Mistral, la pépite française des modèles ouverts

Il aura suffi de quelques mois. Fondée au printemps 2023 par trois chercheurs français passés par Google DeepMind et Meta, Mistral AI s'est imposée, à l'été 2025, comme la figure de proue européenne des grands modèles de langage. Sa signature ? Une conviction assumée : publier des modèles aux poids ouverts, sous des licences permissives, plutôt que de tout verrouiller derrière une API. En moins de deux ans, la jeune pousse parisienne a aligné une famille de modèles — Mistral 7B, Mixtral, Codestral, Pixtral, Ministral — qui figurent parmi les plus téléchargés et les plus réutilisés de la communauté. Cet article propose un portrait factuel de cet écosystème : d'où vient Mistral, ce que recouvre sa philosophie ouverte, et quelle place elle occupe dans le paysage mondial de l'intelligence artificielle.

Le sujet mérite qu'on prenne le temps de la nuance. Autour de Mistral, le récit médiatique oscille souvent entre deux caricatures : le « champion national » qu'on célèbre par réflexe, et le « petit poucet » condamné à courir derrière les géants américains. La réalité est plus intéressante que ces deux images. Mistral n'est ni un miracle, ni un mirage : c'est une entreprise qui a fait des choix techniques et stratégiques cohérents, dont on peut mesurer les résultats à l'aune de faits vérifiables. C'est cette lecture posée que nous proposons ici, en nous appuyant sur les annonces officielles, les rapports techniques et les analyses publiées.

Un mot de méthode, d'abord. Nous distinguerons soigneusement ce qui relève de l'ouverture réelle — les modèles publiés sous licence Apache 2.0, que chacun peut télécharger, modifier et déployer — de ce qui relève d'un accès plus encadré, sous licence de recherche. Cette distinction est au cœur de l'identité de Mistral, et la confondre, c'est passer à côté de l'essentiel.

Genèse : trois chercheurs et une conviction

L'histoire de Mistral commence par une rencontre entre trois profils complémentaires. Arthur Mensch, qui deviendra le directeur général, a travaillé chez Google DeepMind, où il a contribué à des travaux de recherche sur les grands modèles. Guillaume Lample et Timothée Lacroix, eux, viennent de Meta, où ils ont participé au développement de modèles à grande échelle — Lample étant notamment l'un des artisans de la famille LLaMA côté recherche. Trois chercheurs, donc, qui connaissaient de l'intérieur la manière dont les grands laboratoires construisent leurs modèles, et qui ont fait le pari de le faire autrement, depuis la France.

La société est officiellement créée au printemps 2023. Ce qui frappe d'emblée, c'est la vitesse à laquelle elle a su convaincre les investisseurs. Dès juin 2023, avant même d'avoir publié le moindre modèle, Mistral lève un tour d'amorçage de 105 millions d'euros — un montant considérable pour une entreprise de quelques semaines. La thèse est claire : une équipe de premier plan, une vision d'ouverture, et un ancrage européen qui répond à une demande de souveraineté technologique.

Une trajectoire de financement rapide

La suite confirme cette dynamique. Les levées de fonds s'enchaînent à un rythme soutenu, chacune accompagnée d'une progression nette de la valorisation :

• Juin 2023 : tour d'amorçage de 105 millions d'euros, mené par Lightspeed Venture Partners.
• Décembre 2023 : série A de 415 millions de dollars, portant la valorisation à environ 2 milliards de dollars.
• Juin 2024 : série B de 640 millions de dollars (environ 600 millions d'euros), menée par General Catalyst, valorisant l'entreprise à 6 milliards de dollars — soit un an à peine après sa création.

