Mistral AI est le modèle que Tandem a retenu sur une mission d'assurance, et écarté sur une autre, à quelques mois d'intervalle. Mon avis tient en trois phrases. L'éditeur français tient parfaitement les tâches courtes et vérifiables, lecture de documents, classement, routage, pour un coût au token parmi les plus bas du marché. Il reste derrière les meilleurs modèles américains dès qu'un livrable demande de la nuance et de la synthèse longue. Et son argument de souveraineté mérite une lecture attentive, parce que son propre registre de sous-traitants raconte une histoire plus nuancée que la page d'accueil.
Cet article déroule ce que l'éditeur propose en octobre 2026, ce que les deux missions ont donné, ce que la résidence des données recouvre vraiment, et combien tout cela coûte.
Mistral AI, où en est l'éditeur français en octobre 2026
Mistral AI est un éditeur de modèles d'intelligence artificielle fondé à Paris en 2023. Son assistant grand public s'appelait Le Chat. Il s'appelle Vibe depuis mai 2026 et se décline en trois modes. Un mode conversationnel, un mode travail branché sur la messagerie et les espaces documentaires, un mode code. L'offre entreprise passe par Mistral Studio, l'interface d'accès aux modèles par programmation.
L'éditeur a levé 3 milliards d'euros en septembre 2026, pour une valorisation supérieure à 21 milliards. Il a enchaîné en octobre 2026 avec Mistral Large 4, un modèle à mille milliards de paramètres dont 52 milliards actifs. Deux détails comptent plus que la taille. Il a été entraîné de bout en bout sur 3 800 processeurs graphiques Nvidia installés dans les centres de données européens de l'éditeur. Et ses poids doivent être publiés en ouvert, ce qui autorise l'auto-hébergement.
L'autre brique à connaître s'appelle Forge, annoncée en mars 2026. Elle permet à une entreprise d'entraîner un modèle sur sa propre connaissance interne plutôt que sur des données publiques génériques. J'en parlais dans mon édition de mars 2026 sur l'écosystème Claude, où Forge occupait déjà une place à part. Le pari est clair. Faire du modèle un actif de l'entreprise, et non un abonnement de plus.
Pourquoi Tandem a retenu Mistral chez Santiane
Santiane est un courtier en assurance santé et prévoyance. La mission portait sur le traitement des courriers entrants, un flux quotidien de lettres à lire, à qualifier et à router vers le bon gestionnaire. Les données en jeu sont des données d'assurance, donc réglementées. Le client voulait un traitement hébergé en Europe, et il l'a posé comme une condition d'entrée. Mistral a été retenu pour cette raison, avant toute comparaison de performance. Nous retrouvons cette contrainte sur la plupart de nos missions dans l'assurance.
Le modèle a tenu sa part. Sur le premier échantillon de test, il a lu correctement la totalité des courriers. En revanche, moins de la moitié pouvaient partir sans relecture humaine, parce que le rapprochement avec les référentiels métier butait sur des nomenclatures internes qu'aucun modèle ne devine. La décision a donc été de livrer d'abord un routage enrichi, avec le gestionnaire au bout de la chaîne, puis d'automatiser une fois le volume de validation suffisant.
La mise en production est intervenue à l'été 2026, avec une supervision quotidienne et un retour arrière immédiat. Cette prudence vient de l'expérience, pas de la technologie. Un flux de courriers qui part de travers coûte plus cher que les trois semaines gagnées à le lancer vite.
Là où Mistral n'a pas tenu, et ce que nous avons mis à la place
Sur une autre mission, pour un acteur de l'ingénierie, le livrable attendu était une analyse d'enquêtes de satisfaction. Il fallait lire des centaines de réponses libres, hiérarchiser les irritants et produire une synthèse lisible par un comité de direction. Mistral a été testé en premier, pour les mêmes raisons de souveraineté. La qualité de sortie n'a pas atteint le niveau attendu, et la mission est passée sur GPT-4.1 et Gemini 2.5 Flash, pour un coût d'environ un euro par fichier traité.
Cet écart se comprend bien. Lire une lettre et la classer demande de la fiabilité. Synthétiser trois cents verbatims en dix lignes utiles demande du jugement. Les modèles de tête gardent une avance sur le second exercice, et cette avance se voit immédiatement sur un livrable destiné à des dirigeants.
Souveraineté : ce que « modèle français » recouvre vraiment
L'éditeur a rendu ses points d'accès régionaux disponibles pour tous en août 2026. Concrètement, vous choisissez si l'inférence tourne en Europe ou aux États-Unis. L'annonce pose une réserve que peu de lecteurs relèvent. Le traitement reste dans la région choisie, à l'exception de transferts limités vers des sous-traitants qui peuvent avoir lieu en dehors. La régionalisation couvre l'inférence, elle ne couvre ni l'administration du compte, ni la facturation, ni les statistiques d'usage.
Le point vraiment utile se trouve ailleurs, dans le registre public des sous-traitants. L'éditeur en déclare vingt-cinq, avec la zone de chacun. Deux fournisseurs d'infrastructure portent l'essentiel du service, Microsoft en Suède et en Norvège, Google aux Pays-Bas et en Belgique. Onze des vingt-cinq touchent les États-Unis ou le monde entier, dont Stripe pour le paiement, Brave pour la recherche web et Cloudflare pour le routage.
Cette lecture ne disqualifie en rien le produit. Elle remet simplement l'argument à sa place. Un éditeur français offre ici une résidence des données européenne par défaut, les certifications ISO 27001, ISO 27701 et SOC 2 Type II, et un registre public vérifiable. Très peu de fournisseurs atteignent ce niveau de garantie. Le mot « souverain » recouvre un dégradé, et ce dégradé se lit sur cette page.
