre Pro reste l’une des moins chères du marché.

Vos données sont-elles protégées ?

Mistral est une entreprise française soumise au RGPD. Sur les offres Pro, Team et Enterprise, vous pouvez refuser que vos conversations servent à entraîner les modèles. Sur l’offre gratuite, vérifiez les réglages de confidentialité de votre compte.

Dans tous les cas, évitez de partager des données très sensibles, comme des informations médicales ou bancaires.

Pour une confidentialité totale, il est possible de faire tourner un modèle Mistral directement sur votre ordinateur, sans Internet : suivez notre guide pour installer Mistral AI en local.

Quels modèles utilise Vibe ?

Vibe s’appuie principalement sur Mistral Medium 3.5, qui peut alterner entre un mode rapide et un mode de réflexion plus poussé selon la difficulté de la demande.

Mistral prépare aussi son modèle le plus puissant, Mistral Large 4, disponible en préversion pour les développeurs depuis octobre 2026.

Vibe face à ChatGPT, Claude et Gemini

Sur les tâches les plus complexes, les modèles d’OpenAI, d’Anthropic et de Google restent en avance selon les classements indépendants. Vibe a toutefois de vrais atouts :

• une entreprise européenne, soumise au droit européen ;
• un très bon niveau en français ;
• une offre Pro moins chère que la plupart des concurrents ;
• des réponses généralement rapides.

FAQ

Mistral AI est-il gratuit ?

Oui, Vibe (ex-Le Chat) propose une offre gratuite avec des limites d’utilisation. L’offre Pro coûte 14,99 € par mois hors taxes.

Le Chat existe-t-il encore ?

Le Chat a simplement changé de nom : il s’appelle Vibe depuis mai 2026. C’est le même service, à la même adresse.

Y a-t-il une application mobile ?

Oui, sur iPhone et Android, avec un mode vocal.

Peut-on utiliser Mistral sans Internet ?

Pas avec Vibe, qui fonctionne en ligne. En revanche, plusieurs modèles Mistral peuvent être installés sur votre ordinateur avec LM Studio ou Ollama. Retrouvez la méthode dans notre guide de l’IA en local.

Mistral est-il français ?

Oui. Mistral AI est une entreprise française fondée en 2023 à Paris.

Sources

• Mistral AI — offres et tarifs
• The Decoder — Mistral renomme Le Chat en Vibe
• Heise — le chatbot de Mistral s’appelle désormais Vibe
• Wikipédia — Mistral Vibe

L’article Comment utiliser Mistral AI (Vibe, ex-Le Chat) : le guide pour bien débuter en 2026 est apparu en premier sur TechPi.

Nouveautés IA locale : Perplexity Computer fonctionne désormais entièrement sur Mac, avec 36 Go de mémoire recommandés. De leur côté, AMD et Intel rapprochent leurs optimisations PyTorch autour de oneDNN pour simplifier l’IA sur CPU.

Ce qu’il faut retenir

• Une IA en local fonctionne entièrement sur votre machine, sans connexion une fois le modèle téléchargé.
• Elle est gratuite et confidentielle : vos conversations ne quittent pas votre ordinateur.
• Le facteur le plus important est la mémoire : la VRAM de la carte graphique sur PC, la mémoire unifiée sur Mac.
• Deux logiciels gratuits suffisent pour commencer : Ollama et LM Studio.
• Les modèles locaux sont moins puissants que ChatGPT, Claude ou Gemini, mais largement suffisants pour beaucoup d’usages.

Sommaire du guide

1. Pourquoi utiliser une IA en local ?
2. Quel matériel faut-il ?
3. Quel logiciel choisir ?
4. Quels modèles installer ?
5. Aller plus loin : agents, images et recherche
6. Questions fréquentes

1. Pourquoi utiliser une IA en local ?

Les assistants comme ChatGPT, Claude ou Gemini fonctionnent dans le cloud : chaque question est envoyée sur les serveurs de l’entreprise. Une IA en local inverse la logique.

• Confidentialité : vos documents, votre code ou vos notes restent sur votre machine. Idéal pour des données professionnelles ou sensibles.
• Gratuité : pas d’abonnement, pas de limite de messages. Vous payez seulement l’électricité.
• Hors ligne : l’IA fonctionne dans le train, en avion ou sans connexion.
• Liberté : vous choisissez le modèle, ses réglages, et pouvez l’intégrer à vos propres outils.

La contrepartie : les modèles qui tiennent sur un ordinateur personnel restent moins performants que les plus grands modèles du cloud, surtout sur les tâches complexes.

2. Quel matériel faut-il ?

Bonne nouvelle : pas besoin d’un PC à 5 000 € pour commencer. La règle principale est simple : plus vous avez de mémoire, plus le modèle peut être gros, et donc intelligent.

• Sur PC, c’est surtout la VRAM de la carte graphique qui compte. Un modèle qui tient entièrement dans la VRAM répond beaucoup plus vite.
• Sur Mac Apple Silicon, la mémoire unifiée est partagée entre le processeur et la partie graphique, ce qui permet de faire tourner des modèles assez gros.
• La RAM classique sert de réserve, mais un modèle qui déborde de la VRAM ralentit fortement.

Pour donner un ordre d’idée, un modèle comme Qwen3.8-27B demande environ 18 Go de mémoire dans sa version compressée. Les petits modèles de quelques milliards de paramètres tournent sur un ordinateur portable récent.

Nos guides détaillés :

• Quel PC choisir pour faire tourner une IA en local : RAM, VRAM, GPU, NPU, Mac ou PC selon votre profil.
• Config PC pour l’IA en local : trois configurations types selon votre budget.
• 16, 32 ou 64 Go de RAM pour un PC IA ? : combien de mémoire selon vos usages.

3. Quel logiciel choisir ?

Deux logiciels gratuits dominent pour débuter. Ils téléchargent les modèles et les font tourner pour vous.

Notre conseil : si vous débutez, commencez par LM Studio. Si vous voulez brancher l’IA sur d’autres applications, passez à Ollama.

Une fois Ollama installé, notre guide des commandes Ollama vous montre comment gérer vos modèles, augmenter le contexte ou créer votre propre assistant.

4. Quels modèles installer ?

Le choix du modèle dépend surtout de votre matériel. Les principales familles de modèles ouverts sont Gemma (Google), Qwen (Alibaba), Llama (Meta), gpt-oss (OpenAI), Mistral et DeepSeek.

• Meilleurs modèles IA en local en 2026 : notre comparatif par niveau de matériel.
• Installer Mistral AI en local : l’IA française sur votre ordinateur, avec Ministral 3 14B.
• Qwen3.8-27B en local : l’un des modèles les plus solides pour les machines bien équipées.

À surveiller : Mistral Large 4, dont les poids doivent être publiés le 27 octobre. Attention, avec environ 1 000 milliards de paramètres, il vise des serveurs et non des PC personnels.

5. Aller plus loin : agents, images et recherche

Une fois l’IA installée, elle peut faire bien plus que discuter :

• Agents IA locaux : Hermes Agent donne à votre modèle une mémoire, des outils et des automatisations.
• Génération d’images : Stable Diffusion et ComfyUI en local, et la configuration nécessaire.
• Petits appareils : Liquid AI fait tourner des agents jusqu’au Raspberry Pi.
• En entreprise : notre guide pour déployer une IA en local en entreprise (matériel, outils, RGPD et AI Act).
• Recherche dans vos fichiers : notre test de Synology Deep Search, la recherche par IA 100 % locale sur NAS.

Questions fréquentes

Une IA en local est-elle vraiment gratuite ?

Oui. Les logiciels comme Ollama et LM Studio sont gratuits, tout comme les modèles ouverts. Le seul coût est celui du matériel et de l’électricité.

Faut-il une carte graphique ?

Ce n’est pas obligatoire pour les petits modèles, mais une carte graphique avec beaucoup de VRAM rend l’IA beaucoup plus rapide. Sur Mac, la puce Apple Silicon et sa mémoire unifiée font très bien l’affaire.

Une IA locale est-elle aussi bonne que ChatGPT ?

Non, pas sur les tâches les plus complexes. Mais pour résumer, rédiger, traduire ou aider à coder, les bons modèles locaux de 2026 sont très convaincants.

Mes données restent-elles privées ?

Oui. Une fois le modèle téléchargé, tout se passe sur votre ordinateur. Vous pouvez même couper Internet.

Par quoi commencer ?

Installez LM Studio avec un modèle Mistral en suivant notre tutoriel. C’est la méthode la plus simple pour une première expérience.

L’article IA en local : le guide complet pour faire tourner une IA sur son PC ou son Mac (2026) est apparu en premier sur TechPi.

Dernière mise à jour : 14 octobre 2026 (ajout des premiers tests indépendants).

Ce qu’il faut retenir

• Mistral Large 4 est disponible en preview depuis le 6 octobre 2026.
• Le modèle compte environ 1 050 milliards de paramètres, dont 49 milliards actifs.
• Il repose sur une architecture Mixture-of-Experts et accepte du texte comme des images.
• Sa fenêtre de contexte atteint 1 million de tokens.
• Il a été entraîné en Europe pendant environ deux mois sur près de 4 000 GPU Nvidia Grace Blackwell.
• Mistral prévoit de publier ses poids le 27 octobre 2026.
• Large 4 vise particulièrement le code, la cybersécurité, la finance, l’industrie et l’analyse d’images.
• Les premiers benchmarks sont prometteurs, mais proviennent principalement de Mistral et devront être confirmés par des tests indépendants.

Mistral Large 4 : le retour du géant français

Dix mois après Mistral Large 3, la société française revient avec un modèle nettement plus ambitieux.

Mistral Large 4, également appelé ML4 et surnommé en interne « Le Chonk », adopte une architecture Mixture-of-Experts particulièrement massive.

La fiche technique officielle indique 1,05 trillion de paramètres au total, soit environ 1 050 milliards. Seuls 49 milliards sont néanmoins activés à chaque étape de traitement.

Cette approche permet d’augmenter considérablement la capacité globale du modèle sans avoir à mobiliser l’intégralité de ses paramètres pour chaque requête.

Un modèle entraîné en Europe sur environ 4 000 GPU

Mistral met également beaucoup en avant l’origine européenne de son nouveau modèle.

Large 4 aurait été entraîné depuis zéro pendant environ deux mois sur près de 4 000 GPU Nvidia Grace Blackwell installés dans les infrastructures européennes de Mistral.

C’est un chiffre important, mais qui reste relativement modeste face aux moyens disponibles chez certains géants américains.

Mistral affirme avoir compensé cette différence de puissance de calcul par un travail poussé sur les méthodes d’entraînement et l’apprentissage par renforcement.

Le modèle a notamment été confronté à de très nombreux environnements simulés dans lesquels il doit corriger du code, résoudre des problèmes ou accomplir des tâches complexes sur plusieurs étapes.

160 langues et un million de tokens de contexte

Large 4 aurait été entraîné sur plus de 160 langues, dont toutes les langues officielles de l’Union européenne.

La documentation officielle confirme également une fenêtre de contexte de 1 million de tokens.

Cette capacité permet théoriquement d’analyser de très gros volumes d’informations en une seule fois : bases de code importantes, documents techniques, contrats, dossiers financiers ou ensembles de documents.

Mistral positionne donc Large 4 moins comme un simple chatbot que comme un moteur destiné aux agents IA et aux environnements professionnels complexes.

Large 4 revient au niveau des meilleurs modèles ouverts chinois

C’est l’un des principaux enjeux du lancement.

Ces derniers mois, le marché des modèles à poids ouverts avait largement été dominé par des acteurs chinois comme DeepSeek, Moonshot AI, Alibaba et Z.ai.

Mistral reconnaît d’ailleurs lui-même que Large 3 avait pris du retard, notamment dans le domaine de la programmation.

Avec Large 4, l’entreprise estime être de nouveau au contact des meilleurs modèles ouverts disponibles.

Les premiers résultats communiqués sont notamment les suivants :

Sur DeepSWE v1.1, Mistral présente par exemple Large 4 à 62 %, contre 61 % pour GLM-5.3 dans la configuration retenue pour son comparatif.

Le modèle se montrerait également particulièrement performant dans l’analyse d’images satellites avec 73 % sur DIOR-RSVG, contre 68 % pour GPT-6 Astra dans les données présentées par Mistral.

Attention aux benchmarks annoncés par Mistral

Ces chiffres doivent cependant être interprétés avec prudence.

Large 4 vient tout juste d’être lancé et les résultats actuellement mis en avant sont principalement communiqués par Mistral.

La configuration d’un benchmark peut également modifier sensiblement les performances obtenues. Sur DeepSWE, par exemple, d’autres configurations publiques de GLM-5.3 ou Kimi obtiennent des résultats supérieurs à ceux retenus dans le graphique de Mistral.

