Ce 15 septembre, Numspot et Mistral annoncent proposer « la première offre d’IA managée, opérée de bout en bout en France sur une infrastructure cloud souveraine ». Une proposition en or sur le papier. Mais qu’en est-il réellement ? A qui s’adresse-t-elle ? Et pourquoi arrive-t-elle maintenant ? Zoom sur cette offre haute en couleurs.
TotalEnergies ne lâche pas Mistral AI. Un peu plus d’un an après une première alliance, le géant pétrolier et la scale-up passent à la vitesse supérieure. Direction cette fois le sous-sol et place aux modèles capables de dénicher pétrole et gaz plus vite, et plus loin.
Ils officialisent un partenariat de trois ans, doté de plus de 100 millions €. L’ambition affichée est de faire émerger une nouvelle génération de modèles de frontière en intelligence artificielle, taillés sur mesure pour l’exploration, la caractérisation et le développement des réservoirs de pétrole et de gaz.
Sur le papier, l’équation est simple : d’un côté, près de 10 pétaflops de données accumulées par le pétrolier ; de l’autre, près d’un siècle d’expérience et de savoir-faire en géosciences et en ingénierie des réservoirs.
En combinant les deux, avec un coup de pouce de l’IA agentique, TotalEnergies espère armer ses géologues et ingénieurs d’outils capables d’ingurgiter des volumes de données massifs pour multiplier les scénarios ; que ce soit pour dénicher de nouvelles opportunités d’exploration ou pour faire durer plus longtemps les champs déjà en production.
Les deux partenaires vont créer un laboratoire scientifique commun, où les équipes « subsurface » de TotalEnergies collaborerons avec les chercheurs de Mistral.
« L’exploration et l’ingénierie des réservoirs figurent parmi les domaines où l’intelligence artificielle peut créer le plus de valeur pour nos activités », fait valoir Patrick Pouyanné, le patron de TotalEnergies, qui y voit également une façon de « contribuer au développement d’un écosystème digital européen performant ».
En face, Arthur Mensch, co-fondateur et CEO de Mistral AI, vante une IA « personnalisable » et respectueuse de la propriété intellectuelle des grands groupes. Un argument de poids face à la concurrence des géants américains.
The post TotalEnergies et Mistral AI signent un contrat de 100 millions € pour l’exploration pétrolière et gazière appeared first on Silicon.fr.
Mistral AI annonce un partenariat avec et Cloudera, visant à intégrer ses modèles de langage à la plateforme hybride de données .
L’objectif affiché est de répondre à la demande d’« IA souveraine » dans les secteurs régulés (finance, industrie, télécoms), en gardant « les données, l’intelligence, le calcul et les opérations sous le contrôle du client », selon le billet officiel de Mistral.
Le partenariat repose sur deux axes.
Les modèles Mistral seront intégrés à la plateforme de Cloudera, permettant aux entreprises de les déployer « dans des environnements cloud privés et publics, on-prem et entièrement isolés (air-gapped), tout en conservant un contrôle total », précise Mistral.
Par ailleurs, Mistral propose aux entreprises d’entraîner leurs modèles « sur de grandes quantités de données propriétaires dans des environnements contrôlés », tout en conservant « la propriété à la fois des données et de l’intelligence qui en résulte ».
Concrètement, les clients Cloudera pourront exécuter des workflows d’inférence, de génération et d’agents directement sans envoyer leurs données vers des API externes.
Pour Cloudera, l’enjeu est de faire passer les entreprises « de la location d’IA générique à la possession d’une intelligence qui leur est propre », explique Abhas Ricky, Chief Business Officer et GM Applied AI chez Cloudera.
« Les modèles à vocation générale sont le point de départ, pas la ligne d’arrivée. Le véritable avantage vient des modèles entraînés sur des décennies de données propriétaires : les décisions de crédit, les cycles de production, la télémétrie réseau que personne d’autre n’a », ajoute-t-il.
« C’est un privilège d’avoir l’opportunité d’apporter l’IA souveraine de Mistral aux 30 exaoctets de données gérées par les clients de Cloudera qui tournent sur sa plateforme. » souligne Kamal Brar, SVP Partnerships & Alliances.
Les deux sociétés n’ont pas communiqué de montant exact pour cet accord.
Plusieurs médias spécialisés évoquent toutefois un « partenariat stratégique à neuf chiffres » (soit entre 100 et 999 millions de dollars), sans précision supplémentaire.
The post Mistral et Cloudera scellent un partenariat pour une IA « souveraine » appeared first on Silicon.fr.
Trois milliards d’euros. En trois ans, Mistral AI est passée du statut de jeune pousse française prometteuse à celui d’acteur européen incontournable de la course à l’IA.
Mistral AI vient de boucler la plus importante levée de fonds jamais réalisée par une entreprise technologique européenne.
La scale-up parisienne, créée il y a trois ans, a levé 3 milliards € à l’occasion d’une série D, menée par le géant sud-coréen de l’électronique Samsung.
Cette opération porte sa valorisation post-money à plus de 21 milliards €, près du double de la précédente valorisation obtenue lors de son précédent tour de financement menée par le néerlandais ASML, le leader mondial des machines de gravure pour semi-conducteurs,
Aux côtés de Samsung, qui a assuré la direction de l’opération, figurent comme co-chefs de file le Scaleup Europe Fund, géré par le fonds d’investissement EQT, ainsi que PSG Equity, déjà actionnaire historique de la société.
Parmi les nouveaux entrants au capital, on retrouve le fonds Advent, des véhicules gérés par BlackRock, et même le Grand-Duché de Luxembourg.
La liste des investisseurs déjà présents et reconduits est longue et internationale : a16z, ASML, Belfius, BNP Paribas CIB, Bpifrance, Carmignac, DST Global, Eurazeo, General Catalyst, Index Ventures, Lightspeed, NVIDIA ou encore Salesforce Ventures.
Ce nouvel apport de capitaux confirme surtout l’intérêt croissant des grands noms de l’industrie et de la tech pour la stratégie de Mistral.
Selon Arthur Mensch, cofondateur et directeur général, interrogé par les Echos, l’enjeu de ce financement est de lever le verrou stratégique de la puissance de calcul. Cette levée va permettre à Mistral de disposer de capacités de calcul comparables à celles des laboratoires chinois d’IA, dans la course aux modèles « frontière ».