Le tour de série B est éclairant sur le positionnement de Mistral. Selon les informations publiées, il se composait d'environ 503 millions de dollars en fonds propres et 142 millions en dette. Parmi les participants figuraient des investisseurs financiers de premier plan — Andreessen Horowitz, Lightspeed, Bpifrance, BNP Paribas — mais aussi des acteurs industriels majeurs : Nvidia, Samsung Venture Investment, Salesforce Ventures, Cisco, IBM. Cette diversité d'appuis, mêlant capital-risque, banque publique française et géants de la tech, illustre l'intérêt transatlantique porté à l'entreprise. Elle traduit aussi une réalité : les modèles ouverts de Mistral intéressent tout un écosystème, des cloudeurs aux fabricants de puces, qui y voient un complément aux offres fermées existantes.

En un peu plus d'un an d'existence, Mistral est passée d'une idée à une valorisation de six milliards de dollars — non sur des promesses, mais sur une série de modèles concrets, publiés et réutilisés par la communauté.

Il faut toutefois se garder de réduire Mistral à ses levées de fonds. L'argent n'est qu'un moyen ; ce qui compte, c'est ce que l'équipe en a fait. Et de ce point de vue, la production de modèles a été à la hauteur de l'ambition affichée.

Mistral 7B : le coup d'éclat inaugural

Le premier modèle, Mistral 7B, est publié en septembre 2023, quelques mois seulement après la création de l'entreprise. Le choix est immédiatement remarquable : le modèle est diffusé en poids ouverts sur Hugging Face, sous licence Apache 2.0 — l'une des plus permissives qui soient, autorisant l'usage commercial sans restriction notable. Là où beaucoup d'acteurs verrouillent leurs modèles, Mistral offre le sien au téléchargement libre. Le geste, cohérent avec la philosophie affichée, marque durablement les esprits.

Sur le fond, Mistral 7B tient ses promesses. Dans son billet d'annonce, l'entreprise indiquait que le modèle surpassait Llama 2 13B sur l'ensemble des tests évalués, et rivalisait avec Llama 34B sur nombre d'entre eux — le tout avec seulement 7 milliards de paramètres. Autrement dit, un modèle deux à cinq fois plus petit que ses concurrents affichait des performances comparables, voire supérieures. Cette efficacité — obtenir plus avec moins — deviendra la marque de fabrique de Mistral, déclinée modèle après modèle.

L'intérêt d'un modèle de cette taille est concret. Sept milliards de paramètres, c'est suffisamment compact pour tourner sur une seule carte graphique grand public, voire sur un ordinateur portable bien équipé. Pour un développeur, une PME ou un laboratoire universitaire, cela change tout : on peut expérimenter, adapter et déployer un modèle capable sans dépendre d'un cloud ni d'une facture d'API qui grimpe. Mistral 7B a ainsi ouvert la voie à une génération d'applications locales, respectueuses de la confidentialité des données.

Mixtral : le Mixture-of-Experts en poids ouverts

En décembre 2023, Mistral franchit une étape supplémentaire avec Mixtral 8x7B. Il s'agit du premier modèle à architecture Mixture-of-Experts largement déployé issu d'un laboratoire de premier plan, et surtout publié en poids ouverts. Le concept mérite qu'on s'y arrête, car il structure une partie de l'offre Mistral.

Comprendre le Mixture-of-Experts

Un modèle de langage classique, dit « dense », mobilise l'intégralité de ses paramètres pour traiter chaque mot. Un modèle Mixture-of-Experts fonctionne différemment : il est composé de plusieurs sous-réseaux spécialisés, les « experts », et d'un mécanisme de routage qui sélectionne, pour chaque token, les experts les plus pertinents. Dans Mixtral 8x7B, comme son nom le suggère, huit experts coexistent, mais seuls deux sont activés à la fois pour chaque token.

Le bénéfice est double. D'une part, le modèle dispose de la vaste connaissance permise par l'ensemble de ses experts. D'autre part, il ne paie, à chaque token, que le coût de calcul des experts effectivement activés. Selon l'annonce de Mistral, Mixtral 8x7B surpassait Llama 2 70B sur la plupart des tests tout en offrant une inférence environ six fois plus rapide. L'entreprise le présentait alors comme le modèle en poids ouverts le plus performant sous licence permissive, et le meilleur en termes de rapport coût-performance. Là encore, Mixtral était diffusé sous licence Apache 2.0.

