Mistral Forge, Small 4 et Leanstral : la startup française change de dimension

Le 16 mars 2026, Mistral AI a présenté Small 4 à la conférence NVIDIA GTC de San José. Ce modèle open source réunit raisonnement, image et code. La startup a aussi lancé Leanstral, un agent de vérification formelle du code, et a rejoint la coalition Nemotron de NVIDIA. Dès le lendemain, elle a dévoilé Mistral Forge, sa plateforme d’entraînement de modèles sur mesure.

Ces annonces racontent la même histoire. Au-delà de son rôle de fournisseur de modèles ouverts, Mistral veut devenir l’infrastructure d’IA des entreprises européennes. Il vise celles qui refusent de dépendre des géants américains du cloud. La stratégie paie. En septembre 2026, Mistral a levé 3 milliards d’euros sur une valorisation de 21 milliards, du jamais vu pour une entreprise technologique européenne. Son revenu annualisé dépassait 400 millions de dollars en février. La startup se dit en voie de franchir le milliard avant la fin de l’année.

Mistral Small 4 : un modèle qui en remplace trois

Small 4 réunit pour la première fois les capacités de trois familles Mistral : Magistral pour le raisonnement, Pixtral pour l’image et Devstral pour le code. Jusqu’ici, une entreprise devait maintenir trois modèles séparés, avec trois chaînes de déploiement et trois lignes de coûts. Désormais, un seul point d’accès suffit.

Une architecture à 128 experts

Small 4 repose sur une architecture de type « mélange d’experts » à 128 experts, dont 4 seulement travaillent pour chaque token. Le modèle compte 119 milliards de paramètres au total, mais il n’en mobilise qu’environ 6 milliards à chaque étape. Mistral annonce 6 milliards de paramètres actifs, et la fiche Hugging Face en indique 6,5 milliards. Imaginez un cabinet de 128 consultants spécialisés, dont seuls les 4 plus pertinents répondent à chaque question. Vous profitez ainsi de leurs connaissances pour un coût de calcul réduit. Le modèle accepte aussi du texte et des images, avec une fenêtre de contexte de 256 000 tokens.

Un raisonnement réglable

Le paramètre « reasoning_effort » apporte l’innovation la plus utile au quotidien. Réglé sur « none », Small 4 répond vite, comme un modèle classique. Avec le réglage « high », il raisonne pas à pas, à la manière des modèles Magistral. Le développeur choisit ainsi, requête par requête, entre vitesse et profondeur d’analyse.

Des performances sobres

Par rapport à Small 3, Mistral annonce une latence réduite de 40 % et trois fois plus de requêtes traitées par seconde. Small 4 avec raisonnement égale ou dépasse GPT-OSS 120B d’OpenAI sur AA LCR, LiveCodeBench et AIME 2025, avec des réponses plus courtes. Sur ce même test AA LCR, il obtient 0,72 avec 1 600 caractères de sortie, quand des modèles Qwen comparables en produisent 3,5 à 4 fois plus. Cette concision réduit le coût réel de chaque tâche.

Sous licence Apache 2.0, Small 4 se télécharge, se modifie et s’utilise commercialement sans redevance. Son auto-hébergement exige toutefois du matériel lourd : au minimum quatre GPU NVIDIA H100, deux H200 ou un serveur DGX B200. Notre guide sur l’auto-hébergement des modèles Mistral détaille les options possibles.

Leanstral : prouver que le code fonctionne

Cet agent est l’annonce la plus discrète, et sans doute la plus visionnaire. Il s’agit du premier agent de code open source conçu pour Lean 4, un assistant de preuve formelle utilisé en mathématiques et en vérification logicielle.

Pourquoi la preuve formelle compte

Les agents de code comme Claude Code, Codex ou Devstral écrivent du code de plus en plus vite. Un humain doit pourtant encore le relire, le tester et le corriger. La preuve formelle propose une autre approche. Au lieu de tester un programme sur des exemples, qui ne couvrent jamais tous les cas, on démontre mathématiquement qu’il respecte sa spécification. Si la preuve est validée, le code est correct par construction.