Mais cette performance, aussi remarquable soit-elle à l’échelle européenne, ne doit pas masquer l’écart qui sépare Mistral de ses concurrents américains.
Anthropic a levé à elle seule près de 100 milliards de dollars depuis le début de l’année, dans la perspective d’une entrée en Bourse qui pourrait la valoriser jusqu’à 2 000 milliards de dollars. OpenAI affiche des ambitions boursières comparables, avec une valorisation qui avoisine désormais les 1 000 milliards de dollars.
Face à ces montants, Mistral revendique un chiffre d’affaires récurrent annuel légèrement supérieur au milliard de dollars, et n’exclut pas une introduction en Bourse à plus long terme, sans calendrier arrêté à ce stade.
Cet écart de moyens conduit Mistral à faire des choix stratégiques différents. La scale-up a concentre ses efforts sur des capacités ciblées, tout en développant une offre de services cloud destinée aux entreprises. Son positionnement repose largement sur la notion de souveraineté numérique et sur le choix de modèles ouverts, c’est-à-dire dont le code source peut être examiné et adapté par les utilisateurs.
« Les organisations veulent industrialiser l’IA à l’intérieur de systèmes déjà complexes : leurs
propres données, leurs propres outils, leurs propres contraintes de conformité. C’est là que se
situe la vraie difficulté. C’est pourquoi nous avons construit Mistral sur des modèles ouverts de
pointe et sur une infrastructure que nous maîtrisons de bout en bout, ce qui permet à nos clients
de garder ce même contrôle », déclare-t-il. « Cette demande, nous l’observons partout. Cette levée nous donne les moyens d’aller plus vite dans la recherche, les produits et l’infrastructure, et d’aider davantage d’organisations à déployer l’IA à grande échelle, selon leurs propres exigences. »
Ce choix, selon ses dirigean, répond à une demande croissante de la part de clients industriels, en particulier européens, soucieux de garder la maîtrise de leurs données sensibles, de leurs processus internes et de leur propriété intellectuelle, sans dépendre d’un fournisseur unique.
Mistral revendique aujourd’hui une présence dans une vingtaine de pays et plus de 125 grandes organisations clientes, parmi lesquelles Airbus, ASML ou HSBC.
Elle met également en avant une demande grandissante pour ses services de cybersécurité, notamment de la part des banques européennes.
Illustration : © DR
The post Mistral AI lève 3 milliards € pour armer sa stratégie de souveraineté appeared first on Silicon.fr.
Il fut un temps où pour interagir avec une intelligence artificielle, on ouvrait naturellement ChatGPT. Mais en 2026, le chatbot d'OpenAI n'est plus seul sur son trône, et ses concurrents ont définitivement cessé de faire de la figuration. Voici les meilleures alternatives à utiliser.
Mistral AI étend sa stratégie d’IA souveraine au Moyen-Orient.
La scale-up française et HUMAIN annoncent une collaboration portant sur la puissance de calcul, le développement de modèles avancés et la commercialisation de solutions IA en Arabie saoudite et dans la région.
HUMAIN est une entreprise saoudienne d’IA créée en 2025 et détenue par le fonds souverain PIF,
Le partenariat, dont le montant présenté se chiffre en centaines de millions d’euros, vise en particulier le développement de modèles de pointe adaptés à la langue arabe. L’annonce ne donne toutefois ni nom de modèle, ni date de livraison, ni caractéristiques techniques. Les deux partenaires posent davantage un cadre industriel et commercial qu’ils ne dévoilent un produit déjà prêt à l’emploi.
Mistral et HUMAIN annoncent leur intention de développer et de « localiser » des modèles avancés avec l’ambition d’obtenir de solides performances en arabe. Les premiers domaines d’application cités sont la cybersécurité et les technologies vocales.
Pour les entreprises et administrations de la région, les performances d’un LLM ne se résument pas à la traduction en arabe d’un modèle conçu d’abord pour l’anglais. Elles recouvrent aussi la compréhension des contextes locaux, des usages administratifs et métiers, des références culturelles, ainsi que les particularités linguistiques propres à l’arabe moderne standard et à ses variantes régionales.
Pour autant, l’accord reste peu détaillé sur ce point. Les entreprises ne précisent pas si le projet portera sur le préentraînement d’un nouveau modèle, l’adaptation d’une famille de modèles Mistral existante, ou la combinaison de modèles et de jeux de données déjà exploités par HUMAIN. Aucun nombre de paramètres, benchmark, dialecte couvert, jeu de données ou modèle de distribution n’a été communiqué.
Les deux cas d’usage mis en avant donnent néanmoins une première indication sur le positionnement envisagé.
Dans la voix, un modèle performant en arabe pourrait servir à construire des assistants conversationnels, des fonctions de transcription, des centres de contact automatisés ou des interfaces vocales destinées aux services publics, aux banques et aux opérateurs télécoms. Mais Mistral et HUMAIN ne précisent pas quelles briques seront intégrées : reconnaissance vocale, génération de parole, compréhension d’intentions ou agents vocaux de bout en bout.
La cybersécurité constitue l’autre terrain prioritaire. Ici, un modèle localisé peut notamment améliorer l’analyse de journaux d’événements, le traitement d’alertes, l’assistance aux analystes SOC et la recherche de menaces dans des environnements dont les données, interfaces et procédures sont en arabe.
Le partenariat vise explicitement les secteurs régulés, dont les services financiers, les télécommunications, l’industrie et le secteur public. Dans ces environnements, la qualité linguistique devra donc s’accompagner de mécanismes de gouvernance, de traçabilité, de contrôle des accès et de déploiement conformes aux exigences locales.
Mistral dit également vouloir explorer l’usage de l’infrastructure IA de HUMAIN afin de répondre à ses besoins de calcul dans la région.
Pour Mistral, l’accès à une infrastructure locale peut faciliter le déploiement de ses modèles auprès de grands comptes saoudiens et régionaux. Pour HUMAIN, le partenariat offre l’accès à un fournisseur européen de modèles personnalisables et, selon Mistral, ouverts, dans une stratégie qui entend limiter la dépendance à des plateformes américaines intégrées.