Il faudra donc attendre que Large 4 soit largement testé par des organismes indépendants avant de déterminer précisément sa position face aux meilleurs modèles de Moonshot, Z.ai, DeepSeek, OpenAI ou Anthropic.

Mistral ne prétend d’ailleurs pas avoir déjà dépassé les meilleurs modèles fermés américains dans tous les domaines.

Ce que disent les premiers tests indépendants

Une semaine après son lancement, Mistral Large 4 a été évalué par Artificial Analysis, l’un des principaux comparateurs indépendants de modèles d’IA.

Le bond par rapport aux anciens modèles de Mistral est spectaculaire. Large 4 obtient 38 points sur l’indice d’intelligence d’Artificial Analysis, contre 9 pour Mistral Large 3 et 14 pour Mistral Medium 3.5. La médiane des modèles comparables se situe à 26.

Le modèle français reste en revanche nettement derrière les leaders :

Autre point faible relevé : Large 4 est très bavard. Pendant l’évaluation, il a généré environ 200 millions de tokens, contre une médiane de 81 millions. Résultat, son coût réel par tâche grimpe à environ 1,13 dollar, bien au-dessus des 0,32 dollar de GPT-6.1 Sol, malgré un tarif au token plus bas.

Côté vitesse, il produit environ 116 tokens par seconde, avec un délai d’environ 1,5 seconde avant le premier token.

En résumé : Mistral revient clairement dans la course des modèles ouverts, mais n’a pas encore rattrapé les meilleurs modèles fermés américains.

La cybersécurité est l’une des principales cibles

Mistral veut particulièrement séduire les entreprises, les administrations et les spécialistes de la cybersécurité.

L’intérêt d’un modèle à poids ouverts est de pouvoir à terme l’exécuter sur sa propre infrastructure, sans dépendre en permanence de l’API d’un fournisseur extérieur.

Une entreprise peut ainsi conserver davantage de contrôle sur ses données, ses règles d’utilisation et ses capacités d’analyse.

La cybersécurité étant également un domaine sensible, Mistral prévoit une période de tests supplémentaires avant la publication complète des poids du modèle.

Les poids de Large 4 seront publiés le 27 octobre

La preview accessible aujourd’hui n’est donc qu’une première étape.

Mistral prévoit de publier les poids de Large 4 le 27 octobre 2026, après environ trois semaines de tests supplémentaires avec des développeurs, des spécialistes de la sécurité et certaines institutions.

Cette publication doit permettre aux entreprises disposant de l’infrastructure nécessaire d’héberger elles-mêmes le modèle.

Il ne faudra cependant pas espérer faire tourner la version complète sur un PC gaming classique.

Même avec des versions compressées, Large 4 vise avant tout les serveurs équipés de plusieurs accélérateurs haut de gamme.

Combien coûte Mistral Large 4 ?

Mistral affiche désormais les premiers tarifs de son API.

Lors de notre dernière vérification, la documentation indiquait :

La page affiche également des montants plus élevés barrés, respectivement 1,36 $, 0,14 $ et 4,18 $, ce qui laisse penser que les prix actuellement proposés correspondent au lancement ou à la période de preview.

Comme toujours avec une API facturée aux tokens, la facture finale dépend fortement de la longueur des requêtes et surtout des réponses générées.

Comment tester Mistral Large 4 ?

Large 4 peut déjà être utilisé en preview via les services de Mistral.

Les développeurs peuvent notamment l’appeler via l’API sous le nom mistral-large-4 et l’utiliser dans Mistral Studio.

Le modèle prend en charge les sorties structurées, les appels de fonctions, les agents, les conversations ainsi que l’analyse de documents.

Mistral prévoit également d’en faire à terme l’un des modèles principaux de son environnement Vibe.

Un enjeu de souveraineté pour Mistral et l’Europe

Au-delà des performances brutes, Mistral insiste fortement sur la souveraineté technologique.

L’entreprise veut proposer une alternative européenne aux modèles américains fermés et aux modèles ouverts développés principalement en Chine.

L’objectif est notamment de permettre aux entreprises européennes d’utiliser un modèle avancé depuis une infrastructure européenne ou, lorsque les poids seront disponibles, sur leurs propres serveurs.

Cette indépendance reste néanmoins relative : les accélérateurs utilisés par Mistral sont toujours fournis par l’américain Nvidia.

Ce que Mistral Large 4 change pour les utilisateurs

Pour un utilisateur classique de chatbot, Large 4 ne bouleverse pas encore immédiatement l’expérience quotidienne.

Son intérêt est surtout important pour les développeurs et les entreprises qui souhaitent disposer d’un modèle puissant mais contrôlable et potentiellement auto-hébergeable.

Le véritable test arrivera donc le 27 octobre, lorsque les poids doivent être publiés et que les évaluations indépendantes pourront réellement commencer.

Si les performances annoncées se confirment, Mistral aura réussi à revenir au premier plan des modèles ouverts après plusieurs mois durant lesquels les laboratoires chinois avaient pris une avance importante.

FAQ sur Mistral Large 4

Quand Mistral Large 4 est-il sorti ?

Mistral Large 4 est disponible en preview depuis le 6 octobre 2026.

Combien de paramètres possède Mistral Large 4 ?

La documentation officielle indique environ 1 050 milliards de paramètres au total, dont 49 milliards actifs pendant l’inférence.

Large 4 est-il open source ?

Mistral le présente comme un modèle à poids ouverts. Les poids doivent être publiés le 27 octobre 2026. Les conditions précises de licence devront être vérifiées lors de leur publication.

Peut-on déjà tester Mistral Large 4 ?

Oui. La preview est disponible via l’API Mistral et Mistral Studio.

Large 4 est-il meilleur que GPT-6 Astra ?

Pas de manière générale. Mistral présente Large 4 devant GPT-6 Astra sur certains benchmarks visuels, mais cela ne signifie pas que le modèle français est globalement plus performant. Des évaluations indépendantes restent nécessaires.

Peut-on installer Mistral Large 4 sur son PC ?

La version complète vise des infrastructures équipées de plusieurs GPU de centre de données. Ce n’est donc pas un modèle destiné à être exécuté facilement sur un ordinateur personnel classique. Pour faire tourner une IA de Mistral sur votre machine, suivez plutôt notre guide pour installer Mistral AI en local.

Mistral Large 4 est-il meilleur que Claude ou GPT-6 ?

Non, pas selon les premiers tests indépendants. Artificial Analysis lui attribue 38 points, contre 58 pour Claude Opus 5.5 et 50 pour GPT-6.1 Sol. C’est en revanche un énorme progrès par rapport à Mistral Large 3 (9 points).

Sources

• Mistral AI — fiche officielle de Mistral Large 4
• BDM / Leptidigital — résultats Artificial Analysis de Mistral Large 4
• The Next Web — Mistral lance Large 4

À lire aussi sur TechPi

• IA en local : le guide complet pour faire tourner une IA sur son PC
• Gemini 4 Argon : le nouveau modèle de Google est disponible
• Les meilleurs modèles d’IA à installer en local en 2026

L’article Mistral Large 4 : la France revient dans la course avec une IA de 1 000 milliards de paramètres est apparu en premier sur TechPi.

Dernière mise à jour : 27 septembre 2026.

Vous préférez utiliser le terminal ? Consultez également notre guide pour installer et utiliser Ollama. Pour choisir votre matériel, retrouvez aussi notre dossier consacré au PC idéal pour faire tourner une IA en local.

Ce qu’il faut retenir

• Modèle conseillé : Ministral 3 14B Instruct.
• Logiciel : LM Studio.
• Systèmes : Windows, macOS et Linux.
• Taille du modèle : environ 9,5 Go pour la version proposée par LM Studio.
• RAM : 16 Go peuvent suffire, mais 24 à 32 Go offrent beaucoup plus de confort.
• GPU : facultatif, mais fortement recommandé pour accélérer la génération.
• Multimodal : oui, texte et images.
• Contexte maximal : 256K tokens.
• Licence : Apache 2.0.
• Fonctionnement hors ligne : oui, après téléchargement du modèle.

Pourquoi choisir Ministral 3 14B en 2026 ?

Ministral 3 14B fait partie de la famille Mistral 3 dévoilée par Mistral AI en décembre 2025.

La gamme Ministral 3 comprend trois tailles :

Chaque taille existe en plusieurs variantes, notamment Base, Instruct et Reasoning.

Pour un assistant conversationnel classique, nous conseillons Ministral 3 14B Instruct. La version Reasoning est davantage destinée aux mathématiques, au code et aux problèmes nécessitant un raisonnement plus approfondi.

Les modèles sont également multimodaux : ils peuvent analyser du texte mais aussi des images.

Et Mistral Small 4 ?

Mistral AI a lancé Mistral Small 4 en mars 2026. Il est plus récent et combine chat, raisonnement, code et compréhension d’images dans un même modèle.

Mais cela ne signifie pas qu’il constitue le meilleur choix pour ce tutoriel.

Mistral Small 4 utilise une architecture Mixture of Experts comportant 119 milliards de paramètres au total. Même si seuls environ 6,5 milliards sont actifs pour chaque token, l’ensemble des poids doit toujours être stocké et chargé.

LM Studio indique actuellement une empreinte mémoire minimale d’environ 65 Go pour sa version locale.

Ministral 3 14B reste donc beaucoup plus réaliste pour un ordinateur grand public équipé de 16, 24 ou 32 Go de mémoire.

Quelle configuration pour Ministral 3 14B ?

La quantité de mémoire nécessaire dépend de la quantification, de la taille du contexte et de la proportion du modèle chargée sur le GPU.

LM Studio indique environ 10 Go de mémoire système minimum pour son package Ministral 3 14B, mais cette valeur correspond surtout au chargement du modèle.

Le système d’exploitation, la fenêtre de contexte et les autres applications utilisent eux aussi de la mémoire. Sur une machine de 16 Go, il faudra donc éviter les contextes très longs et fermer les logiciels particulièrement gourmands.

Avec une configuration plus modeste, privilégiez Ministral 3 8B ou 3B.

Pour aller plus loin, consultez notre comparatif 16, 32 ou 64 Go de RAM pour une IA locale.

1. Télécharger LM Studio

Rendez-vous sur le site officiel de LM Studio puis téléchargez la version correspondant à votre ordinateur.

LM Studio prend actuellement en charge :

• les Mac Apple Silicon ;
• Windows x64 et ARM64 ;
• Linux x64 et ARM64.

Installez ensuite l’application normalement puis lancez-la.

LM Studio a beaucoup évolué en 2026 avec sa génération 0.4. L’interface peut donc être légèrement différente de celle visible sur certaines anciennes captures d’écran.

2. Télécharger Ministral 3 14B dans LM Studio

Depuis LM Studio, ouvrez l’onglet Discover.

Recherchez ensuite :

Ministral 3 14B

Vous pouvez notamment sélectionner le modèle basé sur Ministral-3-14B-Instruct-2512.

Pour un premier essai, choisissez de préférence une version GGUF quantifiée en Q4. Une quantification Q4 offre généralement un très bon compromis entre qualité, vitesse et consommation de mémoire.

Selon le dépôt sélectionné, vous pourrez notamment rencontrer des variantes comme :

• Q4_K_M : recommandée pour la majorité des utilisateurs ;
• Q5_K_M : légèrement plus précise mais plus lourde ;
• Q3 : plus légère, au prix d’une certaine perte de qualité.

La version Ministral 3 14B actuellement mise en avant par LM Studio représente environ 9,5 Go.

Cliquez ensuite sur Download et attendez la fin du téléchargement.

3. Charger Ministral 3 14B

Une fois le téléchargement terminé, ouvrez l’onglet Chat puis cliquez sur le sélecteur de modèle.

Choisissez Ministral 3 14B.

LM Studio permet d’ajuster plusieurs paramètres avant le chargement, notamment :

Ne réglez pas immédiatement le contexte sur 256K simplement parce que le modèle le permet.

Une fenêtre de contexte plus importante augmente fortement la consommation de mémoire. Pour une conversation classique, 8K ou 16K tokens sont largement suffisants.

LM Studio possède désormais un estimateur de mémoire qui tient compte du modèle, du contexte, de l’offloading GPU et du support des images. Consultez cette estimation avant de charger le modèle si votre machine possède peu de RAM ou de VRAM.

4. Discuter avec Mistral en local

Une fois le modèle chargé, vous pouvez utiliser LM Studio comme un chatbot classique.

Saisissez par exemple :

« Explique-moi simplement le fonctionnement d’un processeur quantique en français. »

La réponse est alors générée directement par votre ordinateur.

Vous pouvez également définir un message système pour donner des instructions permanentes au modèle, par exemple :

« Tu es un assistant francophone. Réponds de façon précise et concise et indique clairement lorsque tu n’es pas certain d’une information. »

5. Analyser une image avec Ministral 3

Ministral 3 14B prend en charge les images.

