Mistral et Le Chat : le champion européen de l’IA décrypté

En moins de trois ans, une start-up parisienne fondée par trois anciens chercheurs de DeepMind et Meta est passée de zéro à 400 millions de dollars de revenus annuels récurrents. Mistral AI ne se contente plus de publier des modèles open source : l’entreprise construit un écosystème complet — assistant gratuit, agent de code terminal, plateforme développeur, offre entreprise souveraine — qui la place en concurrente directe de ChatGPT, Claude et Gemini. Avec un argument que personne d’autre ne peut avancer : tout est hébergé en Europe, conçu pour le RGPD, et une bonne partie du code est libre.

Ce premier article de la série « De zéro à machine de guerre avec Mistral » pose les bases. Qui est Mistral, quels modèles propose l’entreprise, que fait Le Chat, où Mistral excelle et où les concurrents font mieux. Vous repartirez avec un compte Le Chat configuré et une idée claire de ce que cet outil peut — et ne peut pas — faire pour vous.

Mistral AI : de Paris aux ligues mondiales en trois ans

Mistral AI est née en avril 2023 dans un bureau parisien, cofondée par trois trentenaires : Arthur Mensch, ancien chercheur chez Google DeepMind (Polytechnique, thèse en machine learning à l’Inria), Guillaume Lample, co-créateur de LLaMA chez Meta, et Timothée Lacroix, également chercheur chez Meta. Tous trois se connaissent depuis l’École polytechnique — une décennie de collaboration avant de lancer leur entreprise.

La suite est un cas d’école de croissance rapide. Trois levées de fonds totalisant plus de 2,7 milliards d’euros entre 2023 et 2025, dont un tour de 1,7 milliard mené par le néerlandais ASML en septembre 2025. Valorisation : 13,8 milliards de dollars en avril 2026. Revenus annuels récurrents : 400 millions de dollars début 2026, contre 20 millions un an plus tôt. En février 2026, Mistral a racheté Koyeb (informatique serverless) pour renforcer son offre de calcul, et signé un accord-cadre avec le ministère des Armées français pour fournir des solutions d’IA souveraine.

L’entreprise construit aussi ses propres datacenters : un investissement de 1,2 milliard d’euros à Borlänge (Suède) et un prêt de 830 millions de dollars pour un site à Bruyères-le-Châtel (Essonne), où seront installées 13 800 puces NVIDIA GB300. En clair, Mistral ne dépend plus uniquement des clouds américains pour entraîner et servir ses modèles.

Les modèles Mistral en avril 2026 : la gamme complète

La force de Mistral, c’est sa gamme de modèles, chacun optimisé pour un usage précis. Contrairement à OpenAI ou Anthropic qui gardent leurs poids sous clé, la majorité des modèles Mistral sont téléchargeables gratuitement sous licence Apache 2.0.

Mistral Large 3 : le flagship

Sorti en décembre 2025, Mistral Large 3 est le plus gros modèle open-weight publié par un labo majeur. C’est une architecture Mixture-of-Experts (MoE) de 675 milliards de paramètres totaux, dont 41 milliards actifs par token. Fenêtre de contexte de 256 000 tokens — l’équivalent d’un roman de 500 pages traité en une seule passe. Il excelle en raisonnement, en analyse de documents longs et en multilinguisme (40+ langues natives). Licence Apache 2.0.

Ses limites : la vitesse d’inférence est modeste (~38 tokens/s selon Artificial Analysis) — le prix à payer pour 675 milliards de paramètres. Et face aux modèles propriétaires de pointe comme Claude Opus 4.6 ou GPT-5.4 sur les benchmarks de raisonnement les plus exigeants (GPQA Diamond, AIME), Large 3 reste en retrait.

Mistral Small 4 : le couteau suisse

Lancé le 16 mars 2026, Small 4 est le modèle le plus stratégique de la gamme. Il unifie en un seul checkpoint quatre capacités qui nécessitaient auparavant des modèles séparés : l’instruction (ex-Mistral Small), le raisonnement (ex-Magistral), la vision multimodale (ex-Pixtral) et le code agentique (ex-Devstral). Architecture MoE avec 128 experts, 119 milliards de paramètres totaux mais seulement 6 milliards actifs par token — le coût d’inférence d’un modèle dense de ~8B.

La fonctionnalité clé : le paramètre reasoning_effort, configurable par requête. Réglez-le sur « none » pour des réponses flash à la vitesse de l’ancien Small 3.2. Passez à « high » pour un raisonnement profond, étape par étape, comparable à Magistral. Un seul modèle, un seul endpoint, un seul déploiement. Fenêtre de contexte de 256K tokens, licence Apache 2.0, prix API : 0,15 $ / million de tokens en entrée, 0,60 $ en sortie — parmi les modèles multimodaux à raisonnement configurable les moins chers du marché.

Mistral Medium 3 : l’équilibre

Tier intermédiaire entre Small et Large, Medium 3 offre un bon compromis performance/coût pour les usages courants. C’est le modèle qui propulse Le Chat pour les utilisateurs Free et Pro au quotidien. Prix API : 0,40 $/1,00 $ par million de tokens (entrée/sortie).

