Réponse courte
Mistral Medium 3 est un modèle de langage de taille moyenne destiné aux entreprises, que l’entreprise française Mistral AI a lancé le 7 mai 2025. Mistral affirme qu’il atteint au moins 90 % des résultats de Claude 3.7 Sonnet aux bancs d’essai pour une fraction du prix (0,40 $ US par million de jetons en entrée et 2 $ US par million de jetons en sortie), et que les entreprises peuvent le faire tourner sur leurs propres serveurs avec aussi peu que quatre GPU et poursuivre son entraînement sur leurs propres données.
Question de suivi Comment décider si un modèle de taille moyenne comme Mistral Medium 3 suffit pour votre projet?
Hier, le 7 mai 2025, Mistral AI a annoncé Mistral Medium 3, un nouveau modèle qui vise directement les entreprises. La jeune pousse parisienne a résumé son argument dans le titre de son annonce, Medium is the new large (le moyen est le nouveau grand) : un modèle de taille modérée qui, selon Mistral, offre des performances proches de systèmes bien plus gros et plus coûteux, tout en coûtant beaucoup moins cher à utiliser.
Mistral, fondée en 2023, a bâti sa réputation sur des modèles efficaces, à commencer par Mistral 7B. Medium 3 poursuit dans cette voie, mais il s’adresse moins aux amateurs qui téléchargent des modèles qu’aux banques, aux sociétés d’énergie et aux hôpitaux qui veulent de l’IA dans leurs propres systèmes.
Ce que Mistral a lancé
Les chiffres clés viennent de Mistral elle-même :
| Affirmation | Détail |
|---|---|
| Prix (API) | 0,40 $ US par million de jetons en entrée, 2 $ US par million de jetons en sortie |
| Performance | 90 % ou plus de Claude 3.7 Sonnet sur l’ensemble des bancs d’essai, selon Mistral |
| Par rapport aux modèles ouverts | Devant Llama 4 Maverick (de Meta) et Command A (de Cohere), selon Mistral |
| Points forts | Programmation, STIM (sciences, technologies, ingénierie et mathématiques) et compréhension d’images |
| Hébergement autonome | Tourne sur quatre GPU ou plus, dans n’importe quel nuage ou sur les serveurs de l’entreprise |
Un jeton est un morceau de texte, souvent une partie de mot; TechCrunch estime qu’un million de jetons équivaut à environ 750 000 mots. Un GPU est la puce graphique qui sert à faire tourner les modèles d’IA; quatre GPU, c’est une installation de serveur modeste selon les normes des grands modèles.
Le modèle est offert dès le jour du lancement par le service pour développeurs de Mistral, La Plateforme, et par Amazon SageMaker; IBM watsonx, NVIDIA NIM, Azure AI Foundry de Microsoft et Google Cloud Vertex sont annoncés pour bientôt. L’annonce ne propose aucun téléchargement public; les entreprises qui veulent le faire tourner dans leur propre environnement sont invitées à communiquer avec Mistral.
Le même jour, selon TechCrunch, Mistral a rendu Le Chat Enterprise accessible à tous. C’est une version pour les entreprises de son assistant Le Chat, avec un outil pour créer des agents d’IA et des connexions à des services comme Gmail, Google Drive et SharePoint.
Comment est-il censé être utilisé?
La plupart des entreprises accèdent aux modèles d’IA par une API, un service Web auquel on envoie du texte et dont on reçoit des réponses, en payant au jeton. C’est simple, mais certaines organisations ne peuvent pas envoyer de données sensibles, comme des dossiers médicaux ou des transactions bancaires, à un service externe. D’autres veulent que le modèle connaisse à fond leur vocabulaire et leurs documents.
Mistral Medium 3 est conçu pour les deux cas. En plus de l’API, il peut tourner de plusieurs façons :
- Sur place : sur des serveurs qui appartiennent à l’entreprise.
- Dans un VPC (nuage privé virtuel) : une section clôturée de l’infrastructure d’un fournisseur infonuagique, réservée à un seul client.
- En mode hybride : un mélange des deux.