La famille s'est enrichie en avril 2024 avec Mixtral 8x22B, une version plus grande et plus capable, toujours fidèle à l'architecture MoE. Ces deux modèles ont profondément marqué la communauté open source : ils ont démontré qu'un laboratoire pouvait mettre entre les mains de tous une architecture avancée que l'on croyait réservée aux grands acteurs fermés. Beaucoup d'équipes de recherche et d'entreprises ont bâti sur Mixtral, l'ajustant à leurs langues et à leurs domaines.

Avec Mixtral, Mistral a démocratisé le Mixture-of-Experts : une architecture de pointe, publiée en poids ouverts, que chacun pouvait étudier, reproduire et adapter.

Mistral NeMo : l'alliance avec NVIDIA

En juillet 2024, Mistral publie Mistral NeMo, un modèle de 12 milliards de paramètres développé conjointement avec NVIDIA. Le modèle est diffusé sous licence Apache 2.0, avec des versions pré-entraînée et affinée aux instructions disponibles librement. Il illustre une facette intéressante de la stratégie de Mistral : la collaboration avec des acteurs industriels pour optimiser les modèles de bout en bout, du logiciel au matériel.

Mistral NeMo apporte plusieurs nouveautés notables. D'abord, une fenêtre de contexte étendue à 128 000 tokens, soit l'équivalent d'un livre entier que le modèle peut ingérer en une fois. Ensuite, un nouveau tokeniseur baptisé Tekken, entraîné sur plus de cent langues, qui améliore l'efficacité de compression du texte et du code par rapport aux tokeniseurs antérieurs. Enfin, le modèle a été entraîné avec une conscience de la quantification, ce qui permet une inférence en précision réduite (FP8) sans perte de performance notable.

Ce dernier point a une portée pratique. Un tokeniseur plus efficace signifie que le même texte occupe moins de tokens, donc coûte moins cher à traiter et laisse plus de place dans la fenêtre de contexte. Pour les langues autres que l'anglais — dont le français — c'est un avantage tangible, car les tokeniseurs anciens étaient souvent moins efficaces sur ces langues. Mistral NeMo est conçu pour tenir dans la mémoire d'une seule carte graphique de milieu de gamme, prolongeant la logique d'accessibilité amorcée avec Mistral 7B.

Mistral Large 2 et la nuance des licences

Quelques jours plus tard, le 24 juillet 2024, Mistral dévoile Mistral Large 2, son modèle phare de nouvelle génération. Avec 123 milliards de paramètres et une fenêtre de contexte de 128 000 tokens, il vise le haut du panier. Le modèle prend en charge des dizaines de langues — français, allemand, espagnol, italien, portugais, arabe, hindi, russe, chinois, japonais, coréen — et plus de quatre-vingts langages de programmation. Sa taille a été pensée pour permettre une inférence à fort débit sur un seul nœud de calcul, un critère important pour le déploiement en entreprise.

Mais Mistral Large 2 introduit une nuance essentielle, qu'il serait malhonnête de passer sous silence : il n'est pas publié sous licence Apache 2.0. Il est diffusé sous la Mistral Research License, qui autorise l'usage et la modification pour la recherche et des finalités non commerciales, un usage commercial nécessitant une licence séparée. C'est une distinction cruciale pour comprendre la stratégie réelle de Mistral.

Ouvert n'est pas synonyme d'Apache 2.0

L'écosystème Mistral repose en réalité sur une architecture à deux étages, qu'il faut bien saisir pour ne pas se tromper :

• Les modèles « communautaires » — Mistral 7B, Mixtral, Mistral NeMo, et plus tard Mistral Small — sont publiés sous licence Apache 2.0, entièrement libres, y compris pour un usage commercial.
• Les modèles « premium » ou de recherche — Mistral Large 2, Codestral dans sa version initiale, Pixtral Large — sont diffusés sous des licences plus encadrées, autorisant la recherche mais soumettant l'usage commercial à un accord.

