Mistral 3, Medium 3.5, Small 4 : ce que changent les nouveaux modèles

Mistral a annoncé en mai 2026 une vague de modèles : Medium 3.5 (devenu le modèle par défaut de Le Chat et de l'outil de code Vibe), un Small 4 ouvert et multimodal, et Voxtral pour la synthèse vocale. Le tout repose sur la famille open weights Mistral 3. Pour toi, ça veut dire des modèles européens, ouverts, qu'on peut héberger soi-même, et qui tiennent la comparaison sur le code.

Avant d'entrer dans le détail, deux mots de vocabulaire, parce qu'ils reviennent partout.

C'est quoi le « modèle » et des « open weights » ?

Le modèle, c'est le moteur derrière une IA générative. Concrètement, un gros fichier de nombres (les « poids », ou weights) appris sur des montagnes de texte, de code et d'images. Quand tu poses une question à un assistant, c'est ce fichier qui calcule la réponse mot par mot.

« Open weights » veut dire que Mistral publie ce fichier de poids : tu peux le télécharger, l'installer sur tes propres serveurs, le faire tourner sans demander la permission à personne. Attention, ce n'est pas tout à fait la même chose qu'« open source » au sens strict. Souvent, on a les poids et le droit de les utiliser, mais pas la totalité de la recette d'entraînement. Pour comprendre la nuance, on en parle dans open source ou propriétaire.

L'opposé, c'est un modèle « propriétaire » fermé : tu n'as accès qu'à une API, le fichier reste chez le fournisseur, tes données transitent par ses serveurs.

Ce que Mistral a annoncé

Annonce	Ce que c'est	Pourquoi c'est utile
Mistral Medium 3.5	Modèle par défaut de Le Chat et de Vibe, contexte de 256K tokens	Bon sur le code et les tâches d'agent, sans payer le prix d'un très gros modèle
Mistral Small 4	Modèle ouvert et multimodal (texte et image)	Léger, hébergeable, utilisable sur du matériel modeste
Voxtral	Synthèse vocale (TTS) pour agents vocaux	Donne une voix aux assistants, sans dépendre d'un service tiers
Mistral 3	Famille open weights (Apache 2.0)	La base ouverte sur laquelle s'appuie le reste

La famille Mistral 3 mérite un mot. Elle réunit Mistral Large 3, un gros modèle « mixture-of-experts » (41 milliards de paramètres actifs sur 675 milliards au total), et la série Ministral 3 en trois tailles plus compactes (14B, 8B, 3B). Tous publiés sous licence Apache 2.0, l'une des licences ouvertes les plus permissives. Tu peux les utiliser en production, même commerciale, sans contrainte exotique.

Le chiffre qui compte : 77,6 % sur SWE-Bench

Mistral a annoncé en mai 2026 que Medium 3.5 atteint 77,6 % sur SWE-Bench Verified. Derrière le sigle, un test concret : on prend de vrais bugs signalés sur des projets de code publics, on demande au modèle de produire le correctif, et on vérifie si le correctif passe les tests du projet. Un score élevé veut dire que le modèle résout pour de bon des problèmes de développeur, pas qu'il récite une définition.

Ce niveau de performance sur le code explique pourquoi Mistral l'a mis par défaut dans Vibe, son outil de code, et y a ajouté des « remote agents » : des agents qui travaillent sur une tâche longue en tâche de fond, au lieu de répondre coup par coup. La différence entre un assistant qui répond et un agent qui agit, on l'explique dans chatbot vs agent IA.

Pourquoi ça compte, au-delà des annonces

Trois enjeux concrets se cachent derrière cette vague.

La souveraineté. Mistral est une entreprise française. Pour une organisation européenne, utiliser un modèle européen ouvert, c'est garder le contrôle sur où tournent les données et sur qui décide des conditions d'usage. Ce n'est pas un détail réglementaire abstrait quand tes données clients sont en jeu.

Le contrôle et le coût. Avec des poids ouverts, tu n'es pas captif d'une API dont le tarif peut changer du jour au lendemain. Tu peux héberger le modèle, le mesurer, ajuster. Un modèle plus petit comme Small 4 coûte moins cher à faire tourner et tient sur du matériel raisonnable.

L'alternative. Avoir plusieurs familles de modèles crédibles, dont des modèles ouverts, évite de tout miser sur un seul fournisseur. C'est une assurance, pas une religion.

Et pour un dirigeant français ?

Prends Pierre, qui dirige Maisons&Mobilia (M&M), une enseigne de meubles. Il ne veut pas devenir expert en IA. Mais quand son équipe veut automatiser le tri des messages du service client, la question « est-ce que nos données partent sur des serveurs hors Europe ? » tombe sur son bureau.

Des modèles ouverts comme Mistral 3 ou Small 4 lui ouvrent une option qu'il n'avait pas : faire tourner le modèle sur une infrastructure qu'il maîtrise, garder les messages de ses clients chez lui, et comparer le coût d'un hébergement interne à celui d'une API facturée au token. Pour Sophie, qui pilote ce service client, ça veut dire des outils qu'on peut tester sans engager toute l'entreprise sur un seul prestataire.

La bonne posture n'est pas de courir après chaque annonce. C'est de comprendre ce qu'un modèle ouvert change pour tes choix : héberger ou louer, garder ou confier, un fournisseur ou plusieurs.

Aller plus loin

Le vocabulaire de ces annonces (modèle, open weights, token, contexte) devient limpide quand tu le manipules au lieu de le lire. L'app saisir.ai t'apprend l'IA générative et les agents en français, en 5 minutes par jour, sans coder : tu touches les concepts dans de petits exercices concrets plutôt que de mémoriser des définitions.

Pour creuser ce qui se cache derrière un modèle : c'est quoi un LLM. Et pour la distinction qui revient sans cesse dans le débat : open source ou propriétaire.