Osegi
IA·1 min de lecture

Mistral Large 4 désormais ouvert : les poids sur Hugging Face

Mistral AI a publié sur Hugging Face les poids de son modèle phare Mistral Large 4. Les entreprises peuvent le télécharger et le déployer elles-mêmes.

Abstract illustration of an open neural network model with the Mistral AI branding on a dark background.
Image: L'Usine Digitale

Mistral AI a mis en ligne sur Hugging Face les poids de Mistral Large 4 (ML4). La société française avait dévoilé son nouveau modèle phare le 6 octobre, mais en avait d’abord réservé les poids. Les entreprises peuvent désormais le télécharger et le déployer elles-mêmes.

Trois semaines de plus pour entraîner et tester

Selon l’entreprise, ce délai a servi à trois semaines supplémentaires d’entraînement par renforcement et à des tests menés auprès de clients et de partenaires. La liste est longue et mêle industrie, finance, défense et technologie : ASML, Booz Allen Hamilton, Cisco, Crédit Agricole, Crowdstrike, l’Agence spatiale européenne, Fortinet, Microsoft, Nvidia et Orange Cyberdefense.

Mistral présente ce déploiement en deux temps, d’abord le lancement puis l’ouverture, comme la deuxième étape de son offensive. Le modèle disponible aujourd’hui est la version affinée durant cette période.

Un enjeu de maîtrise pour les entreprises

Les poids ouverts intéressent surtout les organisations qui veulent garder la main sur le lieu et la manière d’exécuter un modèle. Plutôt que de dépendre uniquement d’un service hébergé, elles peuvent faire tourner ML4 sur leurs propres systèmes, l’adapter à leurs besoins et conserver leurs données sensibles en interne. C’est un argument de poids pour les secteurs réglementés, comme la banque et la cybersécurité, bien représentés parmi les testeurs.

Cette publication place aussi Mistral face aux modèles ouverts les plus performants, dont beaucoup viennent de laboratoires chinois. Reste à savoir si ML4 peut rivaliser. Aucun résultat de benchmark indépendant n’est disponible à ce stade : une comparaison fiable devra attendre les évaluations de tiers et les retours de développeurs sur des usages réels.

À suivre : la vitesse d’adoption du modèle par les entreprises et ses résultats dans les comparatifs indépendants face aux principaux modèles ouverts.

Mots-clés:mistral aimistral large 4open weightshugging facellm

Plus d'actus de ce jour

Tout voir →

Plus dans: IA

Tout voir →