Mistral Large 4 : classement et performances de la semaine

👁 119 lectures

Cette semaine, deux variantes ont rejoint notre banc d’essai comparatif des modèles de langage : Mistral Large 4 et Mistral Large 4 (sans raisonnement). Mistral Large 4 signe la meilleure entrée en s’installant à la 17e place sur 26 modèles cloud, avec une note moyenne de 6,95 sur 10. En tête de peloton, Claude Opus 5.5 conserve sa première place avec 8,94/10.

Ce point hebdomadaire synthétise l’évolution de notre banc d’essai comparatif des modèles d’IA : nouvelles arrivées, décalages au classement et explications techniques. Nous avons testé ces modèles en polonais sur 9 exercices d’écriture notés à l’aveugle par des modèles juges. En complément, nous indiquons le score global sur 100 issu de notre banc d’essai de référence, qui prend aussi en compte la révision de texte et un test linguistique approfondi.

Les nouveaux modèles au classement

Mistral Large 4 : 17e position

• Moyenne des juges : 6,95 sur 10 sur 8 épreuves validées.
• Score au banc de test : 69,2 points sur 100.
• Meilleure performance : traduction de newsletter avec 8,3/10 (10e sur 26).
• Résultat le plus faible : article de blog avec 5,5/10 (19e sur 26).
• Épreuve non notée (réponse vide) : fiche produit. Cette tâche n’est pas comptabilisée dans la moyenne de notre classement.

Retrouvez l’analyse complète avec les exemples d’erreurs : Mistral Large 4 - notre test détaillé.

Mistral Large 4 (sans raisonnement) : 19e position

• Moyenne des juges : 6,50 sur 10.
• Score au banc de test : 65,6 points sur 100.
• Meilleure performance : réponse à une réclamation client avec 7,5/10 (14e sur 26).
• Résultat le plus faible : vulgarisation de l’inflation pour un enfant avec 5,5/10 (25e sur 26).

Retrouvez l’analyse complète avec les exemples d’erreurs : Mistral Large 4 - notre test détaillé.

Ce que révèle l’arrivée de Mistral Large 4

Mistral Large 4 est le premier nouveau modèle à intégrer le classement depuis son lancement le 2 octobre. Aucun autre modèle n’a été ajouté sur cet intervalle. Les évaluations précédentes (Llama 4 Maverick, Llama 4 Scout et Muse Glimmer 30B au 30 septembre) étaient déjà présentes dès le premier relevé.

• En rédaction pure, Large 4 progresse nettement face à son prédécesseur. Mistral Medium 3.5 affiche une moyenne de 5,13 à la 25e place, tandis que Large 4 avec raisonnement atteint 6,95 pour se positionner 17e. L’écart est particulièrement visible sur le résumé (7,8 contre 3,9) et sur la réponse à une réclamation (7,0 contre 4,1).
• Au banc de test global, l’écart se resserre nettement : 69,2 points contre 68,0. Ce banc d’essai intègre la révision de texte et le respect strict des contraintes. Or, lors d’une tâche de correction complexe et sur la fiche produit, Large 4 avec raisonnement a épuisé sa limite de jetons de calcul sans renvoyer de texte final. Si notre classement de base ne comptabilise pas les réponses vides dans la moyenne, le banc de test global les sanctionne comme un échec.
• La version sans raisonnement s’avère plus économique et plus constante. Avec une moyenne de 6,50 et une 19e place, elle a répondu à l’ensemble des 9 exercices. La série des 13 épreuves de laboratoire a coûté environ 0,0134 EUR (0,015 USD), contre environ 0,1198 EUR (0,134 USD) pour la variante avec raisonnement (conversions basées sur le cours de référence de la BCE au 12 octobre 2026 : 1 EUR = 1,1181 USD ; source : https://www.ecb.europa.eu/stats/eurofxref/eurofxref-daily.xml).
• Le sommet du classement reste intouché. Claude Sonnet 5.5 affiche 8,28, GPT-6.1 Sol 8,57, et même le modèle abordable Gemini 3.8 Flash obtient 8,09. Large 4 dépasse néanmoins GLM-5.3, Claude Haiku 4.5 et les deux variantes de Llama 4.

Pour en savoir plus sur les spécifications, le tarif et les poids ouverts, consultez notre article Mistral Large 4 : caractéristiques, prix et poids. La comparaison tarifaire détaillée face aux concurrents est disponible dans le guide Mistral Large 4 face à Claude, GPT, Gemini et DeepSeek. Vous pouvez également retrouver notre dossier complet dans le guide de Mistral AI.

Évolutions et reculs au classement

L’ensemble des reculs observés cette semaine est mécanique : 8 modèles perdent des places uniquement en raison de l’insertion des nouvelles versions au-dessus d’eux. Leurs notes individuelles demeurent identiques.

Quelques micro-variations de notes sans impact sur le classement sont à signaler : Claude Opus 5.5 (-0,04) et GPT-6 Luna (-0,03). Ces ajustements découlent de la réévaluation à l’aveugle des modèles de référence lors des confrontations directes, déplaçant légèrement la moyenne générale de quelques centièmes de point.

Classement général actualisé

Méthode de calcul du classement

• Chaque modèle reçoit 9 requêtes identiques : article de blog, fiche produit, réponse à une réclamation, publication LinkedIn, récit court, 10 titres SEO, résumé, explication de l’inflation pour un enfant et traduction. Nous avons exécuté ces tests en polonais pour mesurer leur comportement sur une langue cible rigoureuse.
• Les productions sont évaluées à l’aveugle par des modèles juges selon trois critères : exactitude, naturel de l’expression et respect de la consigne. La moyenne donne une note de 0 à 10.
• Ce tableau regroupe exclusivement les modèles cloud. Les modèles hébergés localement (sur RTX 4090) font l’objet d’un suivi séparé en raison d’un protocole d’évaluation adapté.
• La comparaison s’effectue par rapport à l’édition précédente. Une baisse de position sans baisse de note traduit simplement l’insertion d’un modèle plus performant.
• Le score du banc de test global (sur 100) repose sur une pondération spécifique : 70 % pour l’avis des juges, 20 % pour les contraintes strictes, 10 % pour la propreté du formatage, complétés par des épreuves de correction textuelle et de grammaire.

La suite des tests

Chaque nouveauté issue de notre calendrier des sorties IA est intégrée au protocole dès son ouverture via API, puis ajoutée au classement général. Vous pouvez confronter les générations textuelles côte à côte dans notre comparateur de LLM et évaluer les outils graphiques dans le banc d’essai des générateurs d’images.

// lire la suiteMistral Large 4 : prix, poids ouverts et benchmarksActualitésMercury Decide vs Celeris-1 : prix et performancesBenchmarksClassement musique AI d’Artificial Analysis : Suno v6 en têteBenchmarks

Kinetyra