Cette double approche répond à une logique économique compréhensible. Une entreprise doit générer des revenus pour financer sa recherche ; publier ses modèles les plus avancés en totale liberté reviendrait à renoncer à une source de revenu majeure. Mistral a donc choisi une voie médiane : maintenir une base ouverte et généreuse pour la communauté, tout en réservant ses modèles les plus puissants à un accès plus contrôlé. Il serait exagéré de parler d'« open source pur » — car les licences de recherche imposent des restrictions réelles — mais tout aussi injuste de nier l'ampleur de l'ouverture consentie. La vérité, comme souvent, se situe dans la nuance.

Codestral : le spécialiste du code

En mai 2024, Mistral inaugure une nouvelle famille avec Codestral, son premier modèle génératif dédié au code. Il s'agit d'un modèle de 22 milliards de paramètres, conçu pour aider les développeurs à écrire et à interagir avec du code via une API partagée d'instruction et de complétion. Codestral prend en charge un large éventail de langages de programmation et excelle particulièrement dans la complétion « au milieu du texte » (fill-in-the-middle), une capacité clé pour l'assistance au développement dans un éditeur.

Codestral a lui aussi illustré la nuance des licences : dans sa version initiale, il était diffusé sous une licence non commerciale, réservée à la recherche et aux tests. La famille a été considérablement renforcée en janvier 2025 avec Codestral 25.01, une version dotée d'une architecture plus efficace et d'un tokeniseur amélioré, générant et complétant le code environ deux fois plus vite que l'originale. Cette itération a introduit une fenêtre de contexte de 256 000 tokens et une prise en charge de plus de quatre-vingts langages de programmation, plaçant Mistral parmi les acteurs de référence pour l'assistance au code.

L'intérêt d'un modèle spécialisé comme Codestral est réel. Plutôt que de solliciter un modèle généraliste géant pour une tâche de complétion de code, on mobilise un modèle taillé pour l'exercice, plus rapide et souvent plus pertinent sur ce terrain précis. Pour les outils de développement assisté — intégrés dans les éditeurs, les plateformes de revue de code ou les chaînes d'intégration continue — cette spécialisation est un atout de vitesse et de coût.

Une famille qui s'étend : Pixtral, Ministral, Le Chat

Au fil des mois, Mistral a élargi son catalogue bien au-delà des modèles de langage textuels, dessinant un écosystème complet qui couvre le multimodal, l'embarqué et l'assistant grand public.

Pixtral : la vision entre dans le jeu

Avec Pixtral 12B, puis Pixtral Large, Mistral s'est doté de capacités multimodales : ses modèles ne se contentent plus de lire du texte, ils comprennent aussi les images. Pixtral Large est un modèle multimodal de 124 milliards de paramètres, bâti sur Mistral Large 2, capable d'analyser des documents, des graphiques et des images naturelles tout en conservant la compréhension textuelle de son modèle de base. Ces capacités ouvrent des usages nouveaux : lecture de factures, analyse de schémas techniques, description d'images, extraction d'information à partir de documents visuels.

Ministral : l'IA au plus près de l'appareil

En octobre 2024, Mistral a présenté Ministral 3B et Ministral 8B, deux modèles pensés pour l'informatique embarquée et l'exécution sur appareil — téléphones, ordinateurs portables, systèmes contraints. Tous deux disposent d'une fenêtre de contexte de 128 000 tokens et d'un mécanisme d'attention à fenêtre glissante pour une inférence efficace dans des environnements à ressources limitées. Selon Mistral, Ministral 3B surpasse même Mistral 7B — un modèle pourtant plus de deux fois plus gros — sur la plupart des catégories d'évaluation.

