Mistral propose sur sa plateforme le modèle GLM, en libre accès (poids ouverts), du laboratoire chinois Zhipu AI. Ce choix, qui a fait réagir dans le milieu français de la tech, répond selon la source à un pari à la fois financier et technique, et il a préparé l’arrivée de Mistral Large 4, un modèle de 1 000 milliards de paramètres sorti début octobre.
- Mistral propose le modèle chinois GLM pour générer des revenus récurrents.
- Cette stratégie compense le coût très élevé des infrastructures de calcul.
- Elle séduit les entreprises qui exigent une inférence souveraine.
- Mistral Large 4 doit devenir le modèle par défaut à terme.
Certains y ont vu une trahison de la promesse de souveraineté de l’entreprise, d’autres une évolution vers une activité de conseil et de cloud. Pour l’essentiel, l’explication est d’abord comptable. Les éditeurs d’IA dépensent des sommes considérables dans les infrastructures physiques, les processeurs graphiques (GPU), pour entraîner leurs modèles. Dans le dossier d’introduction en Bourse d’Anthropic, cité par la source, figurent ainsi 7,33 milliards de dollars dépensés en calcul en 2025, pour 4,6 milliards de revenus.
Mistral dispose de moyens bien inférieurs à ceux d’OpenAI ou d’Anthropic, malgré plusieurs levées de fonds successives, dont 1,7 milliard d’euros en 2025. L’intégration de GLM vise donc à créer une source de revenus récurrents, en facturant aux entreprises chaque réponse produite au sein de leurs services. « C’est clairement un très bon business, qui apporte du récurrent dans leurs revenus, avec des capex qui s’amortissent », explique Bilal El Alamy, cofondateur et CEO de Pyratz (venture builder).
Une offre pensée pour l’inférence souveraine
Mistral s’inspire aussi de Palantir et de ses ingénieurs détachés chez le client, appelés « forward deployed engineers ». Présents sur place, ces ingénieurs installent et déploient les technologies, et conseillent les entreprises sur l’IA en général. Cette présence permet à Mistral de s’implanter auprès des grands comptes, notamment autour de l’IA souveraine, un segment où Marc Trilling, président et cofondateur de Saegus, voit « une forte perspective de croissance ».
Selon Saegus, qui conseille les entreprises du CAC 40, celles-ci s’intéressent moins à l’origine d’un modèle qu’à l’endroit où tourne son inférence, c’est-à-dire le processus qui permet de le faire fonctionner sur des serveurs. Mistral affirme dans un billet de blog du 11 août que GLM et les futurs modèles tiers « tourneront sur la même infrastructure, avec les mêmes contrôles régionaux et les mêmes engagements de service » que ses propres modèles.
Cette demande répond à un besoin concret. Nicolas Gaudemet, chief AI officer de Onepoint, observe que « certains de nos clients ont de vrais enjeux de souveraineté », notamment dans le secteur public, sur des données hypersensibles. Pour de nombreuses entreprises, faire tourner ces modèles sur site ou sur leurs propres infrastructures cloud reste trop coûteux, car les modèles actuels sont très lourds. Selon lui, l’interface de Mistral devient alors la solution la plus logique. Il cite Scaleway, OVHcloud, Cloud Temple et Mistral comme les seuls acteurs proposant actuellement un accès souverain par API, à grande échelle, à des modèles frontières.
Un banc d’essai pour les modèles frontières
Héberger GLM offre aussi à Mistral l’occasion d’apprendre à faire tourner un modèle frontière à grande échelle sur sa propre infrastructure. Servir proprement des milliers de clients avec des modèles de plusieurs centaines de milliards de paramètres est délicat, et OpenAI comme Anthropic s’y sont heurtés, même si leur clientèle est sans commune mesure. Bilal El Alamy estime que, une fois l’infrastructure en place, Mistral pourra rattraper ses concurrents en profitant des bonnes pratiques existantes.
Mistral Large 4 reste en retrait par rapport aux modèles chinois et américains les plus performants. Entraîner un modèle de 1 000 milliards de paramètres avec seulement 4 000 puces Nvidia Grace Blackwell constitue toutefois, selon la source, une réussite technique. « On pense vraiment avoir trouvé la bonne méthode pour itérer », résume Pierre Stock, VP science de Mistral AI.
Les capacités de calcul achetées avec la levée de série C, annoncée en septembre 2025, ne seront pleinement opérationnelles qu’entre fin octobre 2026 et début 2027. D’ici là, GLM n’a pas vocation à rester au premier plan. « Le plan est évidemment d’avoir ML4 comme modèle par défaut dans tous nos produits », assure Pierre Stock. Guillaume Lample, cofondateur et chief science officer de Mistral, précise que le modèle chinois restera au catalogue, mais que « par défaut, l’objectif est évidemment de mettre en avant Mistral Large 4 ».