Pour une direction qui veut aller plus loin, deux chemins restent ouverts. Les poids ouverts autorisent un déploiement dans votre propre environnement, un sujet que je détaille dans notre guide de l'IA en local. La question se formalise ensuite au niveau du cadre interne. Nous la traitons dans notre article sur la gouvernance de l'IA et dans celui sur la sécurité des agents en entreprise.
Empreinte environnementale, le seul éditeur qui publie la sienne
C'est l'angle que personne ne traite, et il pèse lourd pour une direction qui doit documenter son bilan. Mistral AI a publié en juillet 2025 une analyse du cycle de vie de son modèle. Elle a été réalisée par le cabinet Carbone 4, avec le soutien de l'Agence de la transition écologique. L'agence présente l'exercice comme la première analyse de ce type sur un grand modèle de langage européen.
- Une réponse d'environ 400 mots représente à peu près 1,14 gramme d'équivalent CO2 et 45 millilitres d'eau.
- L'entraînement du modèle sur dix-huit mois pèse environ 20 kilotonnes d'équivalent CO2.
- La fabrication du matériel compte pour environ un dixième des émissions, mais pour la majorité de la consommation de matières.
- La méthode suit le référentiel Frugal AI de l'AFNOR et les normes ISO 14040 et 14044, avec une revue par deux auditeurs indépendants.
Les auteurs signalent eux-mêmes les limites de l'exercice. Faute de données publiques sur les processeurs graphiques, une partie des impacts est estimée, et les chiffres sont donc une première approximation. Cela reste la seule base chiffrée disponible pour une entreprise qui veut inscrire une ligne « IA » dans son bilan carbone. Les autres éditeurs ne publient rien d'équivalent.
Combien coûte Mistral en octobre 2026
La grille publique, relevée en France en octobre 2026, affiche les montants toutes taxes comprises. L'offre gratuite donne accès à l'assistant avec des limites quotidiennes. Au-delà, trois paliers.
| Offre | Prix | Pour qui |
|---|---|---|
| Free | 0 euro | Découverte, limites quotidiennes |
| Pro | 17,99 euros par mois | Usage individuel intensif, crédits d'API inclus |
| Team | 29,99 euros par utilisateur et par mois | Équipe, espace partagé, export des données |
| Enterprise | Sur devis | Déploiement privé, journaux d'audit, authentification unique |
Côté programmation, le modèle Mistral Large est facturé environ 0,50 dollar par million de jetons en entrée et 1,50 dollar en sortie. Cela revient à peu près à 45 centimes et 1,30 euro. Mistral Large 4 est entré en préversion en octobre 2026 à un tarif plus élevé, autour de 1,20 euro en entrée et 3,70 euros en sortie. Le traitement par lots divise la facture par deux et la mise en cache réduit le coût d'entrée jusqu'à 90 %. Ces ordres de grandeur placent l'éditeur parmi les moins chers du marché. C'est un vrai argument sur un flux volumineux. Sur ce point, notre article sur le coût réel d'un projet d'automatisation rappelle la bonne échelle de lecture.
Qui déploie vraiment Mistral en France
Trois déploiements publics donnent la mesure. CMA CGM a lancé en juin 2026 sa plateforme interne MAIA, construite avec l'éditeur et visant près de 80 000 collaborateurs. Elle s'inscrit dans un partenariat de 100 millions d'euros sur cinq ans signé en 2025. BNP Paribas a reconduit son partenariat pour trois ans, selon le communiqué de la banque publié en mai 2026, en élargissant le périmètre au codéveloppement de solutions. Et le ministère des Armées a signé un accord-cadre rendu public en janvier 2026, rapporté par Acteurs Publics, piloté par son agence ministérielle dédiée à l'IA de défense.
Ce qu'il faut en retenir dépasse le prestige des noms. Un éditeur qui passe les achats d'une banque systémique et d'un ministère régalien a franchi les audits de sécurité et de conformité les plus lourds du pays. Pour une PME ou une ETI qui hésite, ce signal vaut plus qu'un classement de performance.
Faut-il choisir Mistral pour votre entreprise ?
La question est mal posée, et je l'écrivais déjà dans mon post sur la combinaison des modèles en mars 2026. Les modèles se rapprochent les uns des autres, et l'avantage est passé du choix du modèle à la manière de l'employer. La bonne question devient donc : sur quelles tâches Mistral mérite-t-il sa place dans votre dispositif ?
Les trois cas où Mistral s'impose
- Une contrainte réglementaire explicite sur l'hébergement, en assurance, en santé, en finance ou dans le secteur public.
- Un flux volumineux de tâches courtes, lecture, classement, extraction, routage, où le coût au jeton pèse sur le modèle économique.
- Un besoin d'auto-hébergement, que les poids ouverts rendent possible là où les modèles fermés l'interdisent.
Les deux cas où un autre modèle gagne
Dès que le livrable demande une synthèse longue, de la nuance ou un raisonnement en plusieurs étapes, les modèles américains de tête restent devant. Notre mission de synthèse l'a montré sans ambiguïté. Même chose pour la génération de code sur des bases importantes. Le panorama complet par usage est dans notre comparatif des assistants et des modèles, et l'alternative française côté plateforme d'agents est traitée dans notre avis sur Dust.
Mon conseil pratique tient en une ligne. Branchez Mistral là où la contrainte de données commande, gardez un modèle de tête pour les livrables de réflexion, et mesurez. Si vous ne savez pas par où commencer, c'est exactement ce que cadre notre audit IA, et ce que notre offre de copilote d'entreprise met en place ensuite.