La logique de ces modèles « edge » est celle de la frugalité et de la confidentialité. Faire tourner un modèle directement sur l'appareil, sans passer par le cloud, présente trois avantages : les données ne quittent pas la machine (un atout majeur pour la vie privée), la latence est réduite, et le fonctionnement reste possible hors connexion. Traduction embarquée, assistants locaux, analytique sur site, robotique : autant de domaines où ces petits modèles trouvent leur place.

Le Chat : l'assistant grand public

Pour toucher le grand public, Mistral a développé Le Chat, son assistant conversationnel. En février 2025, l'entreprise a lancé les applications mobiles du Chat sur iOS et Android, accompagnées d'un abonnement Pro à 14,99 dollars par mois (prix au lancement, toujours en vigueur mi-2026 selon Mistral AI, indicatif et susceptible d'évoluer) donnant accès à des modèles plus avancés, à la messagerie illimitée et à la navigation web. Cet assistant est la vitrine grand public de la technologie Mistral, et un point d'entrée pour les utilisateurs qui ne manipulent pas directement les modèles.

Mistral Small 3 : le retour à l'ouverture franche

Au début de l'année 2025, Mistral a réaffirmé son engagement envers l'ouverture avec Mistral Small 3, un modèle de 24 milliards de paramètres publié en janvier sous licence Apache 2.0. C'est un signal important : après une série de modèles premium sous licence de recherche, l'entreprise remettait au premier plan un modèle entièrement libre et commercialement exploitable.

Les performances annoncées sont notables. Selon Mistral, Mistral Small 3 rivalise avec des modèles trois fois plus grands, comme Llama 3.3 70B, tout en étant plus de trois fois plus rapide sur le même matériel. Avec une précision supérieure à 81 % sur le test MMLU et une vitesse de génération de l'ordre de 150 tokens par seconde, l'entreprise le présentait comme le modèle le plus efficace de sa catégorie. Surtout, ses 24 milliards de paramètres lui permettent de tourner sur une seule carte graphique grand public.

La famille Small a rapidement évolué. En mars 2025, Mistral Small 3.1 a apporté de meilleures performances textuelles, une compréhension multimodale et une fenêtre de contexte étendue à 128 000 tokens, se mesurant à des modèles comme Gemma 3 ou GPT-4o Mini. Puis, en mai 2025, Mistral Medium 3 est venu compléter la gamme avec un modèle offrant des performances de haut niveau à un coût nettement inférieur, positionné pour un excellent rapport qualité-prix sur les usages professionnels.

La trajectoire de Mistral en 2025 confirme une double stratégie : des modèles ouverts sous Apache 2.0 pour la communauté, et des modèles premium pour financer la recherche — les deux se nourrissant mutuellement.

Mistral dans le paysage européen et mondial

Au-delà de la technique, Mistral occupe une place singulière dans l'écosystème de l'intelligence artificielle. À l'été 2025, elle est le laboratoire d'IA de premier plan le mieux valorisé dont le siège se trouve en Europe. Cette position lui confère un rôle particulier dans le débat sur la souveraineté technologique du continent.

Un enjeu de souveraineté

La question est réelle. La quasi-totalité des grands modèles de langage propriétaires les plus connus sont développés par des entreprises américaines. Pour de nombreuses organisations européennes — administrations, entreprises soumises à des exigences de confidentialité, secteurs réglementés — dépendre exclusivement d'acteurs non européens soulève des interrogations sur la maîtrise des données et la continuité de service. Mistral apporte une réponse concrète à cette préoccupation : des modèles conçus en Europe, souvent déployables sur sa propre infrastructure grâce à l'ouverture des poids.

C'est précisément là que la philosophie ouverte de Mistral prend tout son sens. Un modèle dont on peut télécharger les poids peut être hébergé sur ses propres serveurs, en France ou en Europe, sans que les données transitent par un cloud étranger. Pour une organisation attachée à la localisation de ses traitements, cette possibilité est déterminante. L'ouverture n'est donc pas seulement une posture idéologique : elle répond à un besoin opérationnel et réglementaire tangible.