Face aux offres globales des hyperscalers et des laboratoires américains, Mistral et HUMAIN promettent une chaîne régionale associant calcul local, modèles adaptés et déploiements dans des secteurs sensibles.
The post Mistral et HUMAIN misent sur des modèles IA arabophones appeared first on Silicon.fr.
Le secteur de l’intelligence artificielle ne connaît décidément pas de pause estivale. Alors que le marché prend le temps de digérer l’annonce faite par le géant des puces Nvidia et six géants de Wall Street plus tôt cette semaine, c’est au tour du français Mistral AI d’occuper l’espace médiatique avec une annonce de taille concernant la souveraineté numérique de ses clients.
Avec le bon pipeline d’entraînement, on peut former un petit classifieur qui rivalise avec les grands modèles de modération de contenu.
Mistral AI l’affirme à propos de son dernier-né : Shieldstral. Dans le contexte de son adhésion à l’Open Secure AI Alliance, il en a publié les poids sous licence Apache 2.0.
Le modèle dérive de Ministral-3B-Base-2512. Multimodal (texte et/ou image), il est dit « adaptatif » au sens où on peut modifier la politique de modération lors de l’inférence, sans avoir à le réentraîner. Sur le papier, cette propriété favorise la diversification des contextes de déploiement (un contenu acceptable dans un cas peut être indésirable dans un autre). Elle différencie Shieldstral de l’API Mistral Moderation, qui n’a pas cette flexibilité.
Pour développer cette propriété, Mistral AI a réduit les tâches de modération à des questions fermées exprimées en langage naturel. Par exemple : « Ce contenu promeut-il la violence contre une minorité ? » ou « Cette image peut-elle être montrée à une personne mineure ? ». Shieldstral y répond par un score, sans dépendre d’une taxonomie fixe.
Dans chaque requête, le prompt utilisateur se structure en trois champs :
Inculquer ce format de travail à Shieldstral a impliqué d’unifier les jeux de données d’entraînement existants, très hétérogènes dans leurs conventions d’annotation comme dans leurs taxonomies. Mistral AI a opéré une conversion à base de templates, en développant un pipeline de traitement spécifique à chaque dataset. Il a fait en sorte que le modèle apprenne à calibrer les décisions selon le niveau de rigueur. Et qu’il rencontre, au fil de l’entraînement, diverses formulations d’instructions, afin d’acquérir des capacités de généralisation.
L’autre pièce maîtresse dans la formation de Shieldstral fut l’usage de paires d’entraînement contrastives. D’un côté, des exemples positifs rattachés à trois types de requêtes : binaires (« Ce message est-il indésirable ? »), propres à des catégories (« Ce contenu promeut-il le suicide ? ») et, le cas échéant, spécifiques à des groupes cibles (« Ce message promeut-il la violence envers les enfants ? »). De l’autre, des exemples négatifs, avec trois stratégies pour les générer :
Cette approche a appris au modèle à ne pas seulement détecter du contenu indésirable, mais à faire la distinction entre catégories. Mistral AI l’a aussi exploitée pour affiner l’interprétation des politiques de modération, en l’encourageant à porter son attention sur des détails sémantiques plutôt qu’à s’appuyer sur des indices liés aux catégories.
Face à la rareté des jeux de données de modération d’images, Mistral AI y a adjoint des jeux de données de classification et de détection d’objets. Leurs exemples ont servi de négatifs… mais aussi de positifs, en permutant les requêtes grâce à un LLM.
La formation de Shieldstral ne s’est pas faite par fine-tuning supervisé, mais via la méthode LoRA. Elle a produit deux checkpoints. L’un limité aux jeux de données de modération publics (environ 45 millions d’exemples texte). L’autre élargi à des exemples synthétiques et aux images (environ 10 millions en cumulé). Mistral AI a fusionné ces checkpoints, ainsi que celui de Ministral-3B-Instruct pour augmenter l’aptitude à suivre des instructions.
Illustration générée par IA
The post Mistral AI change le fond et la forme pour la modération de contenu appeared first on Silicon.fr.
Le vendredi 12 juin 2026, à 17h21, Washington a coupé l’accès aux deux modèles d’IA les plus avancés jamais rendus publics, Fable 5 et Mythos 5, pour l’ensemble de la planète, avant de rétablir cet accès dix-neuf jours plus tard, le 1er juillet.
L’Europe n’a pesé sur aucune des deux décisions, ni la coupure, ni la remise en route. Alors, quand un simple courrier administratif suffit à éteindre, puis à rallumer, les outils numériques dont dépendent des milliers d’entreprises européennes, qui tient réellement l’interrupteur ? Et que reste t-il de notre souveraineté ?
Depuis des années, on parle de souveraineté numérique en Europe comme d’un horizon stratégique, un objectif à long terme que l’on prétend construire avec méthode.
On légifère sur la localisation des données, on labellise des clouds de confiance, on investit dans des champions nationaux, et pendant ce temps, des milliers d’entreprises françaises et européennes ont intégré des modèles américains au cœur de leurs processus métier, de leur chaîne de production intellectuelle et de leurs outils de décision.
Tant que l’accès aux modèles relevait du seul contrat commercial, la souveraineté IA restait un débat abstrait, mais elle est devenue une réalité opérationnelle pour les DSI, les directions juridiques et les dirigeants qui ont découvert, un lundi matin, que leurs outils ne répondaient plus.
Lorsqu’un État étranger peut désactiver, puis réactiver, par simple décision administrative, des outils numériques essentiels qui régissent le fonctionnement quotidien d’innombrables entreprises européennes, cela signifie que la souveraineté elle-même reste, aujourd’hui encore, suspendue à son bon vouloir.
La réaction politique a été, pour une fois, transpartisane et soudaine, alors qu’un mois à peine avant cet épisode, Arthur Mensch, fondateur de Mistral AI, témoignait devant une commission de l’Assemblée nationale devant une salle quasi vide, preuve que le sujet n’intéressait pas encore les élus.