Avec une version compatible Vision chargée dans LM Studio :

1. ouvrez une conversation ;
2. ajoutez une image dans votre message ;
3. posez une question à son sujet.

Vous pouvez par exemple demander :

« Explique ce que montre cette capture d’écran »

ou :

« Lis ce graphique et résume les principales informations. »

LM Studio gère automatiquement les composants nécessaires lorsque vous utilisez l’un des modèles vision compatibles proposés dans son catalogue.

6. Comment améliorer les performances ?

Avec une carte graphique

Le plus important est d’envoyer autant de couches que possible vers le GPU sans dépasser la mémoire vidéo disponible.

LM Studio peut gérer automatiquement l’offloading, mais vous pouvez également l’ajuster manuellement.

Avec 8 Go de VRAM, un offloading partiel peut déjà accélérer fortement le modèle. Avec davantage de VRAM, une part beaucoup plus importante du calcul pourra être effectuée sur le GPU.

Avec uniquement le processeur

Ministral 3 14B peut également fonctionner sans carte graphique dédiée si votre ordinateur dispose de suffisamment de RAM.

La génération sera cependant généralement plus lente.

Dans ce cas :

• utilisez une quantification Q4 ;
• commencez avec un contexte de 8K ;
• fermez les applications consommant beaucoup de mémoire ;
• passez au modèle 8B si les performances restent insuffisantes.

Pour comprendre le rôle du matériel, consultez notre guide sur les différences entre CPU, GPU et NPU pour l’IA.

7. Peut-on vraiment utiliser Mistral sans Internet ?

Oui. Une fois LM Studio et les fichiers du modèle téléchargés, l’inférence peut être effectuée entièrement sur votre ordinateur.

Vous pouvez même couper la connexion Internet et continuer à discuter avec Ministral 3.

C’est l’un des principaux avantages d’un modèle local pour les documents sensibles ou les usages nécessitant davantage de confidentialité.

Cette confidentialité concerne toutefois le fonctionnement purement local. Si vous activez ensuite des outils en ligne, des serveurs MCP distants ou des services cloud, les données envoyées à ces services suivent leurs propres règles de confidentialité.

8. Utiliser Mistral comme API locale

LM Studio ne sert plus seulement d’interface de chat.

Il peut également transformer votre modèle en serveur local compatible avec plusieurs API utilisées par les applications d’IA.

Les développeurs peuvent notamment démarrer le serveur depuis LM Studio ou utiliser la commande :

lms server start

Le serveur utilise par défaut l’adresse locale :

http://localhost:1234

Il devient alors possible de connecter Ministral 3 à une application, un script ou certains outils compatibles avec les API de type OpenAI.

Avantages et limites de Mistral en local

Ministral 3 14B reste-t-il un bon choix en 2026 ?

Oui, surtout pour un utilisateur qui recherche un modèle Mistral suffisamment performant sans disposer d’une station de travail équipée de dizaines de gigaoctets de mémoire.

Mistral Small 4 est techniquement plus récent et plus ambitieux, mais son empreinte matérielle est beaucoup plus importante.

Ministral 3 14B conserve donc un positionnement particulièrement intéressant : environ 14 milliards de paramètres, compréhension des images, français, raisonnement, contexte de 256K et version quantifiée d’environ 9,5 Go disponible dans LM Studio.

Sur une machine de 24 ou 32 Go de mémoire, il constitue un excellent point de départ pour découvrir l’IA locale.

FAQ : installer Mistral AI en local

Mistral AI est-il gratuit en local ?

Ministral 3 est publié sous licence Apache 2.0. Vous pouvez télécharger ses poids et les exécuter localement sans payer de requêtes API. Votre matériel et votre consommation électrique restent évidemment à votre charge.

Combien de RAM faut-il pour Ministral 3 14B ?

LM Studio indique environ 10 Go de mémoire système minimum pour son modèle 14B. Dans la pratique, 16 Go constituent un minimum raisonnable et 24 à 32 Go offrent beaucoup plus de confort.

Faut-il obligatoirement un GPU ?

Non. Le modèle peut fonctionner sur le processeur et la RAM. Un GPU compatible permet cependant d’obtenir des réponses beaucoup plus rapidement.

Quelle version choisir : 3B, 8B ou 14B ?

Le 3B convient aux machines modestes, le 8B offre un excellent compromis et le 14B privilégie la qualité des réponses lorsque votre ordinateur dispose d’assez de mémoire.

Quelle quantification choisir ?

Pour commencer, Q4_K_M constitue généralement le meilleur compromis. Passez à Q5 si votre machine dispose de davantage de mémoire ou à une quantification plus légère si le modèle ne tient pas confortablement en RAM ou VRAM.

Faut-il utiliser les 256K tokens de contexte ?

Non. Les 256K représentent la capacité maximale du modèle, mais utiliser un contexte aussi important consomme énormément de mémoire. Commencez plutôt à 8K ou 16K.

LM Studio ou Ollama ?

LM Studio est plus simple pour débuter grâce à son interface graphique. Ollama est particulièrement pratique pour les utilisateurs qui préfèrent le terminal et pour certaines intégrations automatisées.

Sources

• Mistral AI — présentation officielle de Mistral 3
• Mistral AI — documentation de Ministral 3 14B
• LM Studio — Ministral 3 et configurations disponibles
• LM Studio — configuration système requise
• LM Studio — nouveautés de LM Studio 0.4
• Mistral AI — présentation de Mistral Small 4

Vous préférez utiliser Mistral en ligne, sans rien installer ? Suivez notre guide pour utiliser Mistral AI avec Vibe (ex-Le Chat).

👉 Vous débutez ? Retrouvez tous nos tutoriels et conseils dans notre guide complet de l’IA en local.

L’article Comment installer Mistral AI en local en 2026 avec LM Studio est apparu en premier sur TechPi.

Dernière mise à jour : 8 septembre 2026.

Cette carte se concentre sur les projets de très grande capacité liés à l’intelligence artificielle, au cloud et au calcul intensif dont la localisation est publiquement connue. Elle ne recense pas tous les centres de données existants en France ni tous les projets encore confidentiels.

Ce qu’il faut retenir

• La Direction générale des Entreprises indique désormais que 63 sites français ont été identifiés comme favorables à l’implantation de data centers. Le chiffre de 35 sites annoncé début 2025 n’est donc plus à jour.
• RTE estime qu’environ 300 data centers sont déjà présents en France, tandis que l’ADEME en recense 352 selon une méthodologie différente.
• L’ADEME estime leur consommation actuelle à environ 10 TWh par an, soit près de 2,2 % de la consommation électrique française.
• En mai 2026, RTE avait déjà réservé près de 18 GW de capacité pour environ 80 projets de data centers.
• Une dizaine de projets demandent désormais plus de 400 MW de puissance.
• SoftBank prévoit une première phase de 45 milliards d’euros et 3,1 GW dans les Hauts-de-France, avant un objectif national pouvant atteindre 75 milliards d’euros et 5 GW.
• Les trois premiers sites SoftBank sont Loon-Plage, Le Bosquel et Bouchain.
• Data4 prépare à Escaudain un campus de 700 MW représentant 5 milliards d’euros d’investissement.
• Le Campus AI de Fouju, porté par MGX, Bpifrance, Mistral et Nvidia, peut techniquement monter jusqu’à 1,4 GW et a déjà sécurisé 700 MW auprès de RTE.
• OpCore prépare près de Montereau une AI Factory de 400 MW.
• Digital Realty construit à Dugny trois data centers totalisant 176 MW de capacité IT.
• Google prépare à Ozans-Châteauroux un immense campus de 8 à 10 bâtiments, mais le projet est toujours au stade de la concertation et des procédures administratives.

Carte : où seront construits les principaux méga data centers IA en France ?

La carte montre une concentration particulièrement impressionnante dans les Hauts-de-France et en Île-de-France.

Ce phénomène s’explique par plusieurs facteurs : disponibilité de terrains de grande taille, proximité de lignes électriques haute tension, anciens sites industriels pouvant être reconvertis et excellente connectivité vers les grands hubs numériques européens.

Notre sélection n’est volontairement pas une carte de tous les data centers français. RTE estime qu’environ 300 centres sont déjà présents sur le territoire et l’ADEME en comptabilise 352. La plupart sont beaucoup plus petits que les gigantesques usines de calcul actuellement prévues pour l’IA.

Les principaux projets de data centers IA en France

Attention à la lecture des puissances : les opérateurs ne communiquent pas tous la même métrique. Certains parlent de puissance électrique disponible au raccordement, d’autres de capacité IT réellement utilisable par les serveurs. Les valeurs ne sont donc pas toujours directement comparables.

SoftBank va transformer les Hauts-de-France en gigantesque hub IA

L’annonce la plus spectaculaire de 2026 vient du japonais SoftBank.

Le groupe a officialisé une stratégie visant à développer jusqu’à 5 GW de capacité de data centers dédiés à l’intelligence artificielle en France.

L’investissement total pourrait atteindre 75 milliards d’euros.

La première phase est déjà beaucoup plus concrète : SoftBank prévoit d’investir 45 milliards d’euros afin de déployer 3,1 GW dans les Hauts-de-France d’ici 2031.

Trois implantations sont officiellement retenues :

• Loon-Plage, dans la zone portuaire de Dunkerque ;
• Le Bosquel, dans la Somme, au sud-ouest d’Amiens ;
• Bouchain, près de Valenciennes.

SoftBank décrit cette opération comme son plus important investissement dans les infrastructures d’IA en Europe.

Le Bosquel pourrait atteindre 1 GW

Le projet du Bosquel est particulièrement impressionnant.

Lors d’un déplacement à Amiens en juin 2026, Emmanuel Macron a évoqué un gigawatt de capacité de centre de données sur ce site.

Un gigawatt représente un ordre de grandeur comparable à la puissance électrique d’un gros réacteur de production. Cette comparaison doit cependant être comprise correctement : un data center de 1 GW ne constitue évidemment pas une centrale électrique et sa consommation réelle dépendra de son niveau de charge et de sa mise en service progressive.

SoftBank récupère l’ancienne centrale de Bouchain

À Bouchain, les informations sont encore plus précises.

EDF a sélectionné SoftBank comme attributaire pressenti pour la conception, la construction et l’exploitation d’un data center de 400 MW sur le site de son ancienne centrale thermique.

La reconversion des anciennes centrales électriques est devenue une stratégie importante pour les data centers.

Ces sites disposent souvent déjà :

• de terrains industriels importants ;
• d’un raccordement à des réseaux électriques de forte puissance ;
• d’infrastructures logistiques ;
• d’un foncier déjà artificialisé.

Loon-Plage complète le triangle SoftBank

Le troisième site est situé à Loon-Plage, près du port de Dunkerque.

SoftBank n’a pas communiqué une répartition individuelle complète de la puissance entre Loon-Plage, Le Bosquel et Bouchain. Il serait donc trompeur de calculer la capacité de Dunkerque simplement en soustrayant les deux autres projets des 3,1 GW annoncés.

Le groupe confirme uniquement que les trois sites forment ensemble la première phase du programme français.

Schneider Electric est parallèlement associé au projet industriel et doit développer à Dunkerque une capacité de fabrication de modules électriques destinés aux data centers.

Escaudain : Data4 investit 5 milliards dans un campus de 700 MW

Les projets de SoftBank ne sont pas les seuls à transformer le Nord de la France.

Data4 a confirmé le 12 juin 2026 un investissement de 5 milliards d’euros à Escaudain, près de Valenciennes.

Le futur campus doit être construit sur l’ancienne friche industrielle du Parc des Soufflantes.

Il occupera environ 33 hectares et comprendra quatre data centers de nouvelle génération.

La puissance maximale annoncée atteint 700 MW.

Data4 présente Escaudain comme le plus grand projet jamais porté par le groupe.

L’entreprise affirme également que le campus pourrait générer jusqu’à 2 400 emplois permanents à terme. Ce chiffre est une estimation communiquée par Data4 et doit être distingué du nombre de salariés nécessaires à la seule exploitation physique des salles informatiques : le groupe inclut dans sa projection un écosystème économique et technologique plus large.

Cambrai : le projet E-Valley reste lui aussi dans la course

Le développement d’Escaudain ne signifie pas la disparition du projet de Cambrai.

Brookfield, propriétaire majoritaire de Data4, développe également une grande infrastructure sur le site E-Valley, aménagé sur une ancienne base aérienne à proximité de Cambrai.

Business France avait annoncé une première capacité d’au moins 300 MW, avec une ambition pouvant atteindre 1 GW.

Brookfield a depuis indiqué que Cambrai et Escaudain constituent deux de ses grands campus français.

La stratégie globale du gestionnaire d’actifs au Canada atteint désormais plusieurs dizaines de milliards d’euros d’investissements dans les infrastructures d’IA françaises.

Fouju : Mistral et Nvidia au cœur de l’un des plus grands Campus AI européens

En Seine-et-Marne, le projet de Fouju est l’un des plus stratégiques pour l’écosystème français.