Ministral 3 : l’IA de poche

Déclinés en trois tailles (3B, 8B, 14B), les modèles Ministral sont conçus pour tourner sur du matériel modeste : laptop, smartphone, drone, appareil embarqué. Tous sous Apache 2.0. La variante raisonnement du 14B atteint 85 % sur AIME 2025 — un score remarquable pour un modèle de cette taille. Ce sont les modèles que vous ferez tourner en local avec Ollama ou llama.cpp (nous y reviendrons dans l’article 8 de cette série).

Les modèles spécialisés

Devstral 2 (123B dense, 256K contexte) : le modèle de code qui propulse Mistral Vibe, l’agent de code terminal concurrent de Claude Code. Voxtral TTS (4B) : synthèse vocale en 9 langues, clonage vocal zero-shot avec 3 secondes de référence, assez léger pour tourner sur un smartphone. Leanstral : agent de preuves formelles pour Lean 4, un outil de niche mais qui montre l’ambition technique de Mistral. Mistral OCR 3 : extraction de texte depuis des documents scannés, accessible via API.

Le Chat : l’assistant gratuit qui en fait plus que prévu

Le Chat (chat.mistral.ai) est l’interface grand public de Mistral. Disponible sur le web, iOS et Android, il donne accès aux modèles Mistral via une interface de conversation classique. La bonne surprise : la majorité des fonctionnalités sont accessibles gratuitement, avec un compte basique.

Ce que Le Chat fait nativement, sans abonnement payant :

• Recherche web avec sources — Le Chat interroge le web en temps réel et cite ses sources, avec un partenariat AFP pour l’accès à des dépêches vérifiées.
• Deep Research — Un mode de recherche approfondie qui planifie, cherche, synthétise et produit un rapport structuré avec références. L’équivalent Mistral des Deep Research de Gemini et ChatGPT.
• Canvas — Un espace d’édition collaborative pour créer, modifier et itérer sur du texte ou du code, avec versioning. Comparable aux artifacts de Claude et au canvas de ChatGPT.
• Génération d’images — Via le modèle Flux, directement dans la conversation.
• Upload et analyse de documents — PDF, images, fichiers texte — Le Chat les lit, les analyse et répond à vos questions dessus.
• Mode vocal — Transcription et conversation vocale via Voxtral.
• Flash Answers — Des réponses générées à ~1 000 mots par seconde pour les requêtes simples. Impressionnant à l’usage.

Le tout, sans payer un centime. C’est l’argument qui distingue Le Chat de ses concurrents directs : chez Claude, la recherche web et les projets nécessitent un abonnement Pro à 20 $/mois. Chez ChatGPT, le Deep Research et DALL-E 3 sont réservés aux abonnés Plus (20 $) ou Pro (200 $).

Au-delà du Chat : l’écosystème complet de Mistral

Le Chat n’est que la porte d’entrée. Mistral a construit un écosystème complet qui couvre toute la chaîne de valeur de l’IA :

Mistral Vibe est un agent de code terminal — l’équivalent Mistral de Claude Code. Propulsé par Devstral 2, il s’installe dans votre terminal, comprend votre codebase complet, et exécute des tâches de développement en langage naturel : écriture de code, refactoring, tests, déploiement. Nous lui consacrons l’article 6 de cette série.

AI Studio (anciennement La Plateforme) est la console développeur : clés API, tableau de bord, fine-tuning, playground. C’est par là que passent les développeurs et les entreprises qui intègrent les modèles Mistral dans leurs applications. L’article 7 couvre ce sujet en détail.

Forge, annoncé en mars 2026 à NVIDIA GTC, est la plateforme d’entraînement de modèles sur données propriétaires. Pas du simple fine-tuning : du pre-training complet, du SFT, du RLHF, de la génération de données synthétiques. Des clients comme ASML (semi-conducteurs), Ericsson (5G) et l’Agence spatiale européenne l’utilisent déjà. Nous en parlerons dans l’article 9.

Spaces CLI, publié fin mars 2026, est un outil en ligne de commande qui permet de monter un projet multi-services (base de données, hot reload, Dockerfiles) en trois commandes. Conçu pour que les agents IA puissent aussi l’opérer sans intervention humaine.

Mistral vs. ChatGPT vs. Claude vs. Gemini : la comparaison honnête

Pas de tableau « Mistral gagne partout ». Voici où Mistral excelle, et où les concurrents font objectivement mieux.

Où Mistral est le meilleur choix

Souveraineté et RGPD. Serveurs en Europe, données traitées en Europe, conformité RGPD native. Pour une banque européenne, un cabinet juridique français ou un acteur de la défense, c’est un argument décisif. Ni OpenAI, ni Anthropic, ni Google ne peuvent offrir cette garantie sans montages complexes.

