Mistral est une entreprise française qui publie des modèles de langage avec leurs poids, et elle le fait sous Apache 2.0 plutôt que sous une licence maison conditionnelle. Cette différence ressemble à un détail juridique et peut décider du choix lors d'un déploiement dans une entreprise.
Apache 2.0 est une licence permissive sans conditions supplémentaires : l'usage commercial, la modification, le fine-tuning et le déploiement sont autorisés sans seuil d'échelle, sans politique d'usage acceptable imposée par l'éditeur et sans obligation d'attribution sur le produit. Un service juridique la lit en un quart d'heure et n'a aucune question.
Pourquoi la licence compte
Les modèles à poids ouverts se répartissent aujourd'hui en deux groupes que la conversation range sous un seul mot, « ouvert ».
Le premier regroupe les modèles sous licences permissives, où les restrictions sont pratiquement absentes. Le second regroupe les modèles sous la licence propre d'un éditeur, où l'usage commercial est autorisé mais conditionné : par un seuil de nombre d'utilisateurs, par une politique d'usage acceptable ou par une exigence d'attribution sur le produit.
Pour la plupart des entreprises, ce second groupe convient aussi, car les conditions sont légères. Le problème apparaît avec trois types d'organisations : les très grandes, où un seuil d'échelle peut peser ; celles des secteurs réglementés, où chaque condition doit être documentée ; et celles qui revendent le modèle dans leur propre produit.
Le second aspect est la durabilité. Une licence permissive, une fois accordée, ne peut pas être révoquée pour des poids déjà téléchargés, donc le modèle reste le vôtre quelle que soit la décision ultérieure de l'éditeur.
Les variantes et leur usage
La famille couvre plusieurs tailles destinées à des tâches différentes, la dernière génération reposant sur une architecture de mélange d'experts.
La plus grande variante compte environ six cent soixante-quinze milliards de paramètres au total, dont environ quarante et un milliards travaillent sur chaque token. La fenêtre de contexte atteint deux cent cinquante-six mille tokens, ce qui couvre la plupart des applications, hors analyse de dépôts entiers.
La variante de taille intermédiaire est un compromis entre qualité et coût, et elle alimente le mode agent de l'application de chat de l'éditeur. La petite variante convient à la classification, à l'étiquetage et au traitement en masse, où le débit et le prix décident.
Des modèles spécialisés sont développés séparément : pour le code, pour le traitement de documents et pour la parole. Cette dernière catégorie est parfois un argument en soi, car elle permet de construire un pipeline vocal complet avec un seul fournisseur ou entièrement sur vos propres machines.
L'architecture de mélange d'experts a une conséquence qu'il faut connaître avant d'acheter du matériel. Le modèle calcule vite parce qu'une partie seulement des paramètres travaille, mais l'ensemble doit être chargé en mémoire. La plus grande variante ne tiendra pas sur une seule carte et demande une machine de classe serveur ou une location.
Travailler via l'API
L'interface suit un format populaire, donc l'intégration se résume à changer l'adresse et le nom du modèle.
pip install mistralai
export MISTRAL_API_KEY=...from mistralai import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "Classify this ticket: ..."}],
)
print(response.choices[0].message.content)Pour les tâches qui demandent une forme de réponse prévisible, imposez le format plutôt que d'analyser du texte avec des expressions régulières. L'appel d'outils fonctionne comme chez les autres fournisseurs, donc les bibliothèques d'agents telles que LangChain prennent en charge ces modèles sans travail supplémentaire.
Les prix se répartissent sur trois niveaux correspondant aux tailles de modèles, avec la petite variante autour de vingt centimes de dollar par million de tokens d'entrée, la variante intermédiaire plusieurs fois plus, et la plus grande encore davantage. Les tarifs sont ajustés, donc vérifiez la grille actuelle à la source avant de budgétiser une année.
Chiffrez un passage sur dix cas réels plutôt que de vous fier à la grille tarifaire. C'est seulement ainsi que vous voyez combien de tokens vos prompts consomment réellement.
L'exécuter vous-même
Puisque la licence le permet, faire tourner le modèle sur votre propre matériel est une voie normale plutôt qu'une exception.
ollama pull mistral-small
ollama run mistral-smallLes variantes petite et intermédiaire tournent sur du matériel qu'on peut acheter : un ordinateur avec environ trente-deux gigaoctets de mémoire unifiée ou une carte de vingt-quatre gigaoctets suffit en quantification à quatre bits. La plus grande variante demande une machine de classe serveur.
On en apprend davantage sur l'exécution locale de modèles dans l'article sur Ollama. Un déploiement de production qui sert de nombreux utilisateurs a cependant besoin d'un serveur qui regroupe les requêtes, car un outil pour un seul utilisateur n'offrira pas le débit.