Campus AI réunit :

• MGX, investisseur émirati spécialisé dans l’IA ;
• Bpifrance ;
• Mistral AI ;
• Nvidia.

Le raccordement électrique prévoit un premier palier de 240 MW d’ici fin 2027, puis 700 MW avant fin 2029.

L’architecture électrique est conçue pour permettre une montée en puissance pouvant atteindre 1,4 GW.

En juillet 2026, la préfecture de Seine-et-Marne a franchi une nouvelle étape en autorisant le campus et plusieurs de ses data centers.

Le projet n’est donc plus simplement une annonce politique.

La construction doit progressivement transformer le site des Bordes à Fouju en l’une des plus grandes infrastructures de calcul dédiées à l’IA en Europe.

Mistral sécurise jusqu’à 200 MW

Mistral doit devenir le premier grand client du campus.

La société française a sécurisé une première capacité de 96 MW, avec la possibilité de monter jusqu’à 200 MW.

Ces ressources serviront notamment à l’entraînement des futurs modèles de Mistral et à l’exécution de services d’inférence.

Le choix est stratégique : alors que les grands laboratoires américains sécurisent des gigawatts de capacités de calcul à travers le monde, Mistral tente de construire une part croissante de son infrastructure en France.

Montereau : OpCore prépare une AI Factory de 400 MW

Autre projet majeur d’Île-de-France : la reconversion de l’ancienne centrale thermique de Montereau-Vallée-de-la-Seine.

EDF et OpCore, société détenue à parts égales par le groupe Iliad et InfraVia, préparent un investissement d’environ 4 milliards d’euros.

OpCore présente aujourd’hui sa « Montereau AI Factory » comme un campus qui doit atteindre environ 400 MW de capacité AI-ready d’ici fin 2028.

Une première mise en service est envisagée avant la montée en puissance complète.

La proximité d’une connexion RTE à 400 kV constitue l’un des principaux atouts du site.

Dugny : trois data centers déjà en construction au nord de Paris

À Dugny, en Seine-Saint-Denis, Digital Realty construit un véritable campus de trois centres de données.

Les installations portent les noms PAR15, PAR16 et PAR17.

Elles doivent totaliser :

• plus de 65 000 m² d’espace informatique ;
• 176 MW de capacité IT ;
• environ 110 emplois permanents selon Digital Realty ;
• 450 emplois indirects annoncés.

La construction a commencé en 2025 et la livraison du premier bâtiment, PAR15, est prévue en 2027.

Digital Realty indique explicitement que le campus doit accueillir des infrastructures destinées à l’IA et au cloud souverain.

Marcoussis et Nozay : Data4 possède déjà un immense pôle de calcul au sud de Paris

Tous les grands projets ne partent pas d’un terrain vide.

Data4 dispose depuis plusieurs années d’un important campus dans l’Essonne.

Le groupe développe désormais autour de Marcoussis et Nozay un ensemble pouvant atteindre 500 MW, avec deux campus principaux de 250 MW.

Le site PAR03 de Nozay a été pensé spécifiquement pour répondre à la hausse des charges de calcul liées à l’intelligence artificielle.

Data4 y déploie notamment des architectures capables de gérer des racks dépassant 100 kW ainsi que du refroidissement liquide direct.

DataOne transforme deux anciens sites HP en usines d’IA en Isère

L’Isère accueille deux projets qui avaient été mis en avant dans les premières cartes françaises des grands centres de calcul : Eybens et Villefontaine.

DataOne a acquis en 2024 deux anciens sites de DXC Technology, eux-mêmes issus de l’histoire de Hewlett-Packard.

La société souhaite les transformer en infrastructures destinées au calcul IA.

Le cas d’Eybens permet cependant de rappeler à quel point les annonces de puissance peuvent évoluer.

Les premières communications avaient évoqué des ambitions extrêmement élevées. DataOne a ensuite indiqué que les contraintes physiques du site limitaient davantage les possibilités.

À Eybens, une première capacité d’environ 15 MW fonctionne déjà. Un raccordement de 80 MW a été demandé et la possibilité de monter jusqu’à environ 200 MW a été évoquée, mais cette puissance maximale ne doit pas être présentée comme déjà sécurisée.

Cette nuance est importante pour lire l’ensemble des annonces françaises : une ambition de plusieurs centaines de mégawatts n’équivaut pas toujours à une capacité électrique déjà contractualisée.

Loire-sur-Rhône : une ancienne centrale à charbon transformée en data center de 350 MW

La reconversion des anciennes centrales thermiques se poursuit au sud de Lyon.

EDF a sélectionné Éclairion pour développer un data center sur son ancien site de Loire-sur-Rhône.

La capacité visée atteint 350 MW.

Le projet doit occuper environ 14 hectares d’une friche industrielle déjà dépolluée.

Éclairion doit encore mener les études nécessaires et obtenir les différentes autorisations avant le lancement définitif du projet.

Les premières capacités sont attendues au plus tard à l’horizon 2030.

La Moselle accueillera deux grandes AI Factories d’Éclairion

Éclairion développe également deux importants projets sur d’anciens sites EDF en Moselle.

La Maxe : 250 MW

Le site de La Maxe, près de Metz, doit atteindre une capacité totale de 250 MW.

Éclairion prévoit une première phase de 50 MW puis une montée jusqu’à la capacité complète à l’horizon 2029-2030.

Richemont : 150 MW

À quelques kilomètres, l’ancienne centrale thermique de Richemont doit accueillir une autre infrastructure de 150 MW.

La mise en service annoncée par Éclairion vise actuellement le deuxième trimestre 2029.

Les deux projets pourraient ainsi former un important cluster de calcul intensif dans le Grand Est.

Google prépare un immense data center près de Châteauroux

L’un des projets les plus intéressants à surveiller ne figurait pas encore dans les premières cartes publiées au début de la vague française.

Google prépare son propre centre de données sur la ZAC d’Ozans, à Étrechet, près de Châteauroux.

La Commission nationale du débat public indique que le projet s’étendrait sur environ 195 hectares et comprendrait :

• 8 à 10 bâtiments de data centers ;
• deux postes électriques ;
• des raccordements 225 kV ;
• puis des liaisons 400 kV de très haute tension.

La première phase est envisagée pour 2028-2029.

Une deuxième phase, à partir de 2031, permettrait la mise en service progressive de sept à neuf bâtiments supplémentaires.

Certaines estimations de presse évoquent une puissance totale comprise entre 880 MW et 1,1 GW. Cette valeur ne doit toutefois pas être présentée comme une capacité définitive officiellement validée par Google.

Au 8 septembre 2026, la CNDP classe toujours le projet dans une procédure de concertation préalable.

La France ne dispose pas de 35 sites pour les data centers, mais désormais de 63

Le chiffre de 35 sites revient régulièrement dans les articles consacrés aux data centers français.

Il correspond à la première liste présentée lors du Sommet pour l’action sur l’intelligence artificielle de février 2025.

Cette information est aujourd’hui dépassée.

La Direction générale des Entreprises indique désormais que 63 sites favorables à l’accueil de centres de données ont été identifiés en France métropolitaine.

Ils ont été sélectionnés en fonction notamment :

• du foncier disponible ;
• des capacités de raccordement électrique ;
• des infrastructures existantes ;
• des délais de raccordement ;
• de l’acceptabilité territoriale.

Une grande partie de leur localisation détaillée reste volontairement non publique.

Cinq zones bénéficient d’un « fast track » pour les très gros projets

L’État et RTE ont identifié plusieurs zones capables d’accueillir des consommations électriques gigantesques beaucoup plus rapidement.

Cinq sites particulièrement importants ont notamment été placés dans un dispositif accéléré avec un potentiel de raccordement supérieur à 700 MW :

• Escaudain ;
• Le Bosquel ;
• le Grand Port Maritime de Dunkerque ;
• Fouju ;
• Montereau.

RTE a depuis annoncé vouloir accélérer davantage encore ce type de raccordement.

Le gestionnaire prévoit notamment des zones « prêtes à raccorder » pouvant ajouter :

• 9 GW d’ici 2029 dans les grands pôles industrialo-portuaires de Dunkerque, du Havre et de Fos ;
• 5 GW supplémentaires dans plusieurs grandes zones industrielles.

18 GW de demandes de raccordement : le changement d’échelle est spectaculaire

Les statistiques de RTE permettent de mesurer la vitesse du phénomène.

Fin 2024, les projets de data centers demandant un raccordement au réseau représentaient environ 5 GW pour une quarantaine de projets.

En mai 2026, RTE avait déjà réservé près de 18 GW pour environ 80 projets.

Le total a donc plus que triplé en moins de deux ans.

La majorité des projets demande entre 100 et 200 MW.

Mais RTE observe désormais une dizaine de projets dépassant 400 MW, ce qui aurait été exceptionnel quelques années auparavant.

Pourquoi la France attire-t-elle autant de data centers ?

Les investisseurs ne choisissent pas la France uniquement grâce aux subventions ou aux annonces politiques.

Le pays possède plusieurs avantages structurels particulièrement recherchés pour l’IA.

Une électricité largement décarbonée

L’entraînement et l’utilisation des modèles d’intelligence artificielle nécessitent énormément d’électricité.

La France dispose d’un avantage majeur grâce à son parc nucléaire et hydraulique.

Cette production permet de proposer une électricité dont l’intensité carbone est généralement beaucoup plus faible que celle de nombreux autres grands marchés numériques.

Une capacité de production électrique importante

La France est redevenue un important exportateur d’électricité.

EDF et l’État mettent précisément cet excédent de production en avant pour convaincre les opérateurs de construire leurs infrastructures sur le territoire.

Cela ne signifie cependant pas qu’il existe 18 GW de puissance disponible instantanément partout en France.

Le véritable goulot d’étranglement est souvent le réseau électrique local et le délai nécessaire pour construire ou renforcer les lignes et postes nécessaires.

Des anciennes friches industrielles idéales

De nombreux projets actuels réutilisent :

• des centrales thermiques fermées ;
• d’anciens sites sidérurgiques ;
• des bases aériennes ;
• des friches industrielles ;
• d’anciens sites informatiques.

Bouchain, Loire-sur-Rhône, La Maxe, Richemont, Escaudain et Montereau suivent tous, à des degrés différents, cette logique.

L’avantage est double : limiter l’artificialisation de nouveaux terrains et profiter d’infrastructures électriques héritées de l’activité industrielle précédente.

Une bonne position entre les principaux hubs européens

Les Hauts-de-France bénéficient également d’une situation géographique intéressante entre Londres, Paris, Amsterdam et Francfort.

Ces grandes métropoles constituent quatre des principaux marchés européens du cloud et des échanges de données.

À l’autre extrémité du pays, Marseille profite de l’arrivée de nombreux câbles sous-marins internationaux et constitue déjà l’un des principaux hubs de connectivité d’Europe.

Attention : un investissement annoncé n’est pas forcément un data center construit

Les dizaines de milliards annoncés autour de l’intelligence artificielle peuvent donner l’impression que tous les bâtiments sortiront de terre simultanément.

La réalité est plus complexe.

Un grand projet traverse généralement plusieurs étapes :

• identification du terrain ;
• études de faisabilité ;
• réservation d’une capacité électrique ;
• accord avec RTE ;
• études environnementales ;
• concertation publique ;
• permis de construire ;
• autorisations environnementales ;
• construction ;
• installation des équipements informatiques ;
• mise en service progressive.

Des années peuvent séparer l’annonce initiale de la pleine exploitation d’un campus.

C’est pourquoi TechPi distingue dans cette carte les sites en construction, autorisés, confirmés et encore en concertation.

Combien y a-t-il réellement de data centers en France ?

Deux chiffres circulent actuellement.

RTE parle d’environ 300 data centers présents en France en 2026.

L’ADEME en recense de son côté 352.

Cette différence ne signifie pas nécessairement qu’une source est fausse.

Le nombre dépend de la définition retenue : centre de colocation commercial, installation privée d’entreprise, infrastructure informatique interne, taille minimale prise en compte ou encore date de mise à jour.

L’important est surtout l’évolution de leur puissance.

RTE indique que seuls huit data centers actuels sont directement raccordés à son réseau de haute et très haute tension, pour environ 800 MW cumulés.

Les projets en développement peuvent désormais demander à eux seuls plusieurs centaines de mégawatts, voire dépasser le gigawatt.

Les data centers consomment déjà environ 10 TWh d’électricité par an

L’ADEME estime la consommation des 352 centres de données recensés en France à environ 10 TWh d’électricité par an.

À titre de comparaison, la consommation électrique totale du pays atteignait environ 449 TWh en 2025.

Les data centers représenteraient donc environ 2,2 % de la consommation nationale.

L’ADEME compare cet ordre de grandeur à la consommation électrique annuelle de neuf à dix agglomérations de plus de 100 000 habitants.

