# Que pouvez-vous faire avec les poids de Mistral Large 4, et qu’interdit sa licence?

Date: 2026-10-30 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/mistral-large-4-poids-licence-materiel/

**Answer:** Mistral a publié les poids de Large 4 le 29 octobre 2026 : environ mille milliards de paramètres, 49 milliards actifs par jeton, entraînés en Europe. Vous pouvez les utiliser, les modifier et les vendre, et l’usage interne est gratuit à toute échelle, mais quiconque exploite une activité de modèle comme service doit obtenir une licence commerciale de Mistral, peu importe ses revenus.

Hier, Mistral AI a publié les poids de Mistral Large 4, surnommé Le Chonk, trois semaines après son aperçu public. Les **poids** sont les nombres appris d’un modèle, et ils permettent de le faire tourner sur votre propre matériel. Ce n’est pas le même modèle que l’aperçu. Mistral dit que ces trois semaines d’apprentissage par renforcement supplémentaire ont apporté de grands gains en code et en cybersécurité défensive, et qu’il utilise maintenant moins de jetons.

Pour un laboratoire européen qui vend la souveraineté, le message est clair : un grand modèle entraîné à partir de zéro en Europe, sur 3 800 puces NVIDIA Grace Blackwell dans les propres centres de données de Mistral, avec une filiation qu’on peut retracer.

## Ce qui a été publié

| Élément | Mistral Large 4 |
|---|---|
| Paramètres au total | Environ 1 000 milliards |
| Actifs par jeton | 49 milliards, ou 52 milliards avec les plongements et les couches de sortie |
| Experts | 128 routés, 4 actifs par jeton, plus 1 partagé |
| Fenêtre de contexte | 1 million de jetons |
| Entrées | Texte et images |
| Langues | Plus de 160, dont toutes les langues officielles de l’UE |
| Effort de raisonnement | Faible, moyen ou élevé (par défaut) |
| Licence | Mistral Ecosystem Open-Weight License |

Un **paramètre** est un nombre appris, et un **jeton** est un petit morceau de texte. Dans un modèle à *mixture of experts* (mélange d’experts), seule une partie travaille sur chaque jeton : les paramètres actifs fixent donc le calcul et le total, la mémoire. Voilà pourquoi vous verrez deux chiffres dans les sources : 49 et 52 milliards décrivent le même modèle, compté différemment.

## Ce qu’il faut pour le faire tourner

Celui-ci est gros. Le guide d’installation de vLLM, écrit avec le détail du service, donne ces chiffres :

| Version | Téléchargement | Mémoire par GPU sur 8 GPU | Validé sur |
|---|---|---|---|
| FP8 (8 bits) | Environ 1,06 To | Environ 128 Gio | GB300, et deux machines de 8 H200; AMD MI350X |
| NVFP4 (surtout 4 bits) | Environ 610 Go | Environ 76 Gio | GB300 (un plateau de 4 GPU), B200 |
| Quark MXFP4 (AMD) | Environ 578 Go | Tient sur 4 GPU | Série MI350 |

Voici la lecture simple. Une équipe a besoin d’un serveur de quatre à huit GPU de centre de données parmi les plus récents juste pour commencer, et de davantage pour de nombreuses personnes à la fois. Un PC standard est bien hors de portée. Il existe des fichiers GGUF communautaires pour llama.cpp, ainsi que des versions Unsloth, qui abaissent la barre, mais un modèle de cette taille reste hors d’atteinte du matériel ordinaire à la maison.

La plupart des gens utiliseront la voie hébergée : le modèle `mistral-large-4` sur l’API de Mistral, ou la galerie de démonstrations gratuite sur Hugging Face pendant sa première semaine.

## Comment il se compare

Les affirmations de Mistral sont précises, et certaines sont modestes. À l’indice Coding Agent d’Artificial Analysis, elle déclare 48 %, à égalité pratique avec GLM-5.3, en utilisant 47 % moins de jetons par tâche. À Terminal-Bench 4.0, elle déclare 41 %, soit 13 points de plus que l’aperçu, et dit que cela mène les modèles ouverts. Aux comparaisons à l’aveugle de Surge, elle dit que les évaluateurs l’ont préféré à Kimi K3, à GLM-5.3 et à d’autres modèles ouverts, derrière seulement Claude Opus 5.5.