Prix. Le Chat gratuit offre plus de fonctionnalités que les tiers gratuits de Claude et ChatGPT. Le Chat Pro à 14,99 $/mois est 5 $ moins cher que ses concurrents directs. L’API Small 4 à 0,15 $/million de tokens en entrée est parmi les modèles multimodaux les plus abordables du marché.

Open source. Large 3 et Small 4 sont sous Apache 2.0 — téléchargeables, modifiables, déployables sans restriction commerciale. Vous pouvez faire tourner un modèle Mistral sur vos propres serveurs, sans envoyer une seule requête à l’extérieur. C’est une liberté que ni OpenAI ni Anthropic n’offrent.

Où les concurrents font mieux

Raisonnement de pointe. Sur les benchmarks les plus exigeants (GPQA Diamond, AIME 2025), les modèles frontier propriétaires — Claude Opus 4.6, GPT-5.4, Gemini 3 Pro — restent devant Mistral Large 3. Si votre usage requiert le meilleur raisonnement absolu sur des problèmes très complexes, Mistral n’est pas encore au niveau.

Écosystème d’applications. ChatGPT bénéficie d’un catalogue de plugins, d’intégrations tierces, d’un mode voix avancé et d’un écosystème applicatif plus mature. Le Chat est plus jeune et plus nu à ce niveau.

Contexte ultra-long. Claude propose une fenêtre de contexte allant jusqu’à 680K tokens en production, et Gemini monte à plus d’un million. Mistral plafonne à 256K — suffisant pour la plupart des usages, mais pas pour ingérer des codebases entières ou des corpus juridiques massifs en une passe.

Voix et vidéo. ChatGPT Advanced Voice Mode et Gemini Live proposent des interactions vocales en temps réel bien plus abouties que le mode vocal de Le Chat. Si la conversation orale avec l’IA est centrale dans votre usage, Mistral est en retard.

Pour qui Mistral est le bon choix — et pour qui il ne l’est pas

Mistral est fait pour vous si : vous travaillez avec des données sensibles en Europe et la conformité RGPD est non négociable. Vous êtes développeur et vous voulez auto-héberger vos modèles sans dépendance vendor. Vous avez un budget limité (ou zéro budget) et vous cherchez un assistant IA puissant et gratuit. Vous êtes convaincu par l’open source et vous voulez pouvoir inspecter, modifier et fine-tuner vos modèles. Vous êtes une PME française qui veut un outil en français, rapide, et qui ne coûte pas 20 $/mois par utilisateur.

Mistral n’est probablement pas pour vous si : vous avez besoin du raisonnement le plus puissant disponible sur des tâches de recherche complexes — Claude Opus 4.6 et GPT-5.4 sont encore devant. Vous dépendez d’un écosystème d’intégrations tierces riche (plugins, connecteurs, apps) — ChatGPT a une longueur d’avance. Vous travaillez avec des contextes très longs (500K+ tokens) de façon régulière — Claude et Gemini gèrent mieux. Vous voulez des interactions vocales avancées en temps réel — ChatGPT et Gemini sont plus aboutis.

En réalité, beaucoup de professionnels combinent plusieurs outils. Mistral pour le quotidien (recherche, rédaction, code rapide), Claude pour le raisonnement long et l’écriture de qualité, ChatGPT pour l’écosystème d’apps. Nous verrons comment construire ce type de setup hybride dans l’article 10 de cette série.

Vos cinq premières minutes sur Le Chat

Passer de la lecture à l’action ne prend pas plus de cinq minutes.

Vous venez de tester les quatre piliers de Le Chat : conversation, recherche, documents et édition. Dans le prochain article, nous attaquerons le prompt engineering appliqué à Mistral — comment exploiter le dial reasoning_effort, structurer vos prompts pour tirer le meilleur de Small 4 et Large 3, et éviter les erreurs que font 90 % des utilisateurs.

Ce qu’il faut retenir

Mistral AI n’est plus la « petite start-up française de l’IA ». C’est un acteur de rang mondial avec une gamme de modèles complète, un assistant gratuit qui rivalise avec les offres payantes de ses concurrents, et un positionnement souverain unique. Pour un utilisateur francophone, c’est aujourd’hui l’outil le plus accessible pour commencer à travailler avec l’IA : gratuit, rapide, en français, sans avoir à se soucier de savoir où partent ses données.

Les limites existent et sont réelles : Mistral ne bat pas Claude ou GPT-5.4 sur le raisonnement de pointe, l’écosystème d’apps est plus jeune, et le contexte long reste en retrait. Mais pour 80 % des usages quotidiens — rédaction, recherche, analyse de documents, code, brainstorming — Le Chat fait le travail, souvent aussi bien, parfois mieux, et toujours moins cher.

Le vrai test, c’est de l’essayer. Ouvrez Le Chat, donnez-lui une vraie tâche, et jugez par vous-même. C’est la seule façon de savoir si cet outil a sa place dans votre quotidien.

Article suivant : Écrire de bons prompts sur Le Chat : les spécificités Mistral — comment passer de « ça marche moyen » à « c’est exactement ce que je voulais ».