Un contrepoids sain dans l'écosystème

Il faut se garder d'opposer frontalement les approches. L'écosystème de l'IA se porte mieux avec une diversité d'acteurs et de modèles économiques. Les grands laboratoires fermés poussent les frontières de la performance ; les acteurs de l'ouverture, comme Mistral, garantissent que ces avancées se diffusent et restent accessibles. Les deux dynamiques sont complémentaires, et la présence d'un acteur européen solide contribue à l'équilibre général.

Mistral n'est d'ailleurs pas seul sur le terrain de l'ouverture. La famille Llama de Meta, les modèles Qwen développés en Asie, et d'autres initiatives communautaires forment un paysage riche de modèles aux poids accessibles. Ce que Mistral apporte de spécifique, c'est une combinaison rare : une équipe de recherche de très haut niveau, un ancrage européen, et un choix récurrent de la licence Apache 2.0 pour une partie significative de son catalogue — l'une des licences les plus permissives, plus ouverte encore que la licence communautaire de certains concurrents.

Ce que Mistral apporte, en pratique

Pour un praticien — développeur, responsable technique, dirigeant de PME — que retenir concrètement de l'écosystème Mistral ? Plusieurs enseignements se dégagent.

D'abord, la diversité des tailles. De Ministral 3B, taillé pour un téléphone, à Mistral Large 2 et ses 123 milliards de paramètres, la gamme couvre un très large spectre de besoins. La bonne démarche consiste à choisir le plus petit modèle capable de résoudre le problème posé, plutôt que de partir par défaut sur le plus gros. Pour une tâche de complétion de code, Codestral ; pour un assistant embarqué respectueux de la vie privée, Ministral ; pour un usage généraliste sur une seule carte graphique, Mistral Small 3. La spécialisation et l'échelonnement des tailles sont des atouts d'optimisation.

Ensuite, la possibilité du déploiement local. Les modèles sous licence Apache 2.0 peuvent être téléchargés et exécutés sur sa propre infrastructure, sans dépendance à une API externe. Pour les organisations soumises à des contraintes de confidentialité, ou simplement soucieuses de maîtriser leurs coûts à grande échelle, c'est une liberté précieuse. Un modèle qu'on héberge soi-même ne facture pas au token et ne transmet aucune donnée à un tiers.

Enfin, l'attention à porter aux licences. C'est le point de vigilance central. Avant d'intégrer un modèle Mistral dans un produit commercial, il faut vérifier sa licence exacte : un modèle Apache 2.0 se déploie librement, un modèle sous licence de recherche exige un accord commercial pour un usage en production. Cette vérification, souvent négligée, évite bien des mauvaises surprises. La règle est simple : lire la carte du modèle et sa licence avant de bâtir dessus.

La question utile n'est pas « Mistral est-il meilleur que ses concurrents ? » mais « quel modèle Mistral, sous quelle licence, répond à mon besoin précis ? » — et l'éventail des réponses est aujourd'hui remarquablement large.

Lire l'écosystème Mistral avec discernement

Un mot de prudence pour finir cette analyse, car c'est le cœur d'une lecture honnête. Autour de Mistral, comme de tout acteur en vue, circulent beaucoup d'affirmations à manier avec soin. Les comparaisons de performance annoncées par une entreprise émanent d'elle-même : elles sont utiles mais ne remplacent pas une évaluation indépendante sur ses propres cas d'usage. Un score sur un tableau ne vaut rien sans son protocole — nombre d'essais, format du prompt, version exacte des modèles comparés. Le bon réflexe reste de tester soi-même, sur ses propres données, plutôt que de se fier à un classement marketing.