La coupure du 12 juin a changé la donne, puisque la convergence politique s’est dressée autour d’un même constat sur la dépendance européenne face à l’IA américaine. Mais le rétablissement de l’accès, le 1er juillet, risque de produire l’effet inverse, car le retour à la normale efface généralement la mémoire de l’alerte.
Ce mécanisme constitue précisément le piège qui nous guette, puisqu’une dépendance que l’on ne remarque que lorsqu’elle se referme, et que l’on oublie dès qu’elle se rouvre, ne peut pas être considérée comme résolue. Elle est simplement retournée à l’état latent, et elle demeure prête à se reproduire au prochain différend commercial ou à la prochaine loi votée à Washington.
Les discours, aussi sincères soient-ils, ne remplacent jamais une infrastructure, et une infrastructure ne se construit jamais en quelques semaines de campagne présidentielle.
Ce qu’il faut construire n’est pas un champion national de plus financé par décret, mais bien un écosystème complet. Il faut d’abord des infrastructures, c’est-à-dire des data centers, de la puissance de calcul et de l’énergie, car on ne construit jamais de souveraineté numérique sur des serveurs que l’on ne possède pas.
Le jour même où Washington éteignait Mythos 5, SpaceX réalisait la plus grosse entrée en bourse de l’histoire de Wall Street autour d’un projet central, celui de déployer des data centers orbitaux et d’atteindre 100 GW de puissance de calcul dans l’espace, soit une fois et demie le parc nucléaire français.
Pendant ce temps, l’Europe continue de débattre de la localisation de ses données. L’Europe dispose pourtant du foncier, de l’électricité et des capitaux nécessaires pour combler ce retard, et ce qui lui manque reste la volonté politique de traiter le compute comme une infrastructure critique, au même titre que les routes ou les réseaux électriques.
Il faut ensuite développer l’open source, c’est-à-dire créer les conditions dans lesquelles une pluralité de modèles ouverts peuvent être développés par n’importe quel acteur européen, plutôt que de flécher des milliards vers un ou deux acteurs labellisés. Il faut enfin orienter la commande publique vers des solutions souveraines, afin de fournir un marché domestique qui leur donne les moyens de tenir la distance face à des concurrents financés à coup de centaines de milliards de dollars.
Une souveraineté technologique sans souveraineté des compétences équivaut à posséder une centrale nucléaire sans disposer d’ingénieurs pour la faire fonctionner.
La vraie dépendance ne se loge pas seulement dans les modèles que nous ne produisons pas, car elle se loge aussi dans les cerveaux que nous ne formons pas, dans les talents que nous laissons partir et dans les cursus qui n’ont pas encore intégré que maîtriser l’IA est devenu une compétence aussi fondamentale que lire ou compter.
On peut débrancher Fable 5 en quarante minutes un vendredi soir, et le rebrancher dix-neuf jours plus tard sur simple décision administrative, mais on ne peut jamais débrancher les compétences d’un peuple qui maîtrise véritablement sa technologie.
La question n’est donc pas de savoir si l’Europe parviendra à développer des alternatives compétitives aux modèles américains, car elle en possède manifestement la capacité. La question consiste plutôt à savoir si ses dirigeants, politiques comme économiques, sont prêts à en payer le prix avant que le prochain interrupteur ne s’éteigne.
Cette saga Fable 5 doit rester gravée comme le moment où l’Europe a compris, trop tard ou juste à temps, que la souveraineté numérique ne constitue pas un horizon lointain mais un choix stratégique qu’il faut assumer pleinement.
Le retour à la normale ne doit surtout pas devenir une excuse qui nous permettrait de l’oublier.
*Jonathan Pinet est Directeur général de l’École Européenne du Numérique.
Photo : © DR
The post L’Europe ne questionne plus sa dépendance à l’IA américaine, elle la subit… appeared first on Silicon.fr.
Deux ans après la signature de leur premier partenariat , en février 2024, Microsoft et Mistral AI franchissent une nouvelle étape.
L’accord repose sur quatre piliers dont le plus structurant concerne l’infrastructure.
Microsoft s’engage à acheter des futures capacités de calcul que Mistral prévoit de déployer en Europe pour répondre à ses propres besoins et à ceux de ses clients. Le communiqué évoque un engagement de « plusieurs milliards de dollars » sans préciser ni le volume de calcul concerné, ni les montants financiers engagés, ni le calendrier de déploiement.
Pour Mistral AI, cet engagement de long terme permet de sécuriser une partie des revenus futurs et peut faciliter le financement de nouveaux projets.
Le deuxième pilier concerne les organisations soumises à des contraintes élevées en matière de sécurité, de conformité et de contrôle des données.
Microsoft et Mistral mettent en avant la possibilité de déployer leurs solutions dans différents environnements de cloud public, de cloud privé, d’architectures hybrides, d’infrastructures locales ou d’environnements totalement déconnectés d’Internet.
Cette approche vise notamment les administrations, les opérateurs d’infrastructures critiques, les acteurs de la défense, les établissements financiers ou encore certains acteurs de la santé.
Cette approche vise notamment les administrations, les opérateurs d’infrastructures critiques, les acteurs de la défense, les établissements financiers ou encore certains acteurs de la santé.
Le partenariat renforce également la présence des modèles de Mistral dans Azure AI Foundry, la plateforme de développement d’applications d’IA générative, mais également dans Copilot Studio pour la création d’agents IA et Azure Local pour les scénarios nécessitant des déploiements hybrides ou sur site.
L’objectif est de permettre aux entreprises clientes de Microsoft d’utiliser les modèles de Mistral directement depuis leur environnement Azure, sans modifier leurs outils et leurs processus existants.
Cette dimension prolonge le partenariat conclu en 2024, lorsque Microsoft avait intégré les modèles de Mistral dans Azure AI Studio.
Enfin, les deux entreprises prévoient de renforcer leur approche commerciale auprès des grandes entreprises et des organisations publiques.
L’ambition est de proposer des solutions combinant les modèles de Mistral, les services cloud de Microsoft et des architectures adaptées aux exigences des secteurs réglementés.
Cette approche vise notamment les entreprises qui souhaitent déployer des applications d’IA générative tout en conservant un niveau élevé de contrôle sur leurs données et leurs infrastructures.
L’annonce de 2026 marque une évolution importante par rapport au premier partenariat signé en février 2024..
