Mardi dernier, la startup française Mistral AI a franchi une étape significative dans le domaine de l’intelligence artificielle avec le lancement de Magistral, sa première famille de modèles de raisonnement.
Composée de deux variantes (Magistral Small et Magistral Medium), cette gamme de modèles est conçue pour traiter des tâches complexes, des calculs structurés à la logique programmatique et aux arbres de décision.
Grâce à l’accent mis sur la traçabilité et la transparence, Magistral se positionne comme une option particulièrement intéressante pour les secteurs réglementés tels que le juridique, la finance et la santé.
L’approche Mistral AI
Depuis sa création en 2023, Mistral AI s’est donné pour mission de proposer des solutions d’IA puissantes, accessibles et efficaces.
Avec Magistral, l’entreprise renforce cette vision en présentant un modèle ouvert et un autre destiné aux entreprises, ce qui renforce sa compétitivité face à des géants comme OpenAI ou DeepSeek.
Dans le même temps, l’engagement en faveur d’une origine européenne et le support natif de plus de vingt langues renforcent son ambition en tant qu’alternative solide sur le marché mondial.
Caractéristiques du Magistral Small
Magistral Small est un modèle de 24 milliards de paramètres publié sous licence Apache 2.0.
Cela permet à tout développeur de télécharger le modèle depuis Hugging Face et de le déployer localement, même sur des machines modestes comme un MacBook de 32 Go ou un PC avec un seul GPU RTX 4090.
Sa fenêtre contextuelle atteint 128 000 tokens, même si Mistral recommande de limiter les sessions à environ 40 000 tokens pour maintenir des performances optimales.
Contrairement à d’autres modèles, Magistral Small intègre un mécanisme de raisonnement en chaîne de pensée délimité par des balises `…`, qui documente chaque étape logique avant de proposer la réponse finale.
Cela facilite l’auditabilité et la compréhension de vos processus internes. Le modèle ne prend pas encore en charge les appels de fonction directs, mais il compense cette limitation avec sa capacité à décomposer les problèmes en plusieurs étapes et à générer des résumés finaux clairs et structurés.
Sa nature open source fait de Small un outil idéal pour les chercheurs et les environnements universitaires, où l’adaptabilité et l’expérimentation collaborative sont essentielles.
Médium Magistral : performance et rapidité pour les entreprises
Magistral Medium est la variante conçue pour les environnements professionnels. Proposé en avant-première via Le Chat et l’API Mistral, avec déploiement imminent sur des plateformes telles qu’Amazon SageMaker, IBM Watson X, Azure AI et Google Cloud Marketplace.
Ses innovations techniques incluent deux modes notables : « Pure Thinking », optimisé pour les tâches mathématiques et de codage, et « 10x Speed », basé sur la technologie d’accélération Cerebras, qui décuple les performances par token par rapport aux modèles concurrents.
De plus, Magistral Medium utilise un programme de formation sophistiqué. Après avoir démarré à partir d’un point de contrôle Mistral Medium 3, un apprentissage par renforcement avec récompenses vérifiables (RLVR)** a été appliqué, obtenant une amélioration de près de 50 % par rapport au benchmark AIME-24 pour la métrique pass@1.
Cette formation a été complétée par un raffinement SFT (supervised fine-tuning) avec traces de raisonnement, qui améliore encore sa fiabilité dans les applications critiques.
Résultats de référence et comparaisons
Dans l’évaluation AIME-2024, Magistral Medium a obtenu 73,6% de taux de réussite en pass@1, passant à 90% avec vote multiple, tandis que Magistral Small a obtenu respectivement 70,7% et 83,3%.
Dans d’autres tests, comme GPQA Diamond ou LiveCodeBench, les modèles OpenAI et Google, par exemple Gemini 2.5 Pro ou Claude Opus 4, surpassent légèrement Magistral.
Cependant, la valeur différentielle de la famille Magistral réside dans la traçabilité de ses chaînes de pensée et dans sa remarquable efficacité, qui dans le cas de la version Small permet des exécutions locales sans avoir besoin d’infrastructures à grande échelle.
Ces résultats montrent que, même si Mistral AI n’aspire pas à être en tête de tous les classements de performances brutes, sa stratégie se concentre sur l’offre de modèles équilibrés alliant rapidité, transparence et multilinguisme.
Cela les rend particulièrement attrayants dans des contextes où l’interprétabilité et le contrôle de chaque étape du raisonnement sont plus importants que la simple puissance brute.
Dans quels domaines Magistral peut-il être appliqué ?
Les modèles magistraux s’adaptent à de multiples scénarios professionnels. Dans le secteur juridique, ils facilitent l’analyse des contrats et des jugements en montrant chaque étape du raisonnement, réduisant ainsi les risques de biais et d’erreurs.
En finance, ils sont utilisés pour modéliser les risques, générer des prédictions et auditer des calculs complexes. Dans le domaine de la santé, ils soutiennent les décisions cliniques grâce à des explications détaillées et traçables.
De même, dans le développement de logiciels et la planification de projets, sa structure de chaîne de pensée améliore la génération d’une logique programmatique robuste et transparente.
Un autre point fort est sa capacité multilingue. Magistral prend en charge plus de vingt langues, dont l’anglais, le français, l’espagnol, l’allemand, l’italien, l’arabe, le russe et le chinois simplifié.
Cela en fait une option adaptée aux entreprises mondiales et aux projets internationaux qui exigent cohérence et qualité dans toutes les langues.
Accueil et perspectives d’avenir
La communauté de l’IA a accueilli Magistral avec beaucoup d’intérêt. Sur des plateformes comme
Cependant, des lacunes temporaires ont été pointées du doigt, comme l’absence d’appels de fonctions dans la version Small ou certaines restrictions API dans Medium.
Sous la direction d’Arthur Mensch, Mistral AI a pour objectif de consolider Magistral comme une référence européenne en matière de modèles d’inférence au raisonnement profond.
À moyen terme, les intégrations cloud devraient se développer et des extensions pour les appels de fonctions et autres formats d’entrée devraient émerger. En parallèle, l’open source du modèle Small permettra des innovations communautaires qui pourraient encore améliorer ses performances et sa convivialité.
This post is also available in: