Mistral Large 4 en open weights : peut-on l’héberger chez soi ?

Le 29 octobre 2026, Mistral a publié sur Hugging Face les poids de Mistral Large 4, son plus gros modèle, surnommé « Le Chonk ». Mille milliards de paramètres, entraînés en France, téléchargeables par tous. Sur le papier, c’est exactement ce qu’une DSI européenne peut espérer : un modèle de premier plan, conçu en Europe, qu’on fait tourner sur ses propres machines sans dépendre d’une API américaine.

La réponse courte à la question du titre : oui, juridiquement presque toujours ; techniquement, seulement si « chez soi » veut dire un serveur d’au moins quatre cartes graphiques de dernière génération. Ce guide détaille ce que la licence autorise, combien de mémoire le modèle exige réellement, les configurations qui fonctionnent, ce que donne un poste de travail, et à partir de quel volume l’auto-hébergement devient rentable face à l’API.

Cet article complète notre guide Mistral on-premise : déployer un LLM sur ses propres serveurs, qui couvre les modèles plus légers de Mistral, et notre guide complet de Mistral AI.

En bref

• Mistral Large 4 compte 1 050 milliards de paramètres, dont 52 milliards actifs par token, avec une fenêtre de contexte d’un million de tokens (documentation Mistral).
• La licence (Mistral Ecosystem Open-Weight) autorise gratuitement l’usage interne et commercial, ainsi que l’affinage. Seule la revente à des tiers d’un accès au modèle exige un contrat avec Mistral.
• Le modèle entier doit tenir en mémoire : 1,06 To en FP8, 610 Go en NVFP4. Aucune carte graphique seule ne suffit.
• Configurations validées par la recette vLLM : 4 GPU GB300 en NVFP4 par défaut ; en FP8, 8 GPU B300 ou GB300, ou deux nœuds de 8 H200.
• Sur un poste de travail, seules des versions compressées à 1 ou 2 bits tiennent, avec une perte de qualité mesurable.
• Verdict : l’auto-hébergement se justifie pour des données sensibles ou un volume soutenu. Pour un usage modéré, l’API à 0,70 $ par million de tokens en entrée reste bien moins chère.
• Pour arbitrer entre modèle ouvert et API avec vos équipes : notre parcours IA générative pour choisir entre API et modèle auto-hébergé.

Ce que Mistral a publié

Mistral a ouvert Large 4 en deux temps. Une préversion, accessible uniquement par API, est sortie le 6 octobre 2026 (fiche du modèle). Les poids ont suivi le 29 octobre, après trois semaines supplémentaires d’apprentissage par renforcement, selon Fortune. L’annonce officielle détaille le modèle publié sur Hugging Face sous le nom mistralai/Mistral-Large-4-1T-A52B (Mistral, annonce de la version open weights).

Les caractéristiques qui comptent pour l’hébergement :

Mistral le présente comme un modèle orienté code agentique et cybersécurité. Il obtient 41 % sur Terminal-Bench 4.0, contre 28 % pour la préversion, et 48 % sur l’indice Coding Agent d’Artificial Analysis, à égalité avec le chinois GLM-5.3 en consommant 47 % de tokens en moins par tâche (annonce Mistral). L’éditeur en fait le meilleur modèle ouvert conçu en Occident. Pas le meilleur modèle tout court pour autant : Fortune rappelle que les modèles fermés d’OpenAI et d’Anthropic restent devant au global.

Le modèle est aussi disponible sans rien installer : dans Mistral Studio, par l’API, dans Vibe Code, sur OpenRouter, sur Microsoft Foundry et via les points d’accès de NVIDIA. Gardez ce point en tête pour la suite : pouvoir télécharger un modèle ne veut pas dire qu’il faille l’héberger.

La licence : ce que « open weights » vous autorise vraiment

Large 4 n’est pas sous licence Apache 2.0, contrairement à son prédécesseur Mistral Large 3, sorti le 2 décembre 2025 (fiche Mistral Large 3). Mistral a créé pour lui la Mistral Ecosystem Open-Weight License, présentée comme une licence MIT modifiée. Le texte complet figure dans le dépôt Hugging Face du modèle.

Le principe est large. Vous pouvez utiliser, copier, modifier, affiner, distribuer et commercialiser le modèle et ses dérivés, à condition de conserver la mention de copyright et de permission. La licence ne prévoit aucun seuil de chiffre d’affaires, d’après l’analyse publiée par VentureBeat.