Microsoft avait mis à disposition son infrastructure Azure AI pour accompagner le développement et le déploiement des modèles de Mistral. Les modèles commerciaux de l’entreprise avaient également été intégrés à Azure AI Studio dans le cadre de l’offre « Models-as-a-Service ».
Microsoft avait par ailleurs souscrit un billet convertible d’environ 15 millions € dans Mistral AI, un investissement minoritaire qui avait suscité des questions de la part des autorités de la concurrence européennes et britanniques dans le contexte plus large des investissements des grands acteurs technologiques dans l’intelligence artificielle.
L’accord Microsoft-Mistral illustre la transformation du marché de l’IA où la compétition ne porte plus seulement sur la performance des grands modèles de langage mais sur l’ensemble de la chaîne de valeur.
Cependant, plusieurs éléments restent à préciser comme le volume exact de capacité de calcul concernée, les investissements associés, le calendrier de construction des infrastructures ou encore la répartition des responsabilités opérationnelles.
Ces informations seront déterminantes pour mesurer la portée réelle de l’accord.
The post Microsoft et Mistral AI passent à l’échelle industrielle avec un partenariat centré sur l’infrastructure appeared first on Silicon.fr.
Leanstral 1.5, puis Robostral Navigate : à quelques jours d’intervalle, Mistral AI a présenté deux modèles qui utilisent CISPO.
Cet algorithme d’apprentissage par renforcement a été proposé en 2025 par les créateurs du modèle MiniMax-M1. Il s’inscrit dans la lignée de la méthode GRPO, qu’on doit à DeepSeek.
GRPO (Group Relative Policy Optimization) n’implique pas de réseau de neurones distinct pour le calcul des récompenses. Pour chaque prompt, il produit plusieurs réponses et utilise leur moyenne comme référence, à renfort de fonctions programmables. Pour éviter les mises à jour de paramètres instables, il écrête les gradients des tokens.
Cet écrêtage pose un problème sur les chaînes de raisonnement longues : il éjecte des tokens à la probabilité faible, mais critiques. En l’occurrence, ceux dits « réflexifs » (However, Recheck, Wait, Aha), qui favorisent la correction des erreurs.
Plutôt que les gradients, CISPO (Clipped Importance Sampling Policy Optimization) écrête les poids d’échantillonnage préférentiel. L’ensemble des tokens sont ainsi exploités.
CISPO a servi à affiner Leanstral 1.5. Ce MoE (6 milliards de paramètres actifs sur 119 milliards) sous licence Apache 2.0 dérive de Mistral Small 4. Il a des propriétés de vérification programmatique reposant sur le langage Lean. Cela lui permet notamment de prouver mathématiquement l’exactitude du code qu’il produit.
On trouve aussi du CISPO dans Robostral Navigate. Il s’agit d’un modèle 8B de navigation embarquée. Il est conçu pour fonctionner avec une seule caméra RGB (pas de lidars, de capteurs de profondeur, etc.). Mistral AI vante sa capacité à généraliser entre types de robots.
Robostral Navigate utilise une navigation par « pointage » : étant donne une tâche et un historique d’observations, il infère les coordonnées de l’emplacement cible dans son champ de vision et détermine son orientation à l’arrivée. Lorsque la cible n’est pas dans le champ de vision, le modèle repasse sur un système de coordonnées locales, plus sensibles aux variations intrinsèques à la caméra.
L’usage de CISPO a accru de 3,2 % le taux de réussite, affirme Mistral AI, sans préciser à quel résultat il se réfère. Potentiellement à celui qu’il met le plus en avant : 76,6 % R2R-CE (Room-to-Room in Continuous Environments) avec la portion du dataset de validation jamais vue auparavant par le modèle.
Illustration générée par IA
The post Mistral AI change d’approche pour l’apprentissage par renforcement appeared first on Silicon.fr.
Petit à petit, le coût de l’OCR augmente chez Mistral AI.
L’entreprise avait lancé son premier modèle spécialisé en mars 2025. Le tarif était de 1 $ pour 1000 pages, hors traitement par lots.
Ce prix avait été maintenu avec la deuxième génération, introduite en mai 2025. Il avait en revanche doublé (2 $ les 1000 pages) avec Mistral OCR 3, arrivé en décembre.
Rebelote avec Mistral OCR 4, fraîchement ajouté à l’API* : il en coûte désormais 4 $ pour 1000 pages.
Le coût facial a certes augmenté, mais l’offre est devenue fonctionnellement plus riche.
Avec la première génération, Mistral AI avait mis l’accent sur le multilinguisme (une dizaine de langues), la multimodalité (texte + images) et la variété des formats pris en charge (tableaux, expressions mathématiques…). Il proposait aussi un système d’extraction structurée à base de schémas JSON.
Ce système d’annotation, combiné à l’OCR de base, allait former l’ossature de Document AI. Sous cette marque, poussée concomitamment au lancement de la deuxième génération, l’entreprise prônait l’intégration avec le reste de ses solutions. En particulier ses autres LLM, pour une analyse des extractions en langage naturel (questions-réponses). L’ensemble serait placé sous l’ombrelle Mistral Studio à son annonce en octobre 2025.
Depuis Mistral OCR 3, on peut choisir le format d’extraction des tableaux (HTML ou Markdown). On dispose aussi d’une option d’extraction séparée des en-têtes et des pieds de pages.
Avec Mistral OCR 4 arrive un paramètre include_blocks, non actif par défaut. Il délimite les éléments de chaque page par des boîtes englobantes et les classe selon leur nature (paragraphe, titre, liste, tableau, image, équation, légende, bloc de code, citation, signature…). Gérant les schémas d’output, il accepte aussi les prompts personnalisés. Il est censé favoriser, entre autres, l’apport de primitives structurelles à des agents IA.
Exploitant des modèles spécifiques dont Mistral Small, ces fonctionnalités entrent dans la famille Document AI, qui a sa propre tarification… elle aussi en augmentation (5 $ les 1000 pages, contre 3 $ avec Mistral OCR 3).
Autre nouveauté de Mistral OCR 4 : le modèle fournit des scores de confiance, par page et par mot.