Un rapport qualité-prix frappant

Mistral a évalué Leanstral sur FLTEval, un test qui mesure la capacité à compléter des preuves dans de vrais projets. Avec deux tentatives par preuve, Leanstral obtient 26,3 pour 36 dollars de calcul, contre 23,7 pour 549 dollars avec Claude Sonnet 4.6. Claude Opus 4.6 restait meilleur en qualité brute, avec 39,6. Il coûtait en revanche 1 650 dollars, soit environ 46 fois plus. L’agent est intégré à Mistral Vibe, l’agent de code de Mistral, et il s’appuie sur le protocole MCP.

Mistral Forge : entraîner son propre modèle

Cette plateforme s’adresse aux grandes organisations. Elle leur permet de construire un modèle à partir de leurs propres données, du pré-entraînement à l’apprentissage par renforcement, en passant par l’ajustement supervisé. Elle prend en charge les architectures denses et à experts, ainsi que le texte, l’image et l’audio. Forge se distingue ainsi des deux approches courantes. L’ajustement fin modifie un modèle existant à la marge, tandis que le RAG ajoute du contexte au moment de la question sans toucher au modèle.

Les premiers partenaires annoncés donnent d’ailleurs le ton : l’Agence spatiale européenne, Ericsson, ASML, Reply et deux agences de Singapour, DSO et HTX. Ces secteurs très réglementés exigent de garder la maîtrise de leurs données. Forge est aujourd’hui disponible pour tous, sans tarif public : l’accès passe par l’équipe commerciale. Notre article sur Mistral en entreprise détaille la plateforme, ses modes de déploiement et son offre de calcul européenne.

La coalition Nemotron de NVIDIA

Mistral a aussi rejoint la coalition Nemotron de NVIDIA, aux côtés de Black Forest Labs, Cursor, LangChain, Perplexity, Reflection AI, Sarvam et Thinking Machines Lab. Avec NVIDIA, la startup développe le premier projet de la coalition : un modèle de base ouvert, entraîné sur DGX Cloud. Ce modèle doit servir de socle à la famille Nemotron 4. Le partenariat donne à Mistral un accès à la puissance de calcul dont il a besoin pour entraîner de très grands modèles. Nemotron 4 n’était pas encore sorti début octobre 2026.

Ce qui s’est passé depuis

Mistral a gardé un rythme soutenu. Le modèle Medium 3.5, sorti au printemps 2026, est devenu le modèle par défaut du Chat et de l’agent de code Vibe. Ce modèle de 128 milliards de paramètres atteint 77,6 % sur SWE-Bench Verified. Il est en revanche publié sous une licence MIT modifiée, plus restrictive qu’Apache 2.0. Small 4 reste de son côté le petit modèle de référence de la gamme. Mistral a par ailleurs levé 830 millions de dollars de dette en mars pour construire un centre de données à Bruyères-le-Châtel, dans l’Essonne. Pour suivre toute la gamme, notre guide pour maîtriser Mistral fait le point sur chaque modèle.

Notre avis

Ces annonces ont marqué un tournant pour Mistral. Avec Forge, la startup entre sur le marché de la personnalisation profonde des modèles, dominé jusqu’ici par les géants du cloud. Grâce à Leanstral, elle s’attaque à un problème que peu d’acteurs traitent en open source : la vérification du code produit par l’IA. La version 1.5 a d’ailleurs confirmé l’intérêt de cette piste.

Small 4 reste pourtant le produit le plus utile au quotidien : un seul modèle, une seule facture et trois compétences. Son architecture est élégante, et les retours sont bons sur les tâches structurées et le code. Les benchmarks publiés par Mistral restent toutefois sélectifs, et l’auto-hébergement demande un matériel coûteux. Six mois plus tard, la levée de septembre montre que les investisseurs croient à cette stratégie. Mistral doit maintenant prouver qu’il tient ses promesses à grande échelle.