Une seule exception : le Model as a Service. Si votre entreprise, ou une société affiliée, donne à des tiers un accès au modèle pour de l’inférence ou de l’entraînement, avec un contrôle réel sur les entrées, les paramètres ou les données d’entraînement, il faut un contrat commercial séparé avec Mistral.

La licence exclut deux cas de cette définition : les produits destinés à l’utilisateur final où le modèle est intégré dans des fonctions précises, et les services qui ne font que relayer des requêtes vers un modèle hébergé ailleurs. L’usage interne, qui ne met pas le modèle à disposition de tiers, est explicitement exempté.

Pour la troisième ligne, la frontière entre « fonction intégrée » et « accès au modèle » se jugera au cas par cas. Si votre produit laisse le client écrire ses propres consignes au modèle, faites relire la licence par votre juriste avant le lancement.

Le calcul mémoire : pourquoi 52 milliards actifs ne suffisent pas

C’est un malentendu courant sur les modèles à mélange d’experts. Large 4 n’active que 52 milliards de paramètres pour chaque token. On en déduit vite qu’il se comporte comme un modèle de 52 milliards. Pour la vitesse, c’est à peu près vrai. Pour la mémoire, c’est faux.

Le modèle dispose de 128 experts, dont 4 seulement travaillent pour un token donné (Beri, d’après la fiche Hugging Face). Mais le token suivant en sollicite d’autres. Pour répondre sans aller relire des centaines de gigaoctets sur disque à chaque mot, tous les experts doivent rester chargés en mémoire graphique.

Les tailles publiées sur Hugging Face, relevées par LocalRigCheck et cohérentes avec la recette vLLM citée plus bas, donnent l’ordre de grandeur :

• FP8 (format de référence publié par Mistral) : 1 060,6 Go
• NVFP4 (version compressée officielle, pour GPU NVIDIA Blackwell) : 610 Go
• MXFP4 (version publiée par AMD pour ses GPU MI350) : 577,9 Go
• BF16 (16 bits, sans compression) : pas de fichier officiel ; environ 2,1 To si vous convertissez vous-même

À ces poids s’ajoutent le cache de contexte (KV cache), qui grossit avec la longueur des conversations, et la marge de fonctionnement du moteur d’inférence. Mistral ne publie pas de chiffre pour le cache. Un guide de déploiement tiers retient une marge d’environ 20 % au-dessus des poids pour un usage courant, davantage si vous exploitez les longs contextes (Yotta Labs).

Traduction concrète : une carte graphique grand public haut de gamme comme la RTX 5090 a 32 Go de mémoire. Même la version la plus compressée du modèle en demande plus de sept fois plus.

Les configurations qui fonctionnent vraiment

La source la plus fiable est la recette officielle de vLLM, le moteur d’inférence recommandé par Mistral (recette vLLM pour Mistral Large 4). Elle liste le matériel sur lequel chaque version a été validée.

Trois enseignements.

Les GPU de la génération précédente sont presque hors jeu. Un serveur de 8 H100 (640 Go au total) ne peut charger ni le FP8 ni le NVFP4, ce dernier étant réservé à l’architecture Blackwell. Les H200 ne suffisent en FP8 qu’à condition d’en aligner 16 sur deux nœuds.

La configuration la plus compacte tient sur 4 GPU. La recette par défaut sert la version NVFP4 sur un plateau de 4 GB300, en parallélisme sur 4 cartes. C’est le minimum réaliste pour un usage en production.

Le million de tokens de contexte reste théorique. Le modèle accepte jusqu’à 1 048 576 positions, mais la recette n’a validé que 256 000 tokens et fixe ce plafond dans sa commande de lancement. Pour les longs contextes, elle propose un préréglage dédié sur 8 GPU.

Côté logiciel, un point de vigilance : au moment de la sortie, la recette impose une image Docker spécifique (vllm/vllm-openai:mistral-large-4), car aucune version standard de vLLM ne prenait encore le modèle en charge. SGLang dispose lui aussi d’une image dédiée. Bonne nouvelle en revanche, le modèle embarque une tête de décodage spéculatif, DSpark, qui accélère la génération en proposant trois tokens d’avance.

