Mistral AI ne veut plus seulement rivaliser avec ChatGPT sur le terrain des assistants conversationnels. Le 21 octobre 2026, la start-up française a annoncé un partenariat avec NVIDIA pour développer des outils d’intelligence artificielle destinés à l’ingénierie industrielle. Les cibles affichées sont l’aéronautique et le spatial, l’automobile et les semi-conducteurs, trois secteurs où la simulation numérique coûte cher et prend du temps.
Plan de l'article
Ce que prévoit l’accord #
L’idée est de bâtir des méthodes de travail d’ingénierie « natives de l’IA », qui s’appuient sur le calcul accéléré de NVIDIA. Concrètement, les deux entreprises veulent accélérer la simulation et créer des boucles fermées qui relient trois étapes aujourd’hui souvent séparées : la simulation, le développement des modèles et la conception.
Côté Mistral, l’accord mobilise son nouveau modèle phare, Mistral Large 4, associé à ses outils de génération de données et de modélisation physique. Côté NVIDIA, il s’appuie sur les bibliothèques de calcul CUDA-X et Warp, ainsi que sur la plateforme Omniverse, utilisée pour générer des scènes en 3D et des objets prêts pour la simulation.
À lire Meta mise tout sur l’IA : Muse, Muse Wonder et jusqu’à 145 milliards d’investissements
Des bancs d’essai publics
Le point le plus intéressant de l’annonce concerne l’évaluation. Mistral et NVIDIA prévoient de publier des bancs d’essai et des jeux de données ouverts pour mesurer la qualité des modèles de physique. Ils veulent aussi évaluer les agents d’IA capables de piloter des logiciels de calcul et de conception, ceux que les ingénieurs utilisent pour la CAO et pour la conception de puces électroniques.
Ces tests porteront sur la capacité d’un agent à manier les outils d’ingénierie et à enchaîner des tâches en plusieurs étapes. Ils mesureront aussi le temps d’exécution et le coût de calcul. C’est une manière de répondre à une question que se posent beaucoup d’industriels : un agent d’IA fait-il vraiment gagner du temps, ou déplace-t-il seulement la facture vers les serveurs ? Aucune date n’a toutefois été donnée pour la publication de ces bancs d’essai.
Mistral Large 4, le moteur de l’opération #
Le modèle au cœur de ce partenariat a été dévoilé le 6 octobre. Selon la dépêche de l’AFP reprise par France 24, Mistral Large 4 analyse du texte et des images, compte 1 000 milliards de paramètres et a été entraîné pendant deux mois dans les centres de données européens de Mistral, sur plus de 160 langues.
Le communiqué de Mistral précise qu’il s’agit d’un modèle à environ 1 000 milliards de paramètres au total, dont 49 milliards sont actifs pour chaque requête, une architecture qui limite le coût de fonctionnement. Il a été entraîné sur 3 800 puces NVIDIA Grace Blackwell. Le modèle est pour l’instant en préversion publique, et ses paramètres doivent être publiés le 27 octobre, ce qui permettra à n’importe quelle entreprise de le faire tourner sur ses propres machines.
À lire L’Allemagne s’allie à Nvidia pour accélérer l’IA industrielle
Un modèle encore à l’épreuve
Mistral reste prudent sur les performances. D’après l’AFP, l’entreprise reconnaît que ses résultats sont préliminaires et que le modèle doit encore progresser dans plusieurs domaines. Le site indépendant Artificial Analysis lui attribue un score de 38 sur son indice de référence, contre une médiane de 26. Les modèles les plus avancés restent américains ou chinois.
Pourquoi l’ingénierie est un terrain stratégique #
Neil Ashton, vice-président chargé de l’ingénierie computationnelle chez Mistral, résume l’enjeu dans le communiqué : « For too long, the pace of engineering has been set by the pace of simulation. » Autrement dit, la vitesse à laquelle on conçoit une aile d’avion, un moteur ou une puce dépend depuis longtemps du temps nécessaire pour simuler chaque version.
Pour NVIDIA, Tim Costa, responsable de l’ingénierie industrielle et computationnelle, estime que « The next wave of engineering breakthroughs will come from exploring ideas ». L’IA permettrait de tester beaucoup plus de pistes de conception, là où un bureau d’études n’en explore aujourd’hui que quelques-unes, faute de temps de calcul.
Pour Mistral, ce virage vers l’industrie a aussi une logique commerciale. Sur le marché grand public, la start-up affronte des concurrents bien mieux financés : selon l’AFP, OpenAI a levé 122 milliards de dollars en début d’année, quand Mistral a levé 3 milliards d’euros en septembre pour une valorisation de plus de 21 milliards d’euros. Se spécialiser sur des usages industriels, avec un modèle aux poids ouverts que les entreprises peuvent garder chez elles, est une façon de se différencier.
À lire Prompting : Guide Techniques IA Complètes
Une alliance qui ne date pas d’hier #
Mistral et NVIDIA ne partent pas de zéro. Les deux entreprises ont déjà développé ensemble le modèle Mistral NeMo. Elles travaillent aussi, au sein de la coalition Nemotron lancée par NVIDIA, à un modèle de fondation aux poids ouverts. Mistral indique par ailleurs viser une capacité de calcul de 1 gigawatt d’ici 2030.
Reste à voir ce que l’accord donnera dans les ateliers et les bureaux d’études. Les premiers indicateurs à surveiller seront la publication effective des poids de Mistral Large 4 fin octobre, puis celle des bancs d’essai annoncés. C’est là que l’on saura si l’IA française peut réellement accélérer le travail des ingénieurs.