En parallèle, Mistral AI se montre plus précis quant à la méthode de calcul des indicateurs de performance qu’il communique. C’est notamment la première fois qu’il mentionne des benchmarks tiers. En l’occurrence, OlmOCRBench et OmniDocBench. Il ne s’interdit pas de pointer leur tendance à pénaliser des outputs corrects, qu’elle découle de la segmentation des équations, de l’ordre de lecture dans les documents à plusieurs colonnes ou simplement d’erreurs dans la source de vérité (fautes de frappe, texte manquant, transcription de zones masquées…).
La première génération (mars 2025) avait été comparée à Google Document AI, Azure OCR, GPT-4o et plusieurs modèles Gemini (1.5 Flash, 1.5 Pro, 2.0 Flash).
La dernière a été opposée à davantage de modèles spécialisés, dont Chandra OCR 2, Mineru Pro, PaddleOCR VL, GLM OCR et DeepSeek OCR. Mistral AI a aussi effectué un test de préférence humaine en 12 langues contre Amazon Textract, Azure Document Intelligence, Gemini 3.1 Pro Preview, GPT-5.5 Pro et « Databricks » (modèle non spécifié).
* Mistral AI propose aussi, depuis la première génération, une option de déploiement sur site. Il promettait initialement jusqu’à 2000 pages par minute sur un GPU.
Illustration générée par IA
The post Chez Mistral AI, l’OCR s’enrichit, mais cela a un prix appeared first on Silicon.fr.
C’est un signal fort pour la filière française de l’intelligence artificielle. En marge du sommet Choose France, Mistral AI, Bpifrance et le fonds d’investissement émirati MGX ont annoncé l’expansion de leur co-entreprise Campus AI.
Montant de l’opération : 7,5 milliards € supplémentaires, pour porter la capacité totale de l’infrastructure à 3 gigawatts (GW). Soit l’équivalent de la puissance de trois réacteurs nucléaires.
La répartition précise des 7,5 milliards entre les différentes parties prenantes n’a pas été précisée. Il est par ailleurs entendu que Mistral AI, actionnaire et premier bénéficiaire de la plateforme, n’utilisera pas nécessairement l’intégralité des capacités disponibles. Une partie de la puissance de calcul pourrait être allouée à d’autres acteurs du numérique.
Le premier volet du projet, le campus de Fouju en Seine-et-Marne, prévoyait déjà 1,4 GW de capacité sur une emprise d’environ 70 hectares pour un investissement global de 35 milliards €. Le second site, dont la localisation n’est pas fixée, viendra compléter ce dispositif, faisant de la France la première destination européenne revendiquée pour les « usines d’IA décarbonées à grande échelle », selon les termes des partenaires.
Derrière l’effet d’annonce se cache une réalité plus tendue. Il y a quelques jours à peine, Arthur Mensch, cofondateur de Mistral, alertait une commission de l’Assemblée nationale sur les risques d’un accaparement des ressources énergétiques françaises par les géants américains.
« Le surplus énergétique en France est capté par les acteurs les plus puissants, notamment étrangers. Une fois que l’offre est monopolisée par les acteurs américains, on n’a plus d’offres », martelait-il, appelant à faciliter l’installation de capacités de calcul pour les entreprises européennes.
Mistral AI, valorisée 12 milliards €, s’est fixé l’objectif de sécuriser 1 GW de capacité propre d’ici à 2029. La scale-up, qui fête ses trois ans, avance sur plusieurs fronts simultanément : 200 mégawatts sécurisés sur le premier site de Fouju, un data center en construction en Suède pour 1,2 milliard $ et un site en Essonne, développé avec le spécialiste français des infrastructures modulaires Eclairion, financé par 725 millions € de dette levés fin mars auprès d’un consortium de sept banques.
« La question, désormais, est de savoir ce que la France fait de chaque gigawatt qu’elle construit », résume Thibaud Desfossés, président de Campus AI. « Chaque gigawatt doit faire fructifier la valeur en France, et non simplement la traverser. »
The post Campus AI : la France se branche sur 3 gigawatts appeared first on Silicon.fr.
La course à l’innovation numérique redéfinit l’équilibre géopolitique. Les géants américains et asiatiques dominent ce secteur, rendant l’Europe dépendante. L’émergence d’Arthur Mensch challenge ce monopole. En cofondant Mistral AI, ce chercheur français allie rigueur scientifique et pragmatisme commercial pour défier la Silicon Valley. Son entreprise incarne désormais un symbole de la souveraineté technologique européenne.
Ce succès repose sur l’alliance directe entre recherche fondamentale et réalités industrielles. De son parcours académique d’élite à ses récentes auditions parlementaires, l’ingénieur poursuit un objectif clair : défendre l’autonomie numérique du continent. Sa structure mise sur des modèles ouverts, transparents et efficaces. Ce choix technique audacieux bouscule les standards établis et séduit les investisseurs mondiaux. En seulement trois ans, la start-up parisienne est devenue un acteur majeur de l’indépendance européenne.
Arthur Mensch suit un parcours scientifique d’excellence. Admis à l’École Polytechnique en 2011, il étudie ensuite à Télécom Paris. Pour se spécialiser dans la modélisation de données, il rejoint le Master MVA de l’ENS Paris-Saclay. Cette formation de pointe en apprentissage machine forge les bases de son expertise technique.
Ces acquis orientent ses travaux vers l’optimisation des structures de données complexes. Face aux limites de l’informatique traditionnelle, il privilégie l’élégance algorithmique et l’efficacité du calcul. Cette philosophie guidera plus tard ses choix industriels pour concevoir des réseaux de neurones efficaces et performants.
De 2015 à 2018, il prépare sa thèse de doctorat à l’Inria et au centre NeuroSpin du CEA. Ses recherches portent sur l’optimisation stochastique appliquée à l’imagerie cérébrale à grande échelle. Cette immersion mathématique en fait un chercheur de fond. Son parcours démontre qu’il est un expert de l’IA formé bien avant l’explosion médiatique des grands modèles de langage.
Après un post-doctorat et un passage par l’université de New York incertains, il rejoint l’industrie fin 2020. Il intègre alors les bureaux parisiens de Google DeepMind. Durant près de trois ans, il y développe des architectures multimodales et des outils de traitement du langage. Cette expérience lui permet de maîtriser les rouages de l’apprentissage profond à grande échelle.
