Mistral Large 4 : 3 800 GPU en Essonne et une gare devenue célèbre

À Bruyères-le-Châtel, 3 800 processeurs graphiques Nvidia ont servi à entraîner l’un des modèles d’intelligence artificielle les plus avancés conçus en Europe. Dévoilé le 6 octobre, Mistral Large 4 a aussi offert une célébrité inattendue à la gare du RER C voisine, dont la photographie circule désormais jusqu’aux États-Unis.

Derrière cette plaisanterie devenue virale, Mistral a transformé la puissance de calcul installée en Essonne en un modèle que l’on peut déjà utiliser et évaluer.

Mille milliards de paramètres, 3 800 GPU

Surnommé « Le Chonk », Mistral Large 4 possède environ mille milliards de paramètres, des valeurs ajustées pendant l’entraînement pour produire ses réponses. Son architecture dite « à experts » permet toutefois de n’en mobiliser qu’environ 50 milliards à chaque utilisation. Une manière de construire un modèle gigantesque sans devoir activer toute sa machinerie pour répondre à une question.

Pour le fabriquer, Mistral affirme avoir utilisé 3 800 GPU Nvidia Grace Blackwell dans ses propres centres de calcul européens. Son cofondateur et directeur scientifique, Guillaume Lample, a identifié le cluster de Bruyères-le-Châtel, financé lors de la série B de l’entreprise.

La difficulté ne réside pas uniquement dans la puissance des processeurs. Il faut les faire travailler ensemble, échanger d’immenses volumes de données et coordonner des calculs pendant des semaines, sans que les ralentissements d’une machine pénalisent tout l’ensemble.

À Bruyères-le-Châtel, commune déjà connue pour les installations de calcul du CEA et le campus scientifique Teratec, Mistral dispose de ses propres machines, hébergées sur le site de l’opérateur français Eclairion. L’entreprise peut ainsi assurer elle-même une partie de ses besoins en calcul, sans dépendre entièrement des services informatiques des géants américains.

Le résultat est désormais accessible : Large 4 fonctionne en préversion publique, et Mistral affirme également l’exécuter sur sa propre infrastructure. L’entreprise prévoit de publier les poids du modèle avant la fin octobre, pour permettre à d’autres acteurs de le déployer.

Une performance mesurée, et une concurrence redoutable

Les premières évaluations indépendantes permettent de situer les performances de Large 4. L’organisme Artificial Analysis lui attribue 38 points sur son indice général d’intelligence, ce qui en fait, au moment de son évaluation, le modèle le mieux classé développé hors des États-Unis et de Chine.

En cybersécurité, il obtient également 50 points sur l’indice spécialisé du même organisme, au niveau du modèle chinois GLM-5.3-Flash. Un résultat convaincant sur ce test spécialisé.

La compétition reste rude : Artificial Analysis estime que Large 4 coûte, au tarif standard de son API, plus de quatre fois plus cher par tâche que certains modèles chinois de niveau comparable. Une réduction de lancement de 50 % atténue cet écart, sans l’effacer.

La gare, elle, n’a rien calculé

Pour annoncer les performances de son cluster, Guillaume Lample a publié une photographie de la gare Breuillet-Bruyères-le-Châtel. Arthur Mensch, patron de Mistral, s’est amusé à affirmer que son entreprise construisait l’intelligence artificielle générale « depuis cette gare ».

L’image a circulé bien au-delà de l’Essonne. Le Parisien lui a consacré un reportage le 10 octobre, racontant la surprise des habitants devant cette notoriété soudaine.

La précision géographique mérite d’être faite : la gare se trouve à Breuillet, route d’Arpajon. Le centre de calcul est installé sur la commune voisine de Bruyères-le-Châtel. Aucun supercalculateur ne se cache derrière les guichets du RER C.

La petite gare aura fourni l’image. À Bruyères-le-Châtel, les machines ont fait le travail.