Elle concède aussi une faiblesse. À l’indice Intelligence v5 d’Artificial Analysis, il obtient 26, le plus haut parmi les modèles ouverts occidentaux, mais sa fiche dit que les meilleurs modèles ouverts chinois obtiennent davantage au total. L’entreprise soutient que ses forces sont le code et la sécurité.

En sécurité, elle déclare 51 % à l’indice Cyber d’Artificial Analysis et un taux de refus de 96,6 % pour les requêtes malveillantes en cybersécurité, le plus élevé qu’elle ait mesuré parmi les modèles ouverts. L’ajustement fin peut affaiblir les protections une fois les poids publics : voyez cela comme une description du modèle tel que livré. Les citations du billet viennent d’entreprises qui travaillent avec Mistral, comme Booz Allen et Cisco : lisez-les dans ce contexte.

> **À essayer :** Mistral offre un angle bilingue que peu de laboratoires peuvent égaler. Faites cinq tâches en français du Québec sur le modèle hébergé, comme dans notre [guide pour essayer Large 4](/fr/apprendre/essayer-mistral-large-4/), et comparez-les aux résultats de l’aperçu, si vous les avez gardés.

## Pourquoi les poids comptent au Canada

Si vos données doivent rester sous votre contrôle, vous avez maintenant un autre choix hors des chaînes d’approvisionnement américaine et chinoise. Une organisation canadienne peut faire tourner ce modèle sur ses serveurs, et son français est une bonne raison de le tester pour le Québec. Rien ne quitte vos locaux en autohébergement, même si les puces, les logiciels et le soutien viennent encore de l’étranger. Pesez honnêtement le coût : à cette taille, l’autohébergement n’a de sens que pour de gros volumes réguliers ou des règles strictes sur les données.

## Avez-vous besoin d’une licence commerciale de Mistral?

La plupart des organisations, non. La licence est un MIT modifié qui accorde l’usage, la copie, la modification, la vente, la poursuite de l’entraînement et les œuvres dérivées. Voici le test :

| Votre situation | Licence commerciale requise? |
|---|---|
| Usage interne : rien n’est rendu accessible à des tiers | Non |
| Produit pour l’utilisateur final, avec le modèle intégré à des fonctions précises | Non |
| Relais de requêtes vers un modèle hébergé par quelqu’un d’autre | Non |
| Donner à des tiers un accès par API ou point de terminaison où ils contrôlent de façon significative les entrées, les paramètres ou les données d’entraînement | Oui |
| Vous, ou une société affiliée, exploitez une telle activité, même si ce modèle n’en fait pas partie | Oui, avant tout usage commercial |

Comparez avec ses pairs, et un détail ressort : **il n’y a pas de seuil de revenus**. La clause semblable de Kimi K3 commence à 20 M$ US et celle de GLM-5.3 à 10 milliards $ US. Une jeune pousse de deux personnes qui vend une API hébergée sur Large 4 a quand même besoin d’une licence. La dernière ligne est large aussi, puisque la clause vise un titulaire « or any of its affiliates » qui exploite une telle activité : c’est une clause à montrer à votre conseiller juridique.

La frontière entre « intégré » et « contrôle significatif » ne sera pas toujours nette. Un robot conversationnel de soutien sur votre site est clairement un produit. Une plateforme où les clients choisissent les prompts système, les paramètres et leurs propres données d’entraînement ressemble bien plus à un service. Si vous êtes près de cette ligne, utilisez le formulaire de contact de Mistral et obtenez une réponse par écrit.

C’est un changement de conditions pour cette gamme. Mistral Large 3 et Mistral Small 4 portent l’étiquette Apache 2.0 sur Hugging Face et restent offerts : une entreprise d’hébergement qui a besoin de cette liberté peut regarder de ce côté.

## Sources

- Mistral Large 4 model card: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B
- Mistral Ecosystem Open-Weight License: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/LICENSE
- Mistral Large 4 (Le Chonk) weights release: https://mistral.ai/news/mistral-large-4-oss/

---

Tiré du Guide de l’intelligence artificielle, par Robert Scales, publié par Holistic Hybrid inc. Partage et adaptation permis selon la licence CC BY-NC-SA 4.0 (https://creativecommons.org/licenses/by-nc-sa/4.0/) : citez le guide, mettez un lien vers https://guidetoartificialintelligence.com/fr/apprendre/mistral-large-4-poids-licence-materiel/, pas d’usage commercial sans permission, et gardez la même licence.