Voici à quoi ressemble la commande de lancement par défaut publiée dans la recette vLLM, pour la version NVFP4 sur 4 GPU :

bash

VLLM_ENGINE_READY_TIMEOUT_S=6000 vllm serve mistralai/Mistral-Large-4-1T-A52B-NVFP4 \
  --tokenizer-mode mistral \
  --config-format mistral \
  --load-format mistral \
  --max-model-len 262144 \
  --max-num-batched-tokens 8192 \
  --max-num-seqs 128 \
  --gpu-memory-utilization 0.85 \
  --tensor-parallel-size 4 \
  --enable-auto-tool-choice \
  --tool-call-parser mistral \
  --reasoning-parser mistral \
  --speculative-config '{"method":"dspark","num_speculative_tokens":3}'

La variable VLLM_ENGINE_READY_TIMEOUT_S=6000 allonge le délai d’attente au démarrage : charger plus de 600 Go de poids prend du temps.

Et sur un poste de travail ?

C’est la question qui se cache souvent derrière « l’héberger chez soi ». La réponse est oui, mais pas dans la version que Mistral évalue.

La communauté a publié des versions GGUF, le format de llama.cpp, compressées bien au-delà des formats officiels. Unsloth, qui en distribue plusieurs, publie la taille de chacune et la fidélité mesurée par rapport au modèle FP8 (Unsloth, guide Mistral Large 4) :

Ces taux d’accord paraissent élevés. Ils ne le sont pas pour un usage professionnel : à 1 bit, le modèle choisit un mot différent du modèle d’origine une fois sur dix. Sur un long raisonnement ou un bloc de code, ces écarts s’additionnent.

Et le matériel suit mal. Le Mac Studio, souvent utilisé pour ces essais grâce à sa mémoire unifiée, n’est plus vendu avec 512 Go : Apple a retiré cette option en mars 2026, et le maximum est désormais 256 Go (Consomac, mars 2026).

Unsloth indique que seule la version à 1 bit « devrait tenir » sur une machine de 256 Go, ou sur deux NVIDIA DGX Spark couplés. Les mesures de vitesse publiées sur Hugging Face et relayées par LocalRigCheck donnent une idée de l’expérience : de l’ordre de 15 tokens par seconde sur un Mac Studio M3 Ultra de 512 Go en 2 bits, et une trentaine de tokens par seconde sur quatre RTX PRO 6000 en contexte court, qui tombent à environ 3 en contexte long.

Notre verdict : un poste de travail permet de tester Large 4, de comprendre son comportement, de faire une démonstration. Il ne permet pas de le mettre en production pour une équipe. Si vous avez besoin d’un modèle Mistral sur une machine de bureau, un modèle plus petit, servi sans compression extrême, donnera de meilleurs résultats. Notre article Mistral on-premise détaille ces options.

Combien ça coûte : auto-hébergement contre API

Le modèle est gratuit. L’infrastructure ne l’est pas, et c’est elle qui décide.

Le prix de l’API. Mistral facture Large 4 à 0,70 $ par million de tokens en entrée, 0,07 $ en entrée mise en cache et 2,10 $ en sortie (annonce Mistral). La préversion était affichée à 1,36 $ et 4,18 $. Artificial Analysis évalue le coût moyen d’une tâche de son indice à 2,06 $, contre 5,54 $ pour la préversion, soit 63 % de moins, d’après VentureBeat.

Le prix d’un nœud en location. Un fournisseur de GPU en ligne, Spheron, affiche sur son guide de déploiement (prix datés du 4 novembre 2026) un nœud de 4 B200 (4 GPU, comme la configuration par défaut de la recette) à 43,96 $ de l’heure à la demande, ou 22,44 $ en capacité interruptible (Spheron). Allumé en continu, cela représente environ 32 000 $ par mois à la demande (43,96 $ × 730 heures), ou 16 400 $ en interruptible. Les grands clouds facturent généralement plus cher : Qovery relevait en octobre un nœud AWS de 8 H100 à 55,04 $ de l’heure, quand Spheron affiche la même configuration à 21,20 $. Et les prix évoluent chaque semaine : refaites le calcul le jour où vous décidez.

La comparaison. Avec 32 000 $ par mois, l’API Mistral paie environ 15 milliards de tokens en sortie, ou 46 milliards en entrée (calcul sur les tarifs publics, hors cache). Pour fixer les idées, 15 milliards de tokens représentent près de 22 millions de pages de texte générées dans le mois (en comptant 700 tokens par page). Qovery propose une règle simple : l’auto-hébergement ne devient moins cher que si le serveur est occupé de façon soutenue, au-delà de 20 à 40 % de son temps (Qovery).

