Mistral Medium 3.5 : un modèle 128B open source qui vise le bon compromis
Mistral remet une pièce dans la machine avec Mistral Medium 3.5, un modèle dense de 128 milliards de paramètres qui vient chasser sur les terres des grands noms du moment, mais avec une stratégie très française : faire (presque) aussi bien, pour (beaucoup) moins cher, et en gardant la main sur ses données.
Sur le papier, la promesse est claire : un modèle open source, une fenêtre de contexte de 256 000 tokens, et des tarifs API agressifs. Dans un marché où la facture peut grimper plus vite qu’un onglet de navigateur après une journée de veille techno, ça mérite qu’on s’y attarde.
Les specs qui comptent vraiment (et pourquoi elles changent la donne)
Avant de parler benchmarks et bataille de pourcentages, regardons ce que Mistral met sur la table.
128B dense et 256K de contexte : du sérieux
- 128B paramètres (dense) : on est sur une catégorie “gros modèle”, pensée pour être polyvalente.
- Contexte 256K tokens : ça veut dire lire, résumer et exploiter de longs documents, des bases de code conséquentes, des discussions interminables, ou plusieurs sources à la fois sans perdre le fil.
Dans la vraie vie, une grande fenêtre de contexte, c’est moins de bricolage côté produit : moins de découpage en morceaux, moins de RAG fragile, et plus d’analyses qui tiennent dans une seule requête.
Licence MIT modifiée : l’ouverture comme argument commercial
Mistral publie Medium 3.5 sous licence MIT modifiée. En clair, on s’approche d’une logique open source qui facilite l’adoption et l’intégration, y compris en entreprise. Pour les équipes qui veulent garder un contrôle sur leur stack IA et éviter la dépendance totale à une API externe, c’est un point lourd.
Un seul modèle pour chat, raisonnement et code
Autre idée intéressante : Medium 3.5 fusionne ce que Mistral proposait auparavant en plusieurs “produits” :
- chat généraliste (Medium)
- raisonnement (Magistral)
- code (Devstral)
Résultat : un jeu de poids unifié qui vise à faire correctement plusieurs choses, plutôt que d’alterner entre modèles selon le besoin. C’est souvent plus simple à intégrer, à monitorer, et à standardiser dans une organisation.
Prix : Mistral frappe là où ça fait mal (le budget)
C’est probablement l’argument qui va faire lever un sourcil à pas mal de décideurs.
Tarifs API annoncés
- 1,50 $ par million de tokens en entrée
- 7,50 $ par million de tokens en sortie
Le point de comparaison mis en avant est Claude Sonnet 4.6, annoncé à :
- 3 $ en entrée
- 15 $ en sortie
Donc, en simplifiant : Mistral Medium 3.5 coûte environ deux fois moins cher.
Et dans un monde où les projets IA passent vite de “POC sympa” à “ligne de dépense qui donne des sueurs froides à la finance”, cette différence peut changer la trajectoire d’un déploiement.
Le vrai calcul : coût total d’un agent, pas juste d’une réponse
L’économie devient encore plus visible quand on parle d’agents qui travaillent en autonomie :
- ils lisent beaucoup (docs, logs, repo)
- ils écrivent beaucoup (tests, PR, refactors)
- ils itèrent (plusieurs passes)
Si votre usage, c’est “un chat pour poser 3 questions”, la différence est sympathique. Si votre usage, c’est “des agents qui codent tous les jours”, la différence devient un vrai poste budgétaire.
Benchmarks : un peu derrière Claude, mais pas loin
Mistral ne prétend pas avoir le meilleur modèle du monde. Et, pour une fois, c’est presque rafraîchissant.
SWE-Bench Verified : le test que les devs regardent
Sur SWE-Bench Verified (un benchmark où l’IA doit corriger de vrais bugs sur GitHub), Medium 3.5 atteint 77,6 %.
En face, Claude Sonnet 4.6 est donné à 79,6 %.
On est donc sur environ 2 points d’écart. Ce n’est pas rien, mais ce n’est pas un gouffre. Surtout si l’autre colonne du tableau affiche 50 % d’économie.
Ce que Mistral ne dit pas (et pourquoi c’est important)
Point notable : Mistral ne met pas en avant des scores sur des benchmarks généralistes comme MMLU ou GPQA, ni des mesures de raisonnement global très détaillées.
C’est un signal : Medium 3.5 semble vouloir briller surtout sur des usages concrets orientés code, agents, productivité, plutôt que de jouer la course aux podiums sur tous les tests académiques.
La nouveauté qui compte : Vibe et les agents distants
Le modèle est important. Mais le vrai “plot twist” ici, c’est ce qu’on en fait.