Mistral offre aussi d’adapter le modèle. L’ajustement fin (fine-tuning) consiste à poursuivre l’entraînement d’un modèle terminé sur les exemples d’une entreprise pour qu’il apprenne un style ou une tâche. Le préentraînement continu (continued pretraining) va plus loin : on lui fournit de grandes quantités de textes de l’entreprise pour qu’il assimile les connaissances du domaine. Mistral affirme que le modèle peut être relié à la base de connaissances d’une entreprise, son répertoire interne de documents, pour que les réponses s’appuient sur de l’information à jour.
Une analogie aide. Un très grand modèle, c’est comme embaucher un consultant réputé : brillant, mais cher et loin. Un modèle de taille moyenne que vous pouvez entraîner et héberger vous-même ressemble plutôt à un employé compétent que vous pouvez faire venir sur place, former à vos procédures et garder près des dossiers confidentiels.
Selon Mistral, des clients de la version bêta dans les services financiers, l’énergie et la santé l’utilisent déjà pour donner plus de contexte aux agents du service à la clientèle, pour personnaliser des processus d’affaires et pour analyser des ensembles de données complexes.
Un exemple concret : ce que veut dire l’écart de prix
Le prix au jeton semble abstrait; voici donc un calcul approximatif. Supposons qu’une équipe de soutien envoie 10 000 requêtes par jour, chacune avec 1 500 jetons en entrée (le message du client plus les documents pertinents) et 300 jetons en sortie.
| Élément | Par jour | Coût aux tarifs de Mistral Medium 3 |
|---|---|---|
| Entrée : 10 000 × 1 500 jetons | 15 millions de jetons | 15 × 0,40 $ US = 6,00 $ US |
| Sortie : 10 000 × 300 jetons | 3 millions de jetons | 3 × 2 $ US = 6,00 $ US |
| Total | environ 12 $ US par jour |
Ce calcul est au cœur de l’argument de Mistral : si un modèle offre presque la qualité d’un modèle haut de gamme pour une petite part du coût, beaucoup de tâches d’affaires courantes deviennent assez bon marché pour être automatisées.
À essayer : estimez de la même façon une tâche d’IA que vous avez en tête : combien de requêtes par jour, environ combien de mots en entrée et en sortie (multipliez les mots par environ 1,3 pour obtenir les jetons) et le prix par million de jetons. Comparer deux modèles sur papier de cette façon prend cinq minutes et règle souvent la question.
Pourquoi c’est important
Medium 3 illustre une tendance dans l’industrie : la course ne porte plus seulement sur le modèle le plus puissant, mais aussi sur le meilleur résultat par dollar. Mistral compare explicitement son prix à celui de DeepSeek V3, un modèle connu pour son faible coût, et affirme le battre tant par l’API qu’en hébergement autonome.
Il renforce aussi la position de Mistral comme fournisseur européen pour les organisations qui se soucient de l’endroit où se trouvent leurs données. TechCrunch mentionne des clients comme BNP Paribas, AXA et Mirakl, et rapporte que Mistral a levé plus de 1,1 milliard d’euros.
La prudence habituelle s’impose : les résultats aux bancs d’essai sont ceux de l’entreprise elle-même, et des tests indépendants diront s’ils tiennent la route sur du vrai travail. Mistral laisse aussi entendre qu’un modèle plus gros arrivera dans les prochaines semaines, et qu’il pourrait être plus ouvert.
Comment décider si un modèle de taille moyenne comme Mistral Medium 3 suffit pour votre projet?
Partez de la tâche, pas du modèle. Rassemblez de 20 à 50 exemples réels de ce dont vous avez besoin, comme des courriels de clients auxquels répondre, des documents à résumer ou du code à réviser, et notez à quoi ressemble une bonne réponse pour chacun. Passez les mêmes exemples dans un modèle de taille moyenne et dans un modèle haut de gamme, et comparez les résultats côte à côte.
Si le modèle de taille moyenne traite bien la plupart des cas, son coût plus bas et la possibilité de l’héberger vous-même peuvent l’emporter sur l’écart. S’il échoue sur les cas les plus difficiles, envisagez de n’envoyer que ceux-là au plus gros modèle. Tenez compte des règles de confidentialité, du volume prévu et de votre besoin éventuel d’ajustement fin, parce que ces facteurs comptent souvent autant que les résultats bruts aux bancs d’essai.
Sources
- Medium is the new large. — Mistral AI, 7 mai 2025
- Mistral claims its newest AI model delivers leading performance for the price — TechCrunch, 7 mai 2025