Et ce chiffre pourrait augmenter très rapidement avec l’intelligence artificielle.

L’ADEME envisage une consommation multipliée par 3,7 d’ici 2035 dans son scénario tendanciel

En janvier 2026, l’ADEME a publié plusieurs scénarios consacrés aux besoins futurs des centres de données.

Dans son scénario tendanciel, la consommation d’électricité induite par les usages numériques français pourrait être multipliée par 3,7 d’ici 2035.

L’agence précise qu’une grande partie de cette consommation pourrait néanmoins continuer à avoir lieu à l’étranger si les services français reposent sur des infrastructures étrangères.

Ce point permet de comprendre le dilemme français.

Construire davantage de data centers en France augmente la consommation électrique nationale.

Mais héberger les mêmes calculs à l’étranger ne fait pas disparaître leur consommation : celle-ci est simplement déplacée vers un autre pays, parfois avec une électricité beaucoup plus carbonée.

Le véritable débat environnemental dépasse donc le simple nombre de data centers

La question n’est pas uniquement de savoir s’il faut construire ou non des centres de données.

Il faut aussi déterminer :

• où ils sont implantés ;
• quel type d’électricité ils utilisent ;
• leur efficacité énergétique ;
• leur consommation d’eau ;
• la possibilité de récupérer leur chaleur ;
• les sols utilisés ;
• les services numériques auxquels ils sont destinés.

L’ADEME recommande notamment de favoriser les implantations permettant de récupérer la chaleur fatale produite par les serveurs afin d’alimenter des réseaux de chaleur, des bâtiments ou d’autres usages proches.

Et la consommation d’eau ?

Elle dépend énormément de la technologie de refroidissement.

Certains data centers utilisent des systèmes évaporatifs qui peuvent consommer une quantité significative d’eau.

D’autres nouveaux projets privilégient des circuits fermés, le refroidissement liquide ou des architectures permettant d’éviter presque entièrement la consommation d’eau douce pour le refroidissement.

Campus AI affirme par exemple que son architecture de Fouju utilisera un refroidissement sans consommation d’eau douce.

La loi française prend désormais explicitement ce problème en compte.

La loi peut désormais bloquer un data center dans une zone en tension sur l’eau

La loi de simplification de la vie économique du 26 mai 2026 a créé un régime spécifique permettant à certains grands centres de données d’obtenir le statut de projet d’intérêt national majeur.

Ce statut peut accélérer certaines procédures administratives et d’urbanisme.

Mais le texte contient également un garde-fou important :

l’administration peut refuser le permis de construire d’un centre de données lorsque le territoire connaît des tensions structurelles sur la ressource en eau.

Le gouvernement cherche donc simultanément à accélérer les projets jugés stratégiques et à tenir compte de leur impact local.

Les data centers créent-ils vraiment beaucoup d’emplois ?

C’est l’un des débats les plus sensibles.

La construction d’un campus de plusieurs centaines de mégawatts mobilise énormément de salariés dans le bâtiment, l’électricité, l’ingénierie et les infrastructures.

Une fois le chantier terminé, l’exploitation d’un data center extrêmement automatisé nécessite généralement beaucoup moins de personnel.

Les opérateurs communiquent donc souvent des chiffres intégrant :

• les emplois directs du site ;
• les sous-traitants ;
• la maintenance ;
• les fournisseurs ;
• les entreprises technologiques susceptibles de s’installer autour du campus ;
• les centres de formation ou de recherche associés.

Digital Realty annonce par exemple environ 110 emplois permanents pour son campus de Dugny, tandis que Data4 évoque jusqu’à 2 400 emplois permanents autour du projet d’Escaudain et de son écosystème.

Ces chiffres ne recouvrent donc pas exactement la même chose et ne doivent pas être comparés directement.

Pourquoi l’intelligence artificielle nécessite-t-elle des data centers beaucoup plus gros ?

L’IA générative change profondément la conception des centres de données.

Un modèle moderne peut nécessiter des dizaines de milliers de GPU fonctionnant simultanément.

Ces puces consomment beaucoup d’électricité et produisent énormément de chaleur.

Les nouveaux data centers doivent donc supporter :

• des racks dépassant parfois 100 kW ;
• des systèmes de refroidissement liquide ;
• des réseaux extrêmement rapides entre GPU ;
• des centaines de mégawatts d’alimentation électrique ;
• des installations fonctionnant 24 heures sur 24.

C’est ce changement technique qui explique en grande partie le passage de data centers de quelques dizaines de mégawatts à des campus dont la puissance se mesure désormais en centaines de mégawatts ou en gigawatts.

La France peut-elle réellement fournir toute cette électricité ?

À court terme, RTE considère que le développement des data centers reste compatible avec le système électrique français.

Mais cela ne signifie pas que toutes les demandes actuelles de 18 GW seront nécessairement réalisées.

Un grand nombre de projets peuvent :

• être retardés ;
• être réduits ;
• changer d’emplacement ;
• ne jamais obtenir leur financement ;
• être abandonnés.

RTE modifie d’ailleurs progressivement la gestion de sa file d’attente afin de privilégier les projets les plus matures.

Le principe doit évoluer vers une logique de « premier prêt, premier servi » plutôt qu’un simple ordre chronologique.

Les Hauts-de-France deviennent la région clé de l’IA française

Lorsque l’on place les projets sur une carte, une région se détache immédiatement.

Les Hauts-de-France concentrent une quantité exceptionnelle de projets.

On y retrouve notamment :

• Loon-Plage ;
• Bouchain ;
• Le Bosquel ;
• Escaudain ;
• Cambrai / E-Valley.

La puissance cumulée potentielle de ces infrastructures se compte en plusieurs gigawatts.

Cette concentration pourrait transformer une partie de l’ancien bassin industriel du Nord en l’un des plus grands pôles européens de calcul pour l’intelligence artificielle.

Quels sont les prochains projets à surveiller ?

La carte française pourrait évoluer rapidement dans les prochains mois.

Plusieurs éléments doivent être surveillés :

• les futurs sites supplémentaires de SoftBank destinés à passer de 3,1 GW à 5 GW ;
• le second grand site de Campus AI après Fouju ;
• l’évolution du projet Google à Châteauroux ;
• la construction effective d’E-Valley à Cambrai ;
• la montée en puissance de DataOne à Eybens et Villefontaine ;
• les autorisations du projet Éclairion à Loire-sur-Rhône ;
• les nouveaux sites EDF proposés sur d’anciennes emprises industrielles ;
• les quatre projets de Prologis en région parisienne, représentant 584 MW annoncés en 2025 ;
• les nouvelles implantations à Marseille et dans le sud de la France.

Cette page sera mise à jour au fur et à mesure des permis, raccordements RTE, débuts de chantier et mises en service.

FAQ sur les data centers en France

Combien y a-t-il de data centers en France ?

RTE estime qu’environ 300 data centers sont déjà présents en France en 2026. L’ADEME en recense 352 avec une méthodologie différente.

Quel est le plus gros projet de data center en France ?

En matière de programme d’investissement annoncé, SoftBank est actuellement le projet le plus massif, avec jusqu’à 75 milliards d’euros et 5 GW de capacité envisagée sur plusieurs sites français.

Où seront les trois premiers data centers SoftBank ?

Ils seront implantés à Loon-Plage près de Dunkerque, au Bosquel dans la Somme et à Bouchain dans le Nord.

Quelle puissance représentera le programme SoftBank ?

La première phase doit atteindre 3,1 GW dans les Hauts-de-France. SoftBank vise ensuite jusqu’à 5 GW en France.

Mistral AI aura-t-il son propre data center ?

Mistral est actionnaire de Campus AI avec MGX, Bpifrance et Nvidia. La société a sécurisé jusqu’à 200 MW de capacité de calcul à Fouju et bénéficiera d’un accès privilégié aux capacités du réseau Campus AI.

Google construit-il un data center en France ?

Google prépare un projet de très grande taille sur la ZAC d’Ozans, à Étrechet près de Châteauroux. Il pourrait comprendre 8 à 10 bâtiments. Le projet est toutefois encore en phase de concertation préalable au 8 septembre 2026.

Combien consomment les data centers français ?

L’ADEME estime actuellement leur consommation à environ 10 TWh par an, soit approximativement 2,2 % de la consommation électrique française.

Pourquoi construit-on autant de data centers pour l’IA ?

Les modèles d’intelligence artificielle nécessitent de gigantesques grappes de GPU pour leur entraînement et leur utilisation. Ces machines ont besoin de beaucoup d’électricité, de refroidissement et de connectivité, ce qui pousse les opérateurs à construire des infrastructures beaucoup plus grandes.

Un data center de 1 GW consomme-t-il autant qu’une centrale nucléaire ?

Un gigawatt correspond à une puissance électrique et permet de comparer des ordres de grandeur. Mais une centrale produit de l’électricité tandis qu’un data center en consomme. La consommation réelle dépend également du taux de charge du site. La comparaison doit donc rester indicative.

Pourquoi autant de data centers sont-ils prévus dans le Nord ?

Les Hauts-de-France réunissent plusieurs avantages : grandes friches industrielles, raccordements électriques importants, proximité de Dunkerque et des réseaux européens, ainsi qu’une position géographique entre Paris, Londres, Amsterdam et Francfort.

La France dispose-t-elle vraiment de 35 sites prêts pour les data centers ?

Ce chiffre correspond à l’annonce initiale de février 2025. La Direction générale des Entreprises indique désormais que 63 sites favorables ont été identifiés sur le territoire métropolitain.

Peut-on savoir si un data center est prévu près de chez soi ?

Les grands projets nécessitant des procédures environnementales ou une concertation deviennent généralement publics. En revanche, la localisation de tous les sites identifiés par l’État n’est pas publiée. Les préfectures, la CNDP, RTE et les communes concernées constituent les sources les plus fiables pour suivre un projet local.

La France est-elle en train de devenir la capitale européenne des data centers IA ?

Il est encore trop tôt pour l’affirmer.

Paris, Londres, Francfort, Amsterdam et Dublin disposent déjà d’écosystèmes de data centers beaucoup plus anciens.

Mais la nouvelle génération d’infrastructures IA change le rapport de force.

Le critère principal n’est plus seulement d’être proche d’une grande capitale ou d’un nœud Internet. Il faut pouvoir mobiliser des centaines de mégawatts d’électricité rapidement.

Et sur ce terrain, la France dispose d’un avantage inhabituel en Europe : un parc électrique largement nucléaire et bas carbone, un important réseau très haute tension et de nombreuses anciennes emprises industrielles susceptibles d’être reconverties.

Les chiffres montrent cependant l’ampleur du pari.

Avec près de 18 GW de demandes de raccordement déjà enregistrées par RTE, le pays doit désormais décider quels projets méritent réellement plusieurs centaines de mégawatts, comment les raccorder et comment répartir les bénéfices et les contraintes avec les territoires concernés.

La course française aux data centers ne fait donc que commencer. Le vrai sujet des prochaines années ne sera probablement plus de savoir si de nouveaux centres de calcul vont être construits, mais lesquels seront réellement raccordés, à quelle vitesse et pour quels usages de l’intelligence artificielle.

Sources

• SoftBank — programme français de 5 GW et première phase de 3,1 GW
• Élysée — investissements SoftBank, sites confirmés et calendrier
• EDF — data center SoftBank de 400 MW à Bouchain
• Data4 — campus de 700 MW et 5 milliards d’euros à Escaudain
• Bpifrance — expansion nationale de Campus AI jusqu’à 3 GW
• Bpifrance — Mistral sécurise jusqu’à 200 MW à Fouju
• Préfecture de Seine-et-Marne — autorisations du Campus AI de Fouju
• EDF — projet OpCore à Montereau-Vallée-de-la-Seine
• Digital Realty — Dugny Digital Hub et ses 176 MW
• Data4 — capacités des campus Paris-Saclay
• Éclairion — capacités de La Maxe, Richemont et Bruyères-le-Châtel
• CNDP — projet Google Ozans-Châteauroux
• RTE — nombre de data centers, consommation et demandes de raccordement
• Direction générale des Entreprises — 63 sites identifiés en France
• ADEME — consommation électrique et scénarios d’évolution des data centers
• Légifrance — statut de projet d’intérêt national majeur pour les data centers

L’article Carte des data centers en France : où seront construits les méga centres dédiés à l’IA ? est apparu en premier sur TechPi.

Dernière mise à jour : 8 septembre 2026.