Mistral lance Vibe, des agents distants capables de prendre une tâche et de l’exécuter dans le cloud, en parallèle, sans que vous restiez à valider chaque étape. Le rêve de tout développeur : travailler pendant que vous prenez un café. Ou deux.
Concrètement, ça fait quoi ?
L’idée, c’est un agent capable de gérer des tâches de dev “de bout en bout”, comme :
- refactoriser un module
- générer des tests
- mettre à jour des dépendances
- enquêter sur un échec de CI
- proposer un correctif
Et surtout : l’agent peut ouvrir une pull request GitHub une fois le travail terminé. Vous passez d’un mode “copilote qui attend vos ordres” à un mode “collègue junior qui bosse et vous soumet une PR à relire”.
Pourquoi c’est un changement de paradigme
Jusqu’ici, beaucoup d’outils IA de code restent bloqués dans une interaction au kilomètre :
- vous demandez
- l’IA propose
- vous corrigez
- vous redemandez
- vous testez
Avec des agents distants, l’enjeu devient l’orchestration et la supervision :
- définir clairement l’objectif
- donner accès à un environnement
- laisser l’agent itérer
- valider le résultat final
C’est exactement la direction prise par le marché des agents, et Mistral veut clairement être dans le match.
Le Chat se met aussi au “Work mode”
Côté utilisateur final, Le Chat hérite d’un Work mode orienté tâches non techniques :
- trier des e-mails
- préparer une réunion
- croiser plusieurs outils
- produire une synthèse exploitable
On retrouve une logique similaire à celle qu’Anthropic pousse avec ses propres workflows. Mistral arrive après, mais avec un angle qui peut parler à beaucoup d’équipes européennes : plus d’ouverture et plus de contrôle.
Local, souveraineté et entreprises : l’argument européen
Un point change beaucoup de choses : Medium 3.5 peut tourner en local sur quatre GPU.
Pourquoi “tourner en local” n’est pas juste un détail
Pour de nombreuses entreprises et organisations publiques, c’est le nerf de la guerre :
- données sensibles
- contraintes réglementaires
- secrets industriels
- exigences de localisation
Avoir un modèle performant, open source, et exécutable on-premise, c’est un levier énorme. Même si le meilleur modèle du monde est à 2 points devant, il ne gagne pas automatiquement si vous ne pouvez pas l’utiliser dans votre cadre légal ou sécurité.
Face à Qwen et DeepSeek : la souveraineté comme variable
Il existe aussi des alternatives ouvertes venues de Chine comme Qwen ou DeepSeek, parfois très compétitives en prix et en performances.
Mais dans certains contextes (secteur public, défense, industrie critique, santé), la discussion dépasse la fiche technique : origine, gouvernance, conformité, maîtrise du cycle de vie. Et c’est là que Mistral trouve une place naturelle dans l’écosystème européen.
Ce que ça veut dire pour les équipes produit et les devs
Medium 3.5 et Vibe ne sont pas juste une annonce “un modèle de plus”. Cela dessine une proposition très concrète.
Si vous payez déjà une facture Claude ou équivalent
Medium 3.5 peut devenir :
- un modèle de substitution pour les usages code à grande échelle
- un modèle “par défaut” pour réduire les coûts
- un modèle de backup pour éviter une dépendance unique
Le calcul est simple : si vous acceptez une légère baisse de performance sur certains scénarios, vous récupérez une grosse marge budgétaire pour itérer, industrialiser, ou augmenter le volume.
Si vous voulez déployer des agents internes
Vibe pousse vers un futur où :
- les tickets simples se ferment tout seuls
- les PR de maintenance se préparent automatiquement
- les tests se génèrent en continu
La clé sera la gouvernance : droits d’accès, limitations, review obligatoire, et traçabilité. Un agent autonome sans garde-fous, c’est comme donner les clés du data center à un stagiaire motivé : ça peut très bien se passer, mais il vaut mieux mettre une alarme.
Mistral joue enfin sa meilleure carte
Mistral n’a probablement pas vocation à gagner la guerre des benchmarks contre des géants qui disposent de moyens colossaux. En revanche, l’entreprise semble avoir verrouillé un positionnement beaucoup plus défendable :
- open source
- coût agressif
- exécutable en local
- orienté agents et productivité
- aligné avec les besoins de souveraineté en Europe
En bref, Medium 3.5 ne cherche pas à être l’IA la plus “musclée” de la salle. Elle veut être celle qu’on peut réellement inviter au bureau, signer le badge, et laisser travailler sans paniquer sur la confidentialité.
Reste une question qui pique un peu : l’Europe adore parler de souveraineté numérique. Est-ce qu’elle est prête à la déployer, la financer, et la standardiser… ou est-ce qu’on va encore faire un grand discours, puis retourner acheter ailleurs parce que “c’est plus simple” ?