Le 17 mars 2026, au Nvidia GTC, Mistral AI a frappé un grand coup en annonçant Forge, une plateforme complète qui permet à n'importe quelle organisation de former son propre modèle de langage sur ses données propriétaires. Ce n'est pas une mise à jour d'un modèle existant, c'est un changement de paradigme. Pour les entreprises qui hésitaient à dépendre des API d'OpenAI ou de Google, Forge arrive au bon moment. ## Qu'est-ce que Mistral Forge, et pourquoi c'est différent des autres offres IA ? Les offres d'IA en entreprise se ressemblent toutes depuis deux ans : on affine un modèle générique, on le connecte à ses données via du RAG, et on espère que les performances suivent. Mistral Forge propose quelque chose de fondamentalement différent. La plateforme regroupe la méthodologie d'entraînement que les propres équipes de Mistral utilisent pour construire ses modèles phares, c'est-à-dire les stratégies de mélange de données, les pipelines de génération de données synthétiques, les optimisations de calcul distribué et les recettes d'entraînement testées en production. Concrètement, une entreprise peut partir de zéro et entraîner un LLM (grand modèle de langage) ajusté à son domaine, de la phase de pré-entraînement jusqu'au reinforcement learning, sans avoir à construire l'infrastructure correspondante. C'est précisément ce que les acteurs comme OpenAI ou Google ne proposent pas : leurs solutions restent des adaptations de modèles génériques, jamais un modèle entièrement formé sur vos bases de connaissances internes. Pour les secteurs où la confidentialité des données est critique, comme la défense, la finance ou la santé, Forge répond à la question que les DSI posent depuis deux ans : comment avoir un LLM performant sans envoyer nos données dans un cloud américain ? La plateforme est disponible avec le support d'ingénieurs Mistral déployés directement chez le client, un modèle d'accompagnement emprunté à des acteurs comme Palantir ou IBM, où des équipes s'intègrent dans l'organisation pour identifier les bonnes sources de données et adapter les paramètres d'entraînement. Les premiers clients annoncés sont Ericsson, l'Agence Spatiale Européenne, le cabinet de conseil Reply, ainsi que DSO et HTX à Singapour, ce qui donne une idée claire des secteurs visés : industrie avancée, institutions gouvernementales, ingénierie de haute précision.  ## Mistral Small 4 : quelles performances face à GPT-4o mini et Gemini Flash ? Forge ne serait pas complet sans un modèle de référence pour le démontrer. Mistral a donc lancé en parallèle Mistral Small 4, son nouveau modèle open source qui unifie pour la première fois les capacités de ses différentes lignes de produits : Magistral pour le raisonnement, Pixtral pour le multimodal et Devstral pour le code, dans un seul modèle polyvalent. L'architecture repose sur un Mixture of Experts à 128 experts, dont seulement 4 sont actifs par token à l'inférence, ce qui explique comment Mistral peut proposer 119 milliards de paramètres totaux tout en maintenant seulement 6 milliards actifs en fonctionnement réel, un gain de vitesse et de coût considérable par rapport aux architectures denses. Le modèle est publié sous licence Apache 2.0, ce qui autorise une utilisation commerciale sans restriction. | Caractéristique | Mistral Small 3 | Mistral Small 4 | GPT-4o mini | Gemini 2.0 Flash | |---|---|---|---|---| | Paramètres totaux | 24B | 119B (MoE) | ~8B actifs | Non publié | | Paramètres actifs | 24B | 6B | ~8B | ~3,5B (estimé) | | Fenêtre de contexte | 128k tokens | 256k tokens | 128k tokens | 1M tokens | | Licence | Apache 2.0 | Apache 2.0 | Propriétaire | Propriétaire | | Gain de vitesse | référence | 40% plus rapide | référence | référence | | Débit (req/s) | référence | 3x supérieur | référence | référence | | Multimodal natif | Non | Oui | Oui | Oui | Sur la semaine du GTC, Mistral a également annoncé rejoindre la coalition Nemotron de Nvidia en tant que membre fondateur, aux côtés de Cursor, Perplexity et LangChain, pour co-développer un modèle frontier open source sur l'infrastructure DGX Cloud de Nvidia. Enfin, Leanstral, le premier agent de code open source pour Lean 4 (le langage de vérification formelle en mathématiques), complète une semaine de lancement exceptionnellement dense pour une startup qui s'affirme de plus en plus comme l'alternative européenne crédible aux hyperscalers américains. ## Comment les entreprises françaises peuvent tirer parti de Forge dès maintenant ? > "Les modèles frontières open source sont la façon dont l'IA devient une véritable plateforme." — Arthur Mensch, co-fondateur et PDG de Mistral AI Ce que cette phrase signifie dans la pratique, c'est que Mistral parie que la prochaine bataille de l'IA d'entreprise ne sera pas gagnée par celui qui possède le plus gros modèle, mais par celui qui permet aux organisations de posséder leur propre couche d'intelligence. C'est un positionnement stratégique direct contre les hyperscalers : plutôt que de louer de la puissance cognitive à un acteur américain, les entreprises pourront désormais en être propriétaires. Pour les professionnels français et européens, cette proposition a un attrait supplémentaire lié à la souveraineté des données, un sujet que le RGPD a mis sur toutes les tables depuis 2018 et que les nouvelles réglementations sur l'IA (AI Act) vont encore intensifier dans les mois qui viennent. Un LLM entraîné en interne sur des données qui ne quittent jamais l'infrastructure de l'entreprise répond à une exigence réglementaire et à une inquiétude stratégique à la fois. La question qui se pose immédiatement est celle des compétences internes : entraîner un LLM sur ses données n'est pas trivial, même avec une plateforme aussi packagée que Forge. Il faut savoir cartographier les flux de données métier, identifier ce qui constitue une donnée d'entraînement valide, structurer les pipelines pour éviter les biais et les fuites de confidentialité, puis superviser un agent IA capable d'opérer de façon autonome sur les processus internes. Ce sont exactement les compétences que des formations comme [Automatiser ses workflows et créer des agents IA](https://www.travelearn.fr/formation/automatiser-ses-workflows-et-crer-des-agents-ia) permettent de développer, en partant des fondamentaux de l'architecture jusqu'à la conception et la mise en production d'agents opérationnels sur des cas d'usage réels. Mistral, qui prévoit de dépasser le milliard d'euros de revenus récurrents annuels en 2026, n'est plus une startup en quête de légitimité. Avec Forge, Mistral Small 4 et un partenariat Nvidia au niveau de la coalition Nemotron, la startup française construit une alternative concrète à l'hégémonie américaine dans l'IA d'entreprise : pas le modèle le plus spectaculaire, mais celui qui vous appartient vraiment. --- **Sources** - [Mistral AI launches Forge to help companies build proprietary AI models](https://venturebeat.com/infrastructure/mistral-ai-launches-forge-to-help-companies-build-proprietary-ai-models) - [Mistral bets on 'build-your-own AI' as it takes on OpenAI, Anthropic in the enterprise](https://techcrunch.com/2026/03/17/mistral-forge-nvidia-gtc-build-your-own-ai-enterprise/) - [Mistral Forge Transforms Proprietary Knowledge Into AI Models and Agents](https://www.pymnts.com/artificial-intelligence-2/2026/mistral-forge-transforms-proprietary-knowledge-into-ai-models-and-agents/)