Ce qu’il faut retenir

• Mistral AI a annoncé le 8 septembre 2026 une Série D de 3 milliards d’euros.
• La société est désormais valorisée à plus de 21 milliards d’euros, contre 11,7 milliards après son tour de table de septembre 2025.
• Il s’agit, selon Mistral, de la plus importante levée de fonds en capital jamais réalisée par une entreprise technologique européenne.
• Samsung Electronics mène le tour, avec le fonds Scaleup Europe géré par EQT et PSG Equity comme coleaders.
• Mistral veut financer simultanément ses modèles de pointe, sa capacité de calcul, ses infrastructures et son expansion internationale.
• Le groupe revendique une présence dans 20 pays et plus de 125 grands clients, parmi lesquels Airbus, ASML et HSBC.
• Son revenu annuel récurrent devrait atteindre environ 1 milliard d’ici la fin de 2026 selon son directeur financier.
• OpenAI reste valorisé autour de 852 milliards de dollars, Anthropic autour de 965 milliards : l’écart financier reste colossal.
• Mistral ne cherche donc plus seulement à fabriquer un « ChatGPT européen ». Sa stratégie repose désormais sur une pile IA complète et souveraine, du modèle jusqu’au data center.

Mistral AI lève 3 milliards d’euros et double presque sa valorisation

Trois ans seulement après sa création, Mistral AI change une nouvelle fois de dimension.

La société française a annoncé le 8 septembre 2026 avoir bouclé une Série D de 3 milliards d’euros, pour une valorisation post-money supérieure à 21 milliards d’euros, soit environ 24 milliards de dollars.

Un an auparavant, Mistral avait levé 1,7 milliard d’euros pour une valorisation de 11,7 milliards. La valeur attribuée à l’entreprise a donc progressé d’environ 80 % en douze mois.

Le nouveau tour est mené par Samsung Electronics. Le fonds Scaleup Europe, soutenu par l’Union européenne et géré par EQT, ainsi que PSG Equity participent également en tant que coleaders.

Plusieurs poids lourds rejoignent le capital, notamment BlackRock, Advent et le Grand-Duché de Luxembourg.

Les investisseurs historiques restent eux aussi présents : Nvidia, ASML, Bpifrance, Andreessen Horowitz, Salesforce Ventures, General Catalyst, Lightspeed, BNP Paribas CIB ou encore Index Ventures participent à l’opération.

Des investisseurs industriels de plus en plus importants

La composition du tour est presque aussi intéressante que son montant.

En 2025, c’était ASML, le géant néerlandais indispensable à la fabrication des semi-conducteurs les plus avancés, qui avait mené la précédente opération en investissant 1,3 milliard d’euros et en devenant alors le premier actionnaire de Mistral avec environ 11 % du capital.

Cette fois, c’est Samsung qui prend la tête.

Mistral se rapproche donc de groupes qui se trouvent directement au cœur de l’industrie mondiale des semi-conducteurs, de la mémoire et de l’électronique, et pas uniquement de fonds de capital-risque.

Ce choix correspond assez bien à la nouvelle ambition de l’entreprise : ne plus être simplement un laboratoire créant des modèles, mais contrôler davantage l’ensemble de la chaîne nécessaire pour les entraîner et les exploiter.

Mistral reste pourtant minuscule face à OpenAI et Anthropic

Le chiffre de 3 milliards d’euros est spectaculaire à l’échelle européenne.

Il devient beaucoup moins impressionnant lorsque l’on traverse l’Atlantique.

OpenAI a annoncé en mars 2026 avoir sécurisé 122 milliards de dollars de capitaux engagés à une valorisation post-money de 852 milliards de dollars.

Deux mois plus tard, Anthropic a levé 65 milliards de dollars à une valorisation de 965 milliards, devenant alors plus valorisé qu’OpenAI.

En valeur d’entreprise, Anthropic pèse donc aujourd’hui environ 40 fois Mistral, et OpenAI environ 35 fois.

La conclusion est assez claire : Mistral n’a pas les moyens financiers de gagner une guerre d’usure en reproduisant exactement le modèle américain.

Et c’est précisément ce qui explique l’évolution de sa stratégie.

Mistral ne veut plus simplement être « l’OpenAI européen »

À ses débuts en 2023, le message était facile à comprendre.

Mistral devait permettre à l’Europe de disposer de ses propres grands modèles de langage et d’éviter une dépendance totale aux technologies développées aux États-Unis ou en Chine.

L’entreprise s’est rapidement distinguée grâce à des modèles compacts et souvent proposés en poids ouverts, permettant à des développeurs et entreprises de les télécharger, les modifier et les exploiter sur leurs propres infrastructures.

Trois ans plus tard, l’ambition s’est élargie.

Mistral explique désormais construire une pile technologique complète comprenant :

• les modèles ;
• la capacité de calcul ;
• les infrastructures cloud ;
• les outils permettant de déployer les modèles ;
• les produits destinés aux utilisateurs ;
• l’accompagnement des grandes entreprises.

La startup affirme vouloir contrôler suffisamment de briques pour proposer ce qu’elle appelle une « sovereign AI layer », une couche d’IA souveraine.

Stratégie n°1 : rester dans la course aux modèles de pointe

C’est le premier point que Mistral souhaite clarifier avec cette levée.

Depuis plusieurs mois, certains observateurs estiment que le Français a cessé de vouloir rivaliser au sommet des classements généralistes, face à OpenAI, Anthropic mais également aux laboratoires chinois.

Mistral conteste cette interprétation.

Dans son annonce du 8 septembre, l’entreprise explique explicitement que les nouveaux capitaux permettront d’augmenter considérablement les investissements dans la recherche « frontier », c’est-à-dire dans les modèles se rapprochant de l’état de l’art.

Le directeur financier Johan Bergqvist a également indiqué que les fonds doivent permettre de renforcer les modèles et la recherche avancée.

La nuance est importante.

Mistral ne dit donc pas : « nous abandonnons les grands modèles ».

Sa stratégie ressemble plutôt à : financer la recherche sur les modèles grâce à une activité beaucoup plus large autour de l’infrastructure et des entreprises.

Mais Mistral a perdu du terrain dans la bataille des benchmarks

La difficulté est que cette réaffirmation intervient après une période durant laquelle le laboratoire européen est devenu moins visible au sommet des classements généralistes.

Plusieurs observateurs ont souligné que les modèles Mistral se retrouvent désormais derrière de nombreuses références américaines et chinoises sur certains benchmarks globaux.

Sur Hugging Face, l’écosystème Mistral reste important, mais le rapport de force s’est également déplacé au profit de familles comme Qwen.

Cela ne signifie pas que les modèles de Mistral sont devenus inutiles.

Cela signifie surtout que la société ne peut plus compter uniquement sur un classement généraliste pour justifier sa place face à OpenAI ou Anthropic.

Elle cherche donc d’autres terrains sur lesquels elle peut se différencier.

Stratégie n°2 : devenir propriétaire d’une partie de son calcul

L’un de ces terrains est l’infrastructure.

En août, Mistral a annoncé vouloir réunir entreprises et institutions autour d’une capacité de calcul européenne pouvant atteindre 1 GW d’ici 2030.

Un gigawatt correspond à une infrastructure électrique d’une ampleur considérable.

L’objectif est double.

La première partie de cette capacité doit servir à entraîner les futurs modèles de Mistral.

La seconde peut être vendue sous forme de capacité de calcul et d’inférence à des entreprises.

Arthur Mensch a indiqué que Mistral comptait progressivement augmenter la quantité de calcul qu’il contrôle directement et entraîner des modèles plus grands et plus rapides.

La société investit déjà plusieurs milliards d’euros dans des infrastructures européennes.

Pourquoi construire des data centers quand on est un laboratoire d’IA ?

Parce que le calcul est devenu l’un des principaux facteurs limitants de l’intelligence artificielle moderne.

Les grands laboratoires américains dépensent des dizaines de milliards afin de réserver des GPU, construire des data centers, signer des contrats électriques et développer leurs propres puces.

OpenAI considère lui-même l’accès durable au calcul comme un avantage stratégique qui améliore la recherche, les produits et le coût d’exploitation des modèles.

Anthropic suit désormais une logique comparable, avec des engagements d’infrastructure représentant plusieurs dizaines de milliards de dollars.

Mistral joue donc au même jeu, mais à une échelle européenne et avec un discours différent : le calcul doit également devenir un instrument de souveraineté.

Microsoft va même utiliser l’infrastructure de Mistral

La stratégie prend une dimension assez inattendue avec Microsoft.

En juillet 2026, les deux entreprises ont annoncé un élargissement majeur de leur partenariat.

Microsoft s’est engagé sur plusieurs milliards de dollars afin d’utiliser une partie de l’infrastructure GPU que Mistral développe en Europe. Les modèles Mistral sont parallèlement intégrés à Microsoft Foundry et Copilot Studio.

Autrement dit, Mistral ne veut plus uniquement acheter du cloud à Microsoft.

Il veut également devenir suffisamment important dans l’infrastructure pour que Microsoft devienne lui-même client d’une partie de sa capacité.

C’est un changement de positionnement considérable.

Microsoft n’a toutefois pas participé à la nouvelle levée de fonds de septembre, selon le directeur financier de Mistral.

Stratégie n°3 : miser sur l’open weight plutôt que sur l’écosystème fermé

C’est probablement la différence philosophique la plus claire avec OpenAI et Anthropic.

Mistral mise depuis ses débuts sur les modèles à poids ouverts.

Une entreprise peut récupérer certains modèles, les personnaliser puis les faire tourner sur son infrastructure sans devoir systématiquement envoyer ses données vers les serveurs du fournisseur.

Mistral résume aujourd’hui sa proposition autour de quatre dimensions :

• garder les données à l’intérieur de l’organisation ;
• contrôler et personnaliser les modèles ;
• disposer d’une capacité de calcul privée et prévisible ;
• conserver des systèmes en production contrôlables et auditables.

Cette stratégie vise particulièrement les banques, administrations, industriels, acteurs de la défense et secteurs réglementés.

Pour ces organisations, le modèle ayant obtenu le meilleur score à un benchmark n’est pas nécessairement le seul critère.

Le lieu où sont stockées les données, la possibilité de fonctionner sans connexion Internet, la personnalisation et la garantie de conserver l’accès au modèle peuvent être tout aussi importantes.

OpenAI et Anthropic vendent la performance, Mistral veut vendre le contrôle

Cette présentation reste nécessairement simplifiée : OpenAI et Anthropic proposent eux aussi différentes options pour les entreprises et renforcent leurs infrastructures.

Mais Mistral tente de transformer sa petite taille relative en avantage : plus de flexibilité, moins de verrouillage technologique et davantage de contrôle pour le client.

Stratégie n°4 : héberger aussi les modèles des autres

C’est probablement le choix le plus controversé.

Mistral a annoncé en août qu’il ne proposerait pas uniquement ses propres modèles dans sa future infrastructure souveraine.

Le groupe souhaite également permettre à ses clients d’exécuter des modèles ouverts développés par d’autres laboratoires.

Cela inclut potentiellement des modèles chinois.

Certains observateurs y ont vu un abandon de la mission initiale : comment parler de souveraineté européenne si une infrastructure française fait tourner un modèle conçu en Chine ?

La logique de Mistral est différente.

La société estime que la souveraineté ne signifie pas nécessairement que chaque modèle doit être français. Elle consiste aussi à permettre au client de choisir son modèle, de contrôler l’endroit où il fonctionne et de pouvoir en changer.

En résumé, Mistral semble vouloir devenir à la fois fabricant de modèles et plateforme ouverte pour les modèles concurrents.

Le risque : devenir un hébergeur plutôt qu’un leader de l’IA

Cette approche présente toutefois un danger évident.

Si les entreprises choisissent majoritairement des modèles américains ou chinois hébergés sur l’infrastructure de Mistral, la société pourrait progressivement gagner davantage d’argent avec le calcul et les services qu’avec ses propres technologies fondamentales.

C’est précisément l’une des critiques formulées ces derniers mois.

Certains observateurs parlent d’un « pivot » vers l’infrastructure, voire d’un renoncement à la compétition sur les modèles de frontière.

Mistral rejette cette lecture.

Son raisonnement est presque inverse : les revenus générés par l’infrastructure doivent financer les énormes dépenses nécessaires pour continuer à développer des modèles avancés.

Le succès de la stratégie dépendra donc de sa capacité à réussir simultanément ces deux métiers.

Stratégie n°5 : devenir indispensable aux grandes entreprises

Mistral ne veut pas non plus construire son avenir uniquement autour du grand public.

La société revendique désormais plus de 125 grands clients internationaux et une présence dans 20 pays. Elle cite notamment Airbus, ASML et HSBC.

Parmi les autres groupes ayant travaillé avec Mistral figurent également BNP Paribas, CMA CGM, Orange et Microsoft.

L’entreprise a développé une équipe de forward deployed engineers, des ingénieurs envoyés au plus près des clients pour intégrer et adapter l’IA à leurs besoins.

Cette stratégie rappelle celle popularisée par Palantir : plutôt que de fournir simplement une API et d’attendre que le client se débrouille, des ingénieurs participent directement à la résolution de problèmes métiers complexes.

« Capgemini avec des GPU » ? La critique n’est pas totalement absurde

Cette évolution vers le service a également suscité des critiques.