Il faut ajouter ce que ces chiffres ne comptent pas : l’ingénieur qui maintient la pile logicielle, la supervision, les mises à jour de vLLM, la sécurité du point d’accès. Sur un serveur acheté plutôt que loué, s’y ajoutent l’investissement initial, l’électricité et le refroidissement d’une baie de plusieurs kilowatts.

Quand l’héberger soi-même a vraiment du sens

Le coût ne fait pas tout. Quatre situations justifient l’effort.

Des données qui ne doivent pas sortir. Santé, défense, secret industriel, dossiers juridiques sensibles : quand aucune donnée ne peut transiter par un service tiers, même européen, un modèle sur votre propre infrastructure est la seule option. Large 4 est, pour ce cas, le plus gros modèle ouvert jamais publié par Mistral, conçu et entraîné en Europe (Large 3 comptait 675 milliards de paramètres). Notre article Pourquoi choisir une IA européenne détaille le cadre RGPD, AI Act et Cloud Act.

La continuité de service. Un modèle téléchargé ne peut pas être coupé. Pierre Stock, vice-président scientifique de Mistral, en fait un argument central auprès de Fortune, en citant la suspension temporaire de l’accès à certains modèles d’Anthropic en juin 2026, liée à des contrôles à l’exportation américains. Pour une banque ou un industriel, cette garantie a une valeur que le prix au token ne mesure pas.

Un volume élevé et régulier. Traitement de documents en masse, analyse de code sur des milliers de dépôts, assistant utilisé par des centaines de personnes en continu : au-delà du seuil d’utilisation évoqué plus haut, le calcul bascule.

L’affinage sur vos données. La licence autorise l’entraînement complémentaire sans contrat particulier, tant que l’usage reste interne. Mistral propose aussi Mistral Forge pour ce travail. Affiner un modèle de cette taille reste en revanche un projet d’infrastructure à part entière.

En dehors de ces cas, l’API Mistral ou les produits Vibe donnent accès au même modèle sans infrastructure. Pour une PME, une collectivité ou un service qui découvre l’IA générative, c’est presque toujours le bon point de départ. Notre grille pour choisir entre IA souveraine et IA américaine aide à poser la décision à l’échelle de l’organisation.

💡 À ne pas confondre avec un agent IA : Mistral met en avant Large 4 pour le code « agentique », c’est-à-dire des outils qui enchaînent seuls plusieurs actions. Le modèle n’est que le moteur : l’agent, c’est le logiciel qui l’orchestre, comme Vibe Code. Pour découvrir la conception d’agents IA autonomes, voir notre formation aux agents IA.

Préparer vos équipes à ce choix

La décision d’héberger un modèle comme Large 4 n’est pas qu’une affaire d’infrastructure. Elle engage la DSI, le juridique pour la licence, le métier pour définir les usages, et la direction pour le budget. Le risque, quand chacun raisonne seul : un serveur commandé avant d’avoir mesuré l’usage réel, ou un usage lancé sur l’API sans vérifier ce que les données autorisaient.

Une base commune aide. Comprendre ce qu’est un modèle à mélange d’experts, ce que coûte un token, ce que permet une licence ouverte, et comment mesurer l’utilisation d’un assistant : c’est le socle de notre formation IA générative qui aborde les modèles ouverts et leur déploiement, certifiée Qualiopi et éligible à une prise en charge par votre OPCO selon votre branche.

Pour replacer Large 4 dans l’offre française, notre panorama de l’IA souveraine présente les autres acteurs.

FAQ

Ce qu’il faut retenir

Mistral Large 4 est une vraie avancée pour l’Europe : un modèle ouvert de premier rang, entraîné en France, sous une licence qui laisse aux entreprises une grande liberté d’usage interne. Mais « open weights » ne veut pas dire « à portée de main ». Le modèle exige au minimum un serveur à 4 GPU Blackwell, une équipe pour l’exploiter et un volume d’usage qui justifie la dépense. Notre position est nette : testez-le par l’API, mesurez vos usages réels, et n’investissez dans l’infrastructure que si vos données ou votre volume l’imposent. Pour construire cette décision avec vos équipes, vous pouvez monter en compétence sur les modèles ouverts de Mistral et leurs usages avec nos formateurs.