Cette immersion révèle rapidement un déséquilibre majeur. Mensch constate que l’Europe forme les meilleurs talents de l’IA. Pourtant, la Silicon Valley en capte la valeur économique et la propriété intellectuelle. Cette fuite des cerveaux engendre une dépendance stratégique pour le continent. L’Europe se retrouve ainsi reléguée au rang de simple consommatrice technologique.
Ce constat provoque un déclic entrepreneurial. L’ingénieur juge impossible de bâtir une alternative crédible depuis l’intérieur des géants américains. Il choisit donc de fonder une structure indépendante en Europe. Ce projet vise à retenir les compétences locales et à garantir l’autonomie des données. Cette décision marque la fin de sa carrière de salarié.
En mai 2023, Arthur Mensch cofonde la start-up Mistral AI à Paris. Il s’associe à Guillaume Lample et Timothée Lacroix, deux camarades de l’École Polytechnique issus du laboratoire de recherche en IA de Meta. Cette alliance stratégique réunit des compétences de premier plan pour rivaliser directement avec la Silicon Valley.
Dès le mois suivant, l’entreprise bouscule le secteur en levant 105 millions de dollars en amorçage. Mené par le fonds Lightspeed Venture Partners, ce tour de table établit un record majeur pour une si jeune pousse européenne. L’opération étonne les analystes, car aucun produit n’est alors présenté publiquement.
Ce financement repose uniquement sur la crédibilité scientifique des fondateurs. Les investisseurs misent sur leur capacité à concevoir des réseaux de neurones complexes à partir de zéro. Le marché valorise ainsi l’expertise technique brute avant les plans marketing. Grâce à cet afflux de capitaux, la start-up recrute immédiatement des profils d’élite et acquiert ses premières capacités de calcul intensif.
L’entreprise choisit d’emblée la transparence pour se démarquer de ses rivaux américains. Arthur Mensch impose le modèle des poids ouverts (open-weight). Ces systèmes sont librement téléchargeables et modifiables. Cette approche prend le contre-pied d’OpenAI et de Google, adeptes des systèmes verrouillés. La start-up parisienne gagne ainsi la confiance des développeurs et accélère son adoption mondiale.
Techniquement, la start-up privilégie l’efficacité algorithmique. En septembre 2023, le modèle léger Mistral 7B bouscule le marché en surclassant des solutions géantes. En décembre, l’entreprise réitère l’exploit avec Mixtral 8x7B. Ce système utilise un mélange d’experts (MoE). Il active uniquement les paramètres requis pour chaque requête. Cela réduit drastiquement la consommation d’énergie.
Par la suite, l’offre s’élargit pour couvrir l’ensemble des besoins industriels. L’entreprise développe Mistral Large pour les calculs lourds dans le cloud. En parallèle, elle déploie la gamme Ministral pour le traitement local sur smartphones et ordinateurs. Cette flexibilité permet aux clients d’adapter l’IA à leurs propres infrastructures sans sacrifier la précision.
La croissance de la start-up s’accompagne d’une forte accélération financière en 2023 et 2024. Après une Série A de 385 millions d’euros fin 2023, l’entreprise lève 600 millions d’euros en juin 2024. Des investisseurs internationaux comme l’américain General Catalyst entrent alors au capital. Malgré cet afflux de fonds étrangers, Arthur Mensch reste vigilant. Il maintient fermement le contrôle décisionnel et la gouvernance de sa structure en Europe.
Un cap majeur est franchi en 2025 lors d’une nouvelle levée de fonds. Cette opération stratégique renforce l’entrée au capital d’investisseurs industriels. La valorisation de la pépite parisienne grimpe alors à 11,7 milliards d’euros. En devenant une décacorne, la start-up confirme son statut de poids lourd industriel. Elle rivalise désormais directement avec ses plus grands concurrents.
Cette revalorisation transforme les fondateurs en milliardaires en seulement deux ans. Néanmoins, cette richesse théorique ne modifie pas la gestion opérationnelle au quotidien. La quasi-totalité des fonds est réinvestie dans l’achat de serveurs et de puces graphiques Nvidia de dernière génération. Sécuriser cette infrastructure de calcul demeure une priorité absolue pour tenir tête aux investissements des géants américains.
Le parcours d’Arthur Mensch croise directement les débats sur la régulation numérique européenne. D’abord opposé à l’AI Act par crainte d’étouffer l’innovation locale, il adapte ensuite ses modèles au texte de loi final. Cette conformité devient un argument commercial clé pour rassurer les clients institutionnels.
Ce succès fait du chercheur le symbole du renouveau technologique français. En février 2025, le gouvernement le choisit pour incarner la campagne internationale « Make it Iconic. Choose France ». En mai, il reçoit une reconnaissance publique à seulement 32 ans. Cet hommage salue l’importance de ses travaux pour l’indépendance du pays.
Au-delà des honneurs, la souveraineté se traduit par des applications concrètes. Des groupes comme Airbus ou BNP Paribas intègrent déjà ses solutions au cœur de leurs processus. L’hébergement sur des serveurs locaux garantit qu’aucune donnée sensible ne quitte le continent. Ce choix protège le secret industriel face aux lois extraterritoriales étrangères.
En mars 2026, Arthur Mensch publie une tribune sur la propriété intellectuelle. Il y propose une redevance pour les développeurs d’IA. Ce système rémunérerait équitablement les éditeurs de presse et les créateurs de contenus. L’objectif est d’apaiser les tensions croissantes entre les médias et la tech.
Ce cadre légal offrirait une stabilité indispensable à la recherche. En payant l’accès aux données, les entreprises d’IA se protègent des procès de masse. Cette approche évite la paralysie du secteur et garantit des entraînements sur des sources vérifiées. Une telle clarté devient un atout compétitif pour l’Europe face au flou réglementaire américain.
Cette mesure vise enfin à équilibrer la concurrence face à la Silicon Valley. Les géants américains exploitent massivement les données culturelles européennes sans contrepartie. En imposant une règle commune, Mensch protège le patrimoine local. Cette régulation garantit que l’innovation progresse sans détruire l’écosystème créatif.
