Mistral publie les poids de «Le Chonk», un modèle trillion‑paramètres entraîné en Europe

Mistral publie les poids de Large 4 «Le Chonk», modèle trillion‑paramètres entraîné en Europe. Il brille en codage mais affiche 26 points contre 32 pour DeepSeek V4.1 Flash et GLM‑5.3.

AXAGENIA / VEILLE IACybersécurité

Mistral a mis en ligne les poids de son modèle Large 4, surnommé «Le Chonk», un réseau d’environ un trillion de paramètres entraîné entièrement en Europe. La société affirme que ce modèle surpasse ses rivaux open source sur les tâches de codage.

Selon The Decoder, des tests indépendants confirment que Le Chonk est rapide et relativement économique à exécuter. Mais ces mêmes essais le placent encore derrière les meilleurs modèles chinois : Le Chonk obtient 26 points contre 32 pour DeepSeek V4.1 Flash et GLM‑5.3. Les détails méthodologiques des évaluations ne sont pas précisés.

Ce que Mistral annonce

Mistral a rendu publics les poids de Large 4, dit «Le Chonk», ce qui permet potentiellement aux chercheurs et aux entreprises d’exploiter ou de répliquer le modèle.

La société met en avant la capacité du modèle sur les tâches de génération de code, et insiste sur le fait que l’entraînement a été effectué en Europe. Ces éléments sont présentés par Mistral comme des avantages pour la souveraineté et l’accès aux modèles.

Résultats des tests indépendants

D’après The Decoder, des évaluations menées par des tiers montrent que Le Chonk se distingue par sa rapidité et un coût d’usage relativement faible. Ces tests semblent orientés vers des mesures de performance pratique plutôt que vers une seule métrique académique.

Il est important de noter que l’article ne détaille ni les protocoles précis ni les opérateurs des tests indépendants. Par conséquent, la portée exacte de ces résultats — par exemple les types de tâches de codage, les jeux de données ou l’infrastructure utilisée — reste incertaine.

Comparaison chiffrée

Sur la comparaison rapportée, Le Chonk obtient un score de 26 points. Les modèles cités comme référence, DeepSeek V4.1 Flash et GLM‑5.3, atteignent 32 points.

Ces chiffres indiquent un écart mesurable mais ne précisent pas l’ampleur pratique de la différence pour des usages concrets : un écart de score n’implique pas automatiquement une supériorité nette pour toutes les tâches ou conditions d’exploitation.

Conséquences potentielles pour l’écosystème européen

La publication des poids d’un modèle de cette taille, entraîné en Europe, est significative pour les acteurs locaux : elle facilite l’audit, la recherche et l’intégration au sein d’infrastructures régionales.

Cela peut aussi renforcer la compétitivité des offres européennes, surtout si l’accès aux poids permet d’optimiser le modèle pour des cas d’usage industriels et académiques. Toutefois, l’avance technique des modèles cités en Chine rappelle que la compétition reste mondiale et dépend de plusieurs facteurs au‑delà de la taille et de la disponibilité des poids.

Limites et incertitudes

  • Les tests indépendants mentionnés ne sont pas décrits en détail dans l’article ; on ignore le protocole exact et les charges de travail évaluées.
  • Les chiffres comparatifs (26 vs 32) donnent une indication générale mais ne suffisent pas à établir des conclusions définitives sur la supériorité en production.
  • Il reste incertain comment Le Chonk se comporte sur d’autres dimensions importantes : sécurité, robustesse, biais, consommation énergétique à grande échelle, ou performance sur tâches hors codage.

Que retenir

La mise à disposition des poids de Large 4 «Le Chonk» est une étape notable pour Mistral et pour l’écosystème européen : elle combine une capacité de grande échelle et une ouverture qui facilite l’expérimentation.

Mais, selon The Decoder, malgré de bonnes performances en codage et des coûts d’exécution compétitifs, Le Chonk reste derrière les meilleurs modèles chinois sur la comparaison rapportée. Des évaluations plus détaillées et reproductibles seront nécessaires pour mieux mesurer les forces et limites du modèle.

Article rédigé d’après The Decoder.