Qu’est-ce que Magistral, le premier modèle de raisonnement de Mistral?

Hier, mardi 10 juin 2025, l’entreprise française Mistral AI a annoncé Magistral, son premier modèle de raisonnement. Les modèles de raisonnement, une catégorie ouverte par OpenAI avec o1 l’an dernier et popularisée par DeepSeek avec R1 en janvier, rédigent une chaîne d’étapes intermédiaires avant de donner leur réponse finale. Cette réflexion supplémentaire les rend meilleurs en mathématiques, en logique, en programmation et en planification.

Mistral a lancé Magistral en deux versions à la fois, avec un article de recherche qui décrit comment elle les a entraînées. L’entreprise met l’accent sur trois choses que, selon elle, les premiers modèles de raisonnement maîtrisent mal : la profondeur dans les domaines professionnels, la transparence et un raisonnement cohérent dans d’autres langues que l’anglais.

Ce que Mistral a lancé

L’AIME (American Invitational Mathematics Examination) est un concours de mathématiques difficile destiné aux élèves du secondaire, souvent utilisé pour tester les modèles de raisonnement. « Majorité sur 64 essais » signifie que le modèle répond 64 fois à chaque problème et que la réponse la plus fréquente est retenue, une technique qui fait monter les scores, mais qui coûte plus de calcul. Un paramètre est l’un des nombres ajustables à l’intérieur d’un modèle; 24 milliards, c’est assez petit pour une seule machine puissante.

Dans Le Chat, le robot conversationnel de Mistral, Magistral Medium alimente un nouveau mode Think (réflexion). Combiné à Flash Answers, une fonction de vitesse, il produit du texte jusqu’à dix fois plus vite que la plupart des concurrents, selon Mistral.

Comment Magistral a été entraîné

L’article explique la méthode en détail. Mistral est partie de Mistral Medium 3, un modèle ordinaire lancé en mai, et lui a appris à raisonner uniquement par apprentissage par renforcement (reinforcement learning, RL) : le modèle s’attaque à des problèmes, ses réponses sont notées automatiquement, et il se déplace graduellement vers ce qui lui vaut de meilleurs scores. Contrairement à certains rivaux, Mistral n’a pas copié d’exemples de raisonnement tirés du modèle de raisonnement d’un autre laboratoire pour lui donner une longueur d’avance. L’entreprise affirme que l’apprentissage par renforcement seul a amélioré de près de 50 % le score AIME à un seul essai de Medium 3.

La clé est une récompense vérifiable, un score qu’un ordinateur peut contrôler sans jugement humain. Pour chaque problème auquel le modèle répondait, le système de Mistral attribuait des points à peu près ainsi :

L’algorithme d’entraînement, une version modifiée de GRPO (Group Relative Policy Optimization), fait répondre le modèle plusieurs fois au même problème et compare les réponses au sein de ce groupe. Les réponses qui dépassent la moyenne du groupe sont renforcées. Imaginez un enseignant qui corrige une pile de tentatives pour un même exercice en les comparant entre elles, plutôt qu’à l’avis d’un expert de l’extérieur.

La récompense liée à la langue corrige une bizarrerie. Sans elle, Mistral a constaté que le raisonnement du modèle dérivait vers un mélange d’anglais, de chinois et de russe. Traduire le dixième des problèmes d’entraînement en français, en espagnol, en italien, en allemand, en chinois et en russe, et récompenser la concordance des langues, a suffi à faire raisonner le modèle dans la langue de l’utilisateur. Les auteurs rapportent qu’il y est ensuite parvenu même dans des langues sur lesquelles il n’avait pas été précisément entraîné.

Un exemple concret

Comme Magistral raisonne dans votre langue et montre ses étapes, il convient aux problèmes dont vous voulez vérifier la logique. Un prompt en français pourrait ressembler à ceci :

Une boulangerie vend des croissants à 1,80 € et des pains au chocolat
à 2,10 €. Samedi, elle a vendu 240 viennoiseries pour 465 €.
Combien de croissants a-t-elle vendus? Montre ton raisonnement.

Un modèle de raisonnement poserait deux équations (les croissants plus les pains au chocolat font 240; leurs prix multipliés par les quantités font 465), les résoudrait et trouverait 130 croissants et 110 pains au chocolat, chaque étape étant rédigée en français pour que vous puissiez la vérifier.

Pourquoi c’est important

Magistral complète la gamme de Mistral : l’entreprise a maintenant une option de raisonnement à côté de ses modèles généraux, et l’une des deux versions est entièrement ouverte. Les développeurs peuvent télécharger Magistral Small, examiner comment il raisonne et bâtir dessus, ce que Mistral les invite explicitement à faire.

Mistral le destine aussi aux secteurs réglementés comme le droit, la finance, la santé et l’administration publique, où une chaîne de raisonnement traçable peut faciliter les audits. Elle énumère des usages allant de l’évaluation des risques et de la planification des livraisons à la conception de logiciels et à l’écriture créative.

TechCrunch propose un regard plus sobre : Mistral a été plus lente que certains grands laboratoires à lancer un modèle de raisonnement, et selon les propres graphiques de Mistral, Magistral Medium se classe derrière Claude Opus 4 (d’Anthropic) et Gemini 2.5 Pro (de Google) à plusieurs tests de sciences, de mathématiques et de programmation. Ses arguments distinctifs sont la vitesse, la couverture linguistique et l’ouverture plutôt que les meilleurs scores. Mistral dit prévoir de mettre les modèles à jour rapidement.

Comment essayer Magistral dès aujourd’hui?

Le moyen le plus rapide est Le Chat, le robot conversationnel de Mistral, sur le Web ou dans ses applications mobiles. Un aperçu de Magistral Medium alimente son mode Think; activez-le et posez une question qui gagne à être raisonnée étape par étape. Les développeurs peuvent appeler le même aperçu par l’API de La Plateforme de Mistral, ou par Amazon SageMaker et IBM watsonx.

Si vous préférez faire tourner un modèle vous-même, Magistral Small se trouve sur Hugging Face sous le nom Magistral-Small-2506, avec la licence permissive Apache 2.0, qui autorise l’usage commercial. Il vous faudra un ordinateur doté d’une carte graphique performante ou de beaucoup de mémoire pour faire tourner confortablement un modèle de 24 milliards de paramètres.

Quelle que soit la version utilisée, donnez-lui d’abord des problèmes dont les bonnes réponses sont claires, comparez son raisonnement au vôtre, et rappelez-vous que les résultats aux bancs d’essai publiés jusqu’ici viennent de Mistral elle-même.