Une entreprise qui détache des ingénieurs chez ses grands clients commence en effet à ressembler, sur certains aspects, à une société de conseil ou d’intégration.

Le risque serait de transformer une entreprise capable de créer de la propriété intellectuelle extrêmement scalable en une activité nécessitant toujours davantage d’ingénieurs pour chaque nouveau contrat.

Mistral considère toutefois que cet accompagnement lui permet de comprendre les véritables besoins des entreprises et de transformer plus rapidement ses travaux de recherche en produits utilisables.

Les deux visions peuvent coexister.

L’enjeu financier sera de vérifier si les revenus augmentent beaucoup plus rapidement que les effectifs nécessaires pour servir les clients.

Mistral vise désormais 1 milliard de revenus récurrents

Le groupe commence justement à disposer d’une taille commerciale suffisamment importante pour que cette question devienne centrale.

Le directeur financier Johan Bergqvist indique que Mistral est en bonne voie pour atteindre 1 milliard de revenus annuels récurrents d’ici la fin de 2026.

Il faut toutefois être précis sur cette métrique.

Un ARR — annual recurring revenue — est une annualisation du niveau de revenus récurrents et ne correspond pas nécessairement au chiffre d’affaires comptable effectivement réalisé sur toute l’année.

Dans l’industrie de l’IA, où la facturation à l’usage et les grands contrats d’infrastructure compliquent les comparaisons, cette nuance est particulièrement importante.

Il n’en reste pas moins que la progression serait spectaculaire : Mistral n’existe que depuis 2023.

Stratégie n°6 : se spécialiser là où Mistral peut encore être meilleur

La société ne prétend pas nécessairement disposer du meilleur modèle généraliste sur tous les critères.

Elle met davantage en avant certains domaines spécialisés :

• modèles compacts et embarqués ;
• traitement de la voix ;
• reconnaissance et compréhension de documents ;
• programmation ;
• systèmes industriels ;
• IA destinée aux secteurs réglementés ;
• déploiements isolés ou privés.

Cette spécialisation est stratégique.

Il est probablement irréaliste pour une entreprise valorisée 24 milliards de dollars de battre simultanément des concurrents valorisés près de mille milliards dans chaque catégorie.

En revanche, Mistral peut tenter de devenir incontournable dans des domaines où l’efficacité, la personnalisation ou le déploiement local comptent davantage que la puissance brute.

Les petits modèles pourraient devenir une arme majeure

C’est particulièrement vrai pour les modèles embarqués.

Un modèle capable de fonctionner directement sur une machine industrielle, un véhicule, un smartphone, un robot ou un drone répond à des contraintes très différentes d’un énorme modèle exploité dans un data center.

Il doit consommer moins d’énergie, utiliser moins de mémoire et parfois fonctionner entièrement hors ligne.

Mistral s’est historiquement distingué par son travail sur des modèles relativement compacts et efficaces.

Cette expertise peut devenir une force alors que l’industrie cherche justement à déplacer davantage de fonctions IA du cloud vers les appareils.

La vraie différence avec OpenAI : Mistral ne possède pas ChatGPT

C’est aussi l’une des plus grandes faiblesses du Français.

OpenAI dispose avec ChatGPT d’un produit grand public bénéficiant d’une distribution mondiale gigantesque.

Le groupe peut transformer cette audience en utilisateurs professionnels, en abonnés et en clients de ses API.

Mistral possède bien Le Chat, mais son poids n’est pas comparable.

La société doit donc trouver sa distribution ailleurs : partenaires cloud, industriels, gouvernements et grandes entreprises.

Anthropic constitue probablement le rival le plus intéressant à comparer

OpenAI reste le concurrent le plus connu du public, mais Anthropic constitue peut-être le meilleur point de comparaison pour comprendre le défi de Mistral.

Claude s’est fortement imposé dans :

• les entreprises ;
• le développement logiciel ;
• les agents ;
• les tâches intellectuelles complexes.

Anthropic annonçait en mai un rythme de revenus supérieur à 47 milliards de dollars annualisés au moment de sa Série H.

L’écart commercial avec Mistral est donc gigantesque.

Anthropic a également levé à lui seul 65 milliards de dollars en mai, soit plusieurs fois l’ensemble des capitaux réunis par Mistral depuis sa création.

Mistral doit donc éviter une confrontation reposant uniquement sur la puissance financière.

La souveraineté européenne est-elle un vrai avantage commercial ?

C’est probablement la question la plus importante.

Pendant longtemps, « l’IA souveraine » pouvait donner l’impression d’être principalement un argument politique européen.

Les évolutions géopolitiques commencent toutefois à lui donner une valeur beaucoup plus concrète.

Les entreprises et administrations doivent se demander ce qu’il se passe lorsqu’un modèle étranger change ses conditions tarifaires, supprime une fonctionnalité, n’est plus proposé dans une région ou devient soumis à des restrictions d’exportation.

Le directeur financier de Mistral explique ainsi que l’Europe doit conserver ses propres fournisseurs afin de ne pas compromettre l’accès à une technologie devenue stratégique.

Dans ce contexte, disposer de modèles, d’infrastructures et de capacités de calcul situés en Europe devient un argument qui dépasse la simple communication patriotique.

Mistral peut-il vraiment battre OpenAI et Anthropic ?

Probablement pas en jouant exactement au même jeu.

C’est précisément ce que montre cette levée de fonds.

Avec 3 milliards d’euros supplémentaires, Mistral dispose d’une puissance de feu considérable selon les standards européens.

Mais la comparaison avec les États-Unis reste brutale :

• Mistral : valorisation supérieure à 21 milliards d’euros ;
• OpenAI : 852 milliards de dollars ;
• Anthropic : 965 milliards de dollars.

Même une levée européenne record ne comble donc qu’une petite partie de l’écart.

Mistral doit gagner autrement.

Sa stratégie consiste à devenir la meilleure solution lorsqu’un client veut à la fois de bonnes performances, de la personnalisation, des modèles ouverts, du déploiement privé et une infrastructure qu’il peut contrôler.

Si cette demande devient aussi importante que le pense Arthur Mensch, Mistral n’a pas besoin d’être le numéro un mondial du chatbot grand public pour devenir une entreprise majeure.

Le pari de Mistral : contrôler toute la chaîne

La stratégie qui émerge en 2026 peut finalement être représentée comme une chaîne complète :

Recherche → modèles → calcul → infrastructure → produits → intégration chez les entreprises.

Mistral veut être présent à chaque étape.

Cette intégration verticale est extrêmement coûteuse, mais elle peut créer un cercle vertueux :

• les centres de données vendent de la capacité ;
• les contrats d’entreprise génèrent des revenus ;
• ces revenus financent davantage de calcul ;
• le calcul permet d’entraîner de meilleurs modèles ;
• les meilleurs modèles rendent l’offre d’infrastructure et les produits plus attractifs.

C’est, à une échelle plus réduite, la logique que les géants américains cherchent eux aussi à construire.

Pourquoi la levée de 3 milliards est décisive

Cette levée ne garantit donc absolument pas que Mistral deviendra l’OpenAI européen.

Elle révèle plutôt que l’entreprise ne veut plus être définie uniquement comme l’OpenAI européen.

Le Français tente de construire une société combinant laboratoire de recherche, éditeur de logiciels, fournisseur de modèles, opérateur d’infrastructure et partenaire technologique des grandes entreprises.

C’est beaucoup plus ambitieux — et aussi beaucoup plus risqué.

Le danger serait de se disperser, d’investir des milliards dans l’infrastructure tout en continuant à perdre du terrain sur les modèles.

Le scénario inverse serait beaucoup plus intéressant pour l’Europe : que l’activité infrastructure et entreprise génère suffisamment de revenus pour financer durablement un laboratoire capable de rester à la frontière technologique.

Les 3 milliards d’euros levés aujourd’hui servent précisément à déterminer lequel de ces deux scénarios deviendra réalité.

Mistral AI pourrait-il entrer en Bourse ?

Une introduction en Bourse reste possible, mais elle n’est pas imminente.

Johan Bergqvist a indiqué qu’une IPO constitue naturellement une option pour l’avenir, tout en précisant qu’aucune discussion n’est actuellement en cours et qu’aucun calendrier n’a été arrêté.

Mistral dispose donc encore de temps avant de devoir convaincre les marchés publics.

Sa priorité immédiate est ailleurs : déployer les 3 milliards d’euros, augmenter son infrastructure et prouver que son modèle économique peut croître aussi rapidement que ses besoins en calcul.

FAQ : Mistral AI, sa levée de fonds et sa valorisation

Combien Mistral AI vient-il de lever ?

Mistral AI a annoncé le 8 septembre 2026 une levée de fonds de 3 milliards d’euros en Série D.

Quelle est la valorisation de Mistral AI ?

La nouvelle opération valorise Mistral à plus de 21 milliards d’euros, soit environ 24 milliards de dollars.

Qui a investi dans Mistral AI ?

Samsung Electronics mène le tour. Scaleup Europe Fund et PSG Equity sont coleaders. BlackRock, Advent et le Grand-Duché de Luxembourg font partie des nouveaux investisseurs, tandis que Nvidia, ASML, Bpifrance, a16z, Salesforce Ventures et plusieurs investisseurs existants participent également.

Samsung a-t-il racheté Mistral AI ?

Non. Samsung est investisseur et mène la Série D, mais il n’a pas racheté Mistral.

Mistral AI appartient-il toujours à ses fondateurs ?

Mistral affirme rester indépendant. Les fondateurs et salariés conserveraient plus de la moitié des droits de vote.

Combien vaut OpenAI ?

La dernière levée annoncée par OpenAI en mars 2026 valorisait la société à 852 milliards de dollars post-money.

Combien vaut Anthropic ?

Anthropic a été valorisé 965 milliards de dollars après sa Série H de mai 2026.

Mistral abandonne-t-il les modèles de pointe ?

Mistral affirme que non. L’entreprise indique explicitement qu’une partie des 3 milliards d’euros servira à renforcer sa recherche sur les modèles de frontière et à augmenter le calcul disponible pour leur entraînement.

Pourquoi Mistral construit-il des data centers ?

La société veut contrôler davantage sa capacité de calcul, entraîner ses propres modèles et vendre de l’inférence aux entreprises tout en réduisant sa dépendance aux fournisseurs de cloud étrangers.

Mistral prévoit-il une IPO ?

Une introduction en Bourse reste une possibilité future, mais aucune procédure n’est engagée pour le moment selon le directeur financier.

Sources

• Mistral AI — annonce officielle de la levée de 3 milliards d’euros
• Mistral AI — stratégie d’infrastructure souveraine et objectif de 1 GW
• Reuters — levée, valorisation et stratégie de Mistral AI
• Microsoft — partenariat stratégique et infrastructure européenne de Mistral
• OpenAI — levée de 122 milliards de dollars de mars 2026
• Anthropic — Série H de 65 milliards de dollars et valorisation de 965 milliards

L’article Mistral AI lève 3 milliards d’euros : sa stratégie pour résister à OpenAI et Anthropic est apparu en premier sur TechPi.

Article publié le 1er août 2026.

Ce qu’il faut retenir

• Le Chat devient Mistral Vibe, avec des modes dédiés au travail et au développement informatique.
• Mistral Medium 3.5 est désormais le modèle principal de Vibe pour le raisonnement, le code et les tâches utilisant plusieurs outils.
• Robostral Navigate est le premier modèle de Mistral conçu pour diriger des robots avec une seule caméra.
• Leanstral 1.5 automatise la création et la vérification de preuves mathématiques avec Lean 4.
• Mistral OCR 4 extrait le texte, la structure et la position des éléments dans des documents couvrant 170 langues.
• Studio centralise désormais les prompts et les compétences avec un historique, des propriétaires et des journaux d’audit.
• Microsoft et Mistral ont annoncé un engagement de plusieurs milliards de dollars consacré aux infrastructures européennes.
• Ces nouveautés visent surtout les professionnels, les développeurs et les entreprises, même si Vibe conserve une formule gratuite.

Les principales nouveautés de Mistral AI en 2026

Le Chat devient Vibe et se transforme en véritable agent

Le changement le plus visible pour le grand public concerne Le Chat, désormais intégré à Mistral Vibe. Il ne s’agit pas uniquement d’un nouveau nom. Mistral veut faire évoluer son assistant vers un agent capable de prendre en charge des projets composés de plusieurs étapes.

Le mode Work peut rechercher des informations dans plusieurs sources, analyser un tableur, préparer un rapport ou parcourir des outils connectés comme Google Workspace, Outlook, SharePoint, Slack et GitHub. L’utilisateur peut également programmer certaines tâches afin qu’elles soient exécutées à une date précise ou selon une fréquence régulière.

Vibe présente un plan avant de commencer une opération complexe et demande une autorisation avant certaines actions sensibles, comme l’envoi d’un message ou la modification de données. Cette validation reste importante : un agent capable d’agir dans une boîte mail ou un espace de travail peut aussi commettre une erreur si la demande initiale est ambiguë.