De même, il convient de ne pas surinterpréter le récit du « champion européen ». Mistral est une entreprise remarquable, mais elle évolue dans un marché mondial extrêmement compétitif, face à des acteurs disposant de moyens de calcul supérieurs. Ses choix — l'efficacité plutôt que la seule taille, l'ouverture d'une partie du catalogue, la spécialisation par familles de modèles — sont cohérents et porteurs, mais ils s'inscrivent dans une course où rien n'est jamais acquis. Célébrer ses réussites n'oblige pas à ignorer les défis qui demeurent, et lucidité et fierté ne sont pas contradictoires.

Ce qui rend Mistral intéressant, au fond, dépasse la question de savoir qui « gagne ». C'est la démonstration qu'une équipe européenne peut, en quelques mois, produire des modèles de premier plan et les diffuser largement. C'est aussi la preuve qu'un modèle économique fondé en partie sur l'ouverture est viable et attractif pour les investisseurs. Ces deux enseignements comptent bien au-delà de Mistral : ils redonnent de l'oxygène à tout un écosystème qui craignait de voir l'IA se concentrer entre quelques mains.

Une pépite, à sa juste mesure

Que retenir de ce portrait ? D'abord, que Mistral a tenu, en moins de deux ans, une promesse difficile : bâtir une famille cohérente de modèles — Mistral 7B, Mixtral, NeMo, Codestral, Pixtral, Ministral, Small, Large, Medium — couvrant un large éventail de tailles, de spécialités et d'usages. Cette productivité, adossée à une équipe de recherche de haut niveau, est en soi une réussite.

Ensuite, que sa signature — l'ouverture, mais une ouverture réfléchie et à deux étages — mérite d'être comprise avec précision. Une partie substantielle du catalogue est publiée sous licence Apache 2.0, entièrement libre ; les modèles premium relèvent d'un accès plus encadré qui finance la recherche. Confondre les deux, c'est se tromper sur ce que Mistral offre réellement. La bonne lecture est celle de la nuance : ni « open source pur », ni acteur fermé, mais un équilibre assumé entre générosité communautaire et viabilité économique.

Enfin, que la place de Mistral dans le paysage — premier laboratoire européen par la valorisation, contrepoids ouvert face aux géants fermés, réponse concrète aux enjeux de souveraineté — dépasse la seule performance de ses modèles. Pour un praticien, la posture juste consiste à évaluer chaque modèle Mistral à sa juste mesure : selon la tâche, la taille adaptée et la licence applicable. C'est ainsi qu'on tire le meilleur de cet écosystème, en acteur informé plutôt qu'en spectateur ébloui ou en sceptique de principe. La pépite française n'a pas besoin d'être survendue pour être appréciée : les faits, tels qu'ils sont, suffisent amplement.

Sources

Cet article s'appuie sur des sources publiques et vérifiables :

• Mistral AI, page Wikipédia (historique, fondateurs, financements, catalogue de modèles) — en.wikipedia.org/wiki/Mistral_AI.
• Mistral AI, « Mixtral of experts » (annonce de Mixtral 8x7B, architecture MoE) — mistral.ai/news/mixtral-of-experts.
• Mistral AI, « Large Enough » (annonce de Mistral Large 2, 123 milliards de paramètres, Mistral Research License) — mistral.ai/news/mistral-large-2407.
• NVIDIA Blog, « Mistral AI and NVIDIA Unveil Mistral NeMo 12B » (tokeniseur Tekken, Apache 2.0, FP8) — blogs.nvidia.com.
• Mistral AI, « Mistral Small 3 » (modèle 24B, Apache 2.0, comparaison avec Llama 3.3 70B) — mistral.ai/news/mistral-small-3.
• Mistral AI, « Codestral 25.01 » (modèle de code, contexte 256k) — mistral.ai/news/codestral-2501.
• TechCrunch, « Mistral releases new AI models optimized for edge devices » (Ministral 3B et 8B, octobre 2024) — techcrunch.com.
• SiliconANGLE, « French open-source AI model startup Mistral AI raises $640M at $6B valuation » (série B, juin 2024) — siliconangle.com.