La troisième voie est de louer un modèle à poids ouverts chez un fournisseur cloud. Vous gardez la possibilité de faire du fine-tuning et l'indépendance vis-à-vis d'une seule entreprise, en perdant la confidentialité totale des données.
Les langues européennes
C'est un domaine où ces modèles se comportent mieux que leur taille ne le laisse penser, et l'une des vraies raisons de s'y intéresser.
Les modèles entraînés surtout sur des données en anglais gèrent nettement moins bien les autres langues européennes, ce qui se voit dans la flexion, la syntaxe et le vocabulaire spécialisé. Un éditeur européen a des proportions différentes dans ses données d'entraînement, et cela se traduit en qualité.
Cela ne vous dispense pas de tester, cependant. Les différences entre modèles dépendent fortement du domaine, donc comparez deux ou trois variantes sur vos propres exemples avant de choisir. Trente cas réels suffisent pour voir quel modèle comprend votre vocabulaire.
Les modèles spécialisés
Au-delà des modèles généraux, l'éditeur développe plusieurs lignes destinées à des tâches précises, et ce sont souvent elles la raison même de regarder de ce côté.
Le modèle de code est réglé sur des dépôts et se comporte bien pour la complétion et l'explication de fragments. Dans sa variante la plus petite, il tourne en local sur un ordinateur portable ordinaire, donc il peut se brancher à un éditeur comme assistant dont le code ne quitte jamais la machine.
Le modèle de traitement de documents transforme des fichiers, scans et PDF compris, en texte ordonné qui préserve la mise en page, les tableaux et l'ordre de lecture. Cela résout l'étape la plus fastidieuse de la construction d'une recherche sur vos propres documents, où l'extraction de texte brut mélange les colonnes et perd les tableaux.
Les modèles de parole couvrent la reconnaissance et la synthèse, donc un pipeline vocal complet peut se trouver chez un seul fournisseur ou tourner sur votre propre infrastructure. Pour les applications où l'enregistrement d'un appel ne peut pas quitter l'entreprise, c'est parfois la seule voie admissible.
Notez que ces modèles ne se font pas concurrence mais forment les parties d'un même pipeline. Les documents passent par le modèle d'extraction, atterrissent dans une base de données vectorielle comme Qdrant, et un modèle général génère les réponses.
Quand l'auto-hébergement revient moins cher
L'arithmétique est plus simple qu'il n'y paraît et mérite d'être faite avant la décision plutôt qu'après.
Un modèle facturé au token coûte proportionnellement au trafic, donc à cent appels par jour la facture est petite et à cent mille elle est sérieuse. Un modèle auto-hébergé coûte ce que coûte la machine, qu'elle travaille ou non.
Le point d'équilibre se situe généralement autour de quelques milliers d'appels par jour pour des tâches de longueur moyenne, mais il dépend de la variante choisie et du fait que la machine est à vous ou louée à l'heure.
Les coûts faciles à oublier ont leur place dans le calcul : le temps pour déployer et maintenir le serveur, la supervision, les mises à jour et la marge pour les pics. Dans une petite équipe, ce coût dépasse souvent la différence sur la facture de tokens.
Un agencement intermédiaire raisonnable répartit le trafic selon le type de tâche. La classification et l'étiquetage vont au modèle auto-hébergé, car ils sont massifs et simples. Les tâches difficiles et rares vont à l'API, où la qualité décide et le volume est faible.
Mistral face aux alternatives
| Modèle | Point fort | Faiblesse | À choisir quand |
|---|---|---|---|
| Mistral | Licence Apache 2.0, langues européennes, poids disponibles | Écosystème d'outils plus petit | Licence sans condition exigée, contenu non anglophone |
| Llama | Le plus grand écosystème de modèles ouverts, long contexte | Licence maison conditionnelle | Fine-tuning, outils prêts à l'emploi et communauté |
| Claude | Travail sur le code, longues tâches d'agent | Pas de poids, facturation au token | Tâches difficiles où la qualité décide |
| Gemini | Vidéo et audio, variantes rapides bon marché | Pas de poids, changements de nommage fréquents | Multimédia et gros volume dans le cloud |
Les deux premières lignes sont le choix habituel parmi les modèles à poids ouverts, et la licence ou la langue tranche généralement. Si vous avez besoin d'une licence permissive ou travaillez sur du contenu hors anglais, la première ligne l'emporte. Si le nombre d'outils prêts à l'emploi, de variantes affinées et de documentation compte, c'est la deuxième. Au-delà de cette paire se trouve Kimi de Moonshot AI : un modèle de mélange d'experts avec des poids publics, un contexte d'un million de tokens et des résultats au niveau des modèles fermés sur les tâches de code. La différence tient à l'échelle et à la licence. Chaque paramètre doit être chargé en mémoire, donc l'auto-hébergement signifie plusieurs machines GPU plutôt qu'une, et la licence comporte des conditions supplémentaires qui se déclenchent sur un grand produit grand public.