Les anciens comptes Le Chat ne sont pas supprimés. Mistral indique que les conversations, les réglages et les abonnements sont conservés. L’entreprise prévoit cependant d’abandonner progressivement l’ancien mode Chat au profit du mode Work.

Un nouveau mode consacré au développement

Le mode Code lance des sessions de programmation sur une machine distante. L’agent peut analyser un dépôt, modifier des fichiers, exécuter des tests et préparer une demande d’intégration sur GitHub. La session continue de fonctionner lorsque l’ordinateur de l’utilisateur est éteint.

Mistral propose également une extension Vibe pour Visual Studio Code et un outil en ligne de commande. Une commande baptisée « teleport » permet de transférer une session entre le terminal local et le cloud tout en conservant son historique et ses autorisations.

Les tarifs annoncés par Mistral comprennent une formule gratuite pour les tâches simples, une offre Pro à 14,99 dollars par mois et une formule Team à 24,99 dollars par utilisateur et par mois. Les fonctionnalités et les prix peuvent évoluer selon le pays, la fiscalité applicable et les changements apportés aux offres.

Mistral Medium 3.5 devient le moteur principal de Vibe

Les nouveaux agents reposent principalement sur Mistral Medium 3.5. Ce modèle dense comporte 128 milliards de paramètres et accepte une fenêtre contextuelle maximale annoncée de 256 000 tokens. Il regroupe dans un seul modèle la compréhension des instructions, le raisonnement, la vision et la programmation.

Mistral indique que Medium 3.5 peut fonctionner sur une infrastructure composée d’au moins quatre GPU adaptés. Cette exigence le place toutefois hors de portée de la majorité des ordinateurs personnels. Pour une utilisation locale plus accessible, consultez notre guide consacré à l’installation des modèles Mistral avec LM Studio.

Les poids de Medium 3.5 sont proposés sous une licence MIT modifiée. Cette précision est importante : la présence de poids téléchargeables n’implique pas automatiquement l’absence de toutes restrictions pour chaque usage.

Mistral revendique un score de 77,6 % sur SWE-bench Verified. Comme toujours, ce résultat provient de l’éditeur et ne permet pas, à lui seul, de prédire les performances sur tous les projets réels. Les méthodes d’évaluation, le coût d’exécution et les outils accordés au modèle peuvent fortement influencer les comparaisons.

Robostral Navigate veut donner le sens de l’orientation aux robots

Robostral Navigate marque l’entrée de Mistral dans le domaine de la navigation robotique. Ce modèle de 8 milliards de paramètres reçoit les images d’une caméra RGB ainsi qu’une consigne formulée en langage naturel. Il détermine ensuite où le robot doit se déplacer et dans quelle direction il doit s’orienter.

Contrairement à de nombreux systèmes de navigation, Robostral ne réclame ni LiDAR, ni capteur de profondeur, ni ensemble de caméras. Mistral annonce un taux de réussite de 76,6 % sur la partie non vue du benchmark R2R-CE, soit 9,7 points de plus que la meilleure approche utilisant une seule caméra comparée par l’entreprise.

Le modèle a été entraîné en simulation à partir d’environ 2,4 millions de trajectoires issues de 350 000 scènes. Mistral affirme qu’il peut être adapté à des robots à roues, à pattes ou volants, pour des applications dans la logistique, l’industrie, la livraison et l’hôtellerie.

Ces résultats ne signifient pas qu’un robot domestique équipé de Robostral sera prochainement commercialisé. Mistral présente actuellement une technologie destinée à la recherche et à ses partenaires professionnels. L’annonce ne donne pas de lien public permettant de télécharger les poids du modèle ou de l’essayer librement.

Leanstral 1.5 automatise la preuve mathématique

Leanstral 1.5 est un modèle spécialisé dans la preuve formelle avec Lean 4. Il ne se contente pas de rédiger une démonstration en langage naturel : il produit du code mathématique dont la validité peut être contrôlée par le compilateur Lean.

Le modèle repose sur une architecture comprenant 119 milliards de paramètres au total, dont 6 milliards sont actifs pendant une requête. Il est publié sous licence Apache 2.0, avec des poids accessibles sur Hugging Face et un point d’accès API gratuit annoncé par Mistral.

Selon les résultats communiqués par l’entreprise, Leanstral 1.5 atteint 100 % sur miniF2F et résout 587 des 672 problèmes de PutnamBench lorsque son budget de calcul atteint quatre millions de tokens par tentative. Une telle consommation montre néanmoins que les meilleurs scores peuvent nécessiter des sessions longues et coûteuses.

Mistral a également utilisé Leanstral pour analyser 57 dépôts de code. Le système aurait détecté onze véritables bugs, dont cinq n’avaient pas encore été signalés sur GitHub. La preuve formelle pourrait donc servir à contrôler des propriétés critiques que les tests classiques ne couvrent pas toujours.

Mistral OCR 4 analyse la structure complète des documents

Mistral OCR 4 ne se limite plus à transformer une image en texte. Le modèle renvoie également la position des éléments, leur catégorie et un indice de confiance. Il peut par exemple reconnaître un titre, un tableau, une équation, une signature ou une zone devant faire l’objet d’une vérification humaine.

Le système prend en charge 170 langues réparties dans dix groupes linguistiques. Il accepte notamment les fichiers PDF, Word, PowerPoint et OpenDocument. Mistral le destine à la numérisation d’archives, au traitement de factures, à la recherche dans des documents et aux systèmes RAG qui doivent citer précisément leurs sources.

Lors de l’annonce, l’API OCR 4 était facturée 4 dollars pour 1 000 pages, ou 2 dollars avec la réduction de l’API Batch. Document AI était affiché à 5 dollars pour 1 000 pages. Ces tarifs peuvent évoluer et doivent être vérifiés sur la grille officielle avant tout déploiement.

Mistral revendique un score de 85,20 sur OlmOCRBench. L’entreprise reconnaît toutefois que ce type de benchmark comporte des limites, notamment sur les équations, les documents multicolonnes et certaines annotations de référence. Les résultats doivent donc être confirmés sur les documents réellement utilisés par chaque organisation.

Studio renforce le contrôle des prompts, compétences et connecteurs

Les entreprises peuvent désormais enregistrer leurs prompts et leurs compétences dans Mistral Studio comme de véritables ressources de production. Chaque version possède un propriétaire, un historique et des journaux d’audit. Il devient possible de comparer deux versions ou de revenir rapidement à une configuration précédente.

Cette gestion doit éviter qu’une instruction importante reste dispersée entre un dépôt de code, un document interne et une conversation Slack. Les équipes métier peuvent modifier un prompt, tandis que les procédures de validation et de déploiement restent contrôlées par l’organisation.

Mistral a également ajouté des réglages permettant de limiter les connecteurs autorisés dans chaque espace de travail. Les administrateurs peuvent désactiver certains outils, utiliser plusieurs comptes avec un connecteur ou attribuer des clés API aux permissions plus restreintes.

Le catalogue compte plus de 60 connecteurs préconfigurés, auxquels peuvent s’ajouter des outils personnalisés reposant sur le protocole MCP. Certaines fonctions, dont le débogueur de connecteurs et leur utilisation dans les Workflows, restent présentées comme des préversions publiques.

Microsoft renforce son partenariat avec Mistral

Le 21 juillet 2026, Microsoft et Mistral ont annoncé un nouvel accord de plusieurs milliards de dollars. Microsoft doit utiliser une partie de l’infrastructure européenne développée par Mistral, tandis que la société française prévoit d’accroître sa capacité avec plusieurs milliers de GPU NVIDIA Vera Rubin.

Medium 3.5 et OCR 4 sont désormais proposés dans Microsoft Foundry. Medium 3.5 rejoint également Copilot Studio. Les entreprises pourront déployer ces modèles dans le cloud, sur Azure Local ou dans des environnements entièrement déconnectés lorsque leurs contraintes de sécurité l’exigent.

Cet accord ne constitue pas une acquisition de Mistral par Microsoft. L’annonce porte sur des capacités de calcul, des intégrations commerciales et des options de déploiement. Aucun nouveau rachat ni transfert de contrôle de l’entreprise française n’a été annoncé.

La notion de souveraineté doit par ailleurs être nuancée. Les infrastructures sont développées en Europe et les clients peuvent conserver davantage de contrôle sur leurs données, mais elles reposent toujours sur des processeurs conçus par l’américain NVIDIA et sur un partenariat étroit avec Microsoft.

Ce projet prolonge la stratégie présentée avec Mistral Compute et ses capacités de calcul installées en France.

Quelles conséquences pour les utilisateurs ?

Pour le grand public, la principale nouveauté reste la transformation de Le Chat en Vibe. L’assistant peut prendre en charge des tâches plus longues et travailler avec plusieurs applications, mais les usages les plus avancés sont principalement associés aux formules payantes.

Pour les développeurs, Medium 3.5, Leanstral 1.5 et OCR 4 apportent de nouvelles briques spécialisées. Leanstral se distingue par sa licence Apache 2.0 et son API gratuite, tandis que Medium 3.5 demande une infrastructure importante pour fonctionner localement.

Les entreprises bénéficient surtout de nouvelles possibilités de gouvernance : déploiement sur leur propre infrastructure, contrôle des connecteurs, historique des prompts et intégration dans l’écosystème Microsoft. Ces fonctions répondent davantage à des contraintes de sécurité et de conformité qu’à un usage conversationnel classique.

Robostral possède enfin un potentiel important pour l’industrie, mais son effet immédiat restera limité pour les particuliers. Il faudra attendre des partenariats, des produits compatibles et des tests indépendants en environnement réel avant d’évaluer sa fiabilité.

Pour comparer les modèles pouvant réellement fonctionner sur une machine personnelle, consultez également notre comparatif des meilleures IA locales en 2026.

FAQ sur les nouveautés de Mistral AI

Le Chat de Mistral va-t-il disparaître ?

Le service est progressivement intégré à Mistral Vibe. Les comptes, les conversations et les réglages sont conservés, mais Mistral prévoit d’abandonner l’ancien mode Chat au profit du mode Work.

Mistral Vibe est-il gratuit ?

Une formule gratuite reste disponible pour les réponses rapides et les tâches simples. Les travaux complexes, le raisonnement approfondi et l’utilisation intensive des agents de programmation nécessitent principalement les offres payantes.

Peut-on télécharger Robostral Navigate ?

Mistral publie un rapport technique, mais l’annonce officielle ne propose pas de téléchargement public des poids ni d’API ouverte. L’entreprise invite les organisations intéressées à contacter ses équipes.

Leanstral 1.5 est-il open source ?

Oui. Mistral publie les poids sous licence Apache 2.0 et propose également un point d’accès API gratuit baptisé leanstral-1-5.

Peut-on utiliser Mistral Medium 3.5 sur un PC classique ?

Difficilement. Le modèle compte 128 milliards de paramètres et Mistral évoque au minimum quatre GPU adaptés pour son auto-hébergement. Des modèles Mistral plus petits restent mieux adaptés à un ordinateur personnel.

À quoi sert Mistral OCR 4 ?

OCR 4 extrait le texte et la structure de documents complexes. Il peut identifier les tableaux, les équations, les signatures et la position des différents blocs afin d’alimenter un moteur de recherche, un agent ou un système de traitement de factures.

Microsoft a-t-il racheté Mistral AI ?

Non. Les deux entreprises ont renforcé leur partenariat autour des infrastructures et des produits Microsoft, mais aucune acquisition de Mistral n’a été annoncée.

Conclusion

Mistral AI cherche désormais à maîtriser une chaîne beaucoup plus large que celle des modèles conversationnels. Vibe place les agents au cœur de la productivité et du développement, OCR 4 structure les documents, Leanstral vérifie des preuves et Robostral ouvre un nouveau chantier dans la robotique.

L’accord conclu avec Microsoft apporte une dimension industrielle à cette stratégie en donnant aux modèles de Mistral une distribution mondiale et de nouvelles capacités de calcul en Europe. Cette accélération ne signifie toutefois pas que toutes les nouveautés sont immédiatement accessibles au grand public : plusieurs fonctions restent destinées aux développeurs, aux entreprises ou aux partenaires industriels.

Sources

• Microsoft — extension du partenariat avec Mistral
• Mistral AI — gestion des prompts et compétences dans Studio
• Mistral AI — présentation de Robostral Navigate
• Mistral AI — présentation de Leanstral 1.5
• Mistral AI — nouveaux contrôles des connecteurs
• Mistral AI — présentation de Mistral OCR 4
• Mistral AI — transformation de Le Chat en Vibe
• Mistral AI — Medium 3.5 et agents distants

L’article Mistral AI accélère : Vibe, Robostral, OCR 4 et accord avec Microsoft est apparu en premier sur TechPi.