En mai 2026, Arthur Mensch adresse un avertissement à l’Assemblée nationale. Il s’exprime devant la commission d’enquête sur les dépendances numériques. Selon lui, l’Europe doit agir rapidement. Passé ce délai, son retard structurel aggravera sa dépendance numérique. Le continent fera alors face aux puissances étrangères sans moyen de défense.
Pour contrer cette menace, le dirigeant oriente ses modèles vers la souveraineté technologique. La start-up conçoit désormais des outils sécurisés pour les institutions. Ces systèmes accélèrent la prise de décision opérationnelle. Ils s’appuient pour cela sur le traitement automatisé des données. Ce virage confirme la dimension stratégique de l’entreprise parisienne.
Malgré la sensibilité de ces missions, le fondateur insiste sur la stricte neutralité de son organisation. Mistral AI se positionne uniquement comme un fournisseur de briques technologiques. La structure n’interfère jamais dans la politique des États. Cette approche garantit son indépendance. Le but reste de doter les institutions des meilleurs outils de calcul pour assurer leur liberté de décision.
Le 28 mai 2026, Arthur Mensch dévoile ses ambitions au sommet AI Now Summit au Louvre. Devant ses partenaires, il fixe un objectif de chiffre d’affaires annuel élevé. La start-up présente aussi de nouveaux outils de codage. Ce logiciel autonome conçoit, teste et déploie des applications complexes. Il accélère ainsi le travail des ingénieurs.
Pour soutenir ces innovations, l’entreprise lance un plan d’infrastructure massif. Elle projette de bâtir un « Campus IA européen » d’ici 2030. Ce projet exige des partenariats directs avec des producteurs d’énergie décarbonée. Cela garantira une alimentation stable et décarbonée. Le dirigeant refuse d’intégrer des consortiums tiers. Il veut garder le contrôle absolu de cette chaîne technique critique.
Ce développement nécessite des capitaux inédits en Europe. La start-up prépare donc un financement majeur sur les places financières du continent. Cette opération ouvrira le capital au public. Je pense que cette étape est essentielle pour protéger la gouvernance contre des rachats étrangers. Ce pôle industriel consolide la stratégie d’indépendance de la structure. Celle-ci devient le fournisseur central de la région.
Cet article Arthur Mensch : itinéraire d’un architecte de l’IA européenne a été publié sur LEBIGDATA.FR.
Mistral AI a annoncé lors de son sommet » Mistral AI NOW » la création d’un troisième datacenter, situé aux Ulis dans l’Essonne.
D’une capacité de 10 MW, le site doit ouvrir au troisième trimestre 2026. Arthur Mensch, CEO de Mistral, a précisé qu’il sera « consacré à l’inférence afin de fournir des solutions intégrées pour nos clients ».
Le site des Ulis s’inscrit dans le campus Paris South de Digital Realty, l’un des plus grands hubs numériques d’Europe. L’opérateur américain héberge le cluster de calcul de 10 MW dans un environnement optimisé pour les workloads IA, incluant des technologies de refroidissement adaptées aux déploiements haute densité.
La plateforme de Digital Realty connecte des milliers d’entreprises, de fournisseurs de services numériques et de partenaires technologiques au sein d’un même écosystème. Pour les clients enterprise, cela se traduit par un accès à faible latence aux services de Mistral AI.
Le site des Ulis accueille l’un des plus grands déploiements européens de GPU NVIDIA GB300 NVL72.
Mistral Compute, qui opère l’infrastructure, a retenu VAST Data pour la gestion des données. La plateforme VAST AI Operating System unifie l’accès aux données, leur gouvernance et leurs performances sur l’ensemble du parc, sans duplication ni silos.
Elle couvre l’ensemble des types de données dont dépend une infrastructure IA en production : fichiers, tables, vecteurs, cache KV et mémoire persistante d’agents.
VAST est déjà en production chez Mistral Compute, avec des capacités supplémentaires en cours de mise en ligne.
Au-delà du matériel, Mistral AI a acquis Koyeb, éditeur d’une plateforme serverless conçue pour les traitements IA intensifs et l’exécution de tâches d’inférence sur CPU et GPU.
L’objectif affiché est de« maîtriser l’ensemble de la chaîne de valeur, de la couche applicative jusqu’au matériel». Le site des Ulis doit aussi permettre à Mistral de réduire sa dépendance aux fournisseurs de calcul tiers en prenant le contrôle direct de sa capacité d’inférence.
Illustration : © Mistral AI
The post Pourquoi Mistral AI construit son propre datacenter d’inférence ? appeared first on Silicon.fr.
BMW Group et Mistral AI annoncent un partenariat centré sur la simulation de collisions. L’objectif est d’améliorer la qualité et la rapidité de cette tâche d’ingénierie, aujourd’hui très consommatrice en ressources.
Chaque semaine, BMW réalise des milliers de simulations virtuelles de collisions. Ces simulations génèrent des données techniques en grande quantité. Au fil du temps, le constructeur a constitué une base de données historiques de plus d’un pétaoctet, dédiée à cet usage. Ce corpus documente les structures des véhicules et le comportement des matériaux dans des conditions d’impact.
C’est sur cette base que BMW et Mistral AI entraînent un modèle d’IA spécialisé, distinct des modèles généralistes.
BMW s’appuie sur ce qu’il appelle des « Large Industry Models » (LIM). Ces modèles intègrent des connaissances spécifiques à un domaine directement dans leur architecture. Ils nécessitent des données industrielles, une expertise métier approfondie et des environnements techniques adaptés. Leur entraînement s’effectue à partir des processus de développement réels du constructeur.
Cette approche diffère d’un usage classique de l’IA générative. Il ne s’agit pas d’adapter un modèle grand public à un contexte industriel, mais de construire un modèle depuis des données propriétaires et spécialisées.
BMW présente ce partenariat comme une première étape. Le groupe souhaite étendre cette approche à d’autres domaines du développement automobile et à l’ensemble de sa chaîne de valeur. La simulation de collision sert ainsi de terrain d’expérimentation avant un déploiement plus large.
The post BMW et Mistral AI entraînent un modèle d’IA sur les simulations de collision appeared first on Silicon.fr.
Connexion