Évitez pourtant de choisir sur un seul tableau, celui-ci compris. Les modèles changent tous les quelques mois, et les différences dans une application précise sont parfois l'inverse des impressions générales. Trente cas réels passés dans deux modèles donnent une réponse qu'aucune comparaison ne remplace, et cela prend un après-midi.
Erreurs courantes
La première est de choisir une variante d'après son nom plutôt que d'après la tâche. Classer des tickets sur la plus grande variante revient plusieurs fois plus cher qu'une petite variante qui ferait tout aussi bien.
La deuxième est d'acheter du matériel pour la plus grande variante sans compter la mémoire. L'architecture de mélange d'experts exige que chaque paramètre soit chargé, donc une génération rapide ne réduit pas les besoins en mémoire.
La troisième est de s'appuyer sur les benchmarks d'autrui pour choisir. Les résultats publics mesurent des tâches qui ressemblent rarement aux vôtres, et les classements hors anglais peuvent inverser ceux de l'anglais.
La quatrième est d'oublier le coût fixe d'un modèle auto-hébergé. Une machine coûte la même chose un jour calme et un jour de pic, donc à volume modeste l'API revient souvent moins cher.
La cinquième est de traiter une licence permissive comme une absence totale d'obligations. Apache 2.0 exige de conserver les mentions de licence et d'attribution, ce qui compte quand on redistribue le modèle.
La sixième est de n'avoir aucune couche qui sépare la logique du fournisseur. Une fine interface avec une seule forme d'appel permet de comparer les modèles sur vos propres données, et c'est le seul test significatif.
FAQ
Les modèles Mistral sont-ils vraiment ouverts ?
Les modèles principaux sont publiés sous Apache 2.0, une licence permissive sans conditions supplémentaires. Cela les distingue de certains concurrents, où l'usage commercial est autorisé mais borné par un seuil d'échelle ou une politique d'usage. Vérifiez la licence de la variante précise, car tous les modèles de l'éditeur ne sont pas publiés de la même façon.
Combien coûte l'API ?
Les prix se répartissent sur trois niveaux selon la taille du modèle, d'environ vingt centimes de dollar par million de tokens d'entrée sur la petite variante, à plusieurs fois plus sur la variante intermédiaire, jusqu'au tarif le plus élevé sur la plus grande. Une formule gratuite existe pour tester. Les tarifs changent, donc vérifiez la grille actuelle avant de budgétiser.
Mistral ou Llama ?
Choisissez Mistral quand il vous faut une licence sans conditions ou que vous travaillez sur du contenu en langues européennes. Choisissez Llama quand le plus grand écosystème d'outils, les variantes affinées prêtes à l'emploi et la documentation de la communauté comptent. Comparez les deux sur vos propres données.
De quel matériel l'auto-hébergement a-t-il besoin ?
Les variantes petite et intermédiaire tournent sur un ordinateur avec environ trente-deux gigaoctets de mémoire unifiée ou une carte de vingt-quatre gigaoctets en quantification à quatre bits. La plus grande variante demande une machine de classe serveur, donc on la loue généralement chez un fournisseur cloud.
Peut-on affiner le modèle sur mon domaine ?
Oui, et la licence ne l'interdit pas. Le fine-tuning à faible rang tient sur une seule carte pour les variantes les plus petites. Avant de commencer, vérifiez cependant si une instruction bien écrite avec quelques exemples donne un résultat similaire, car dans la moitié des cas c'est le cas.
Souveraineté des données et déploiements réglementés
Une raison distincte pour laquelle les entreprises européennes se tournent vers cet éditeur est l'endroit où les données sont traitées. Un modèle qui tourne sur votre propre infrastructure n'envoie rien à l'extérieur, et quand on utilise l'API, l'emplacement physique des serveurs compte.
Dans les secteurs réglementés, cet aspect pèse souvent plus que la qualité du modèle. Le consentement au traitement de données personnelles hors d'une région choisie exige une documentation qu'on ne peut parfois tout simplement pas constituer dans un délai raisonnable.
Un modèle à poids ouverts résout le problème à la source, puisque la question du transfert de données cesse d'exister. C'est un schéma récurrent : un projet démarre sur un modèle cloud et, après le premier audit, déplace sur un modèle auto-hébergé la partie du pipeline qui touche les données sensibles.
Prévoyez cette répartition dès le départ, même si tout passe d'abord par l'API. Une fine couche avec une seule interface d'appel permet de rediriger certaines tâches vers un modèle local sans réécrire l'application.
Les modèles et les licences sont décrits sur le site de l'éditeur, la dernière génération est annoncée dans l'article Mistral 3, et les poids sont distribués via Hugging Face.