Si Mistral tente d’être une version française d’OpenAI, son manque de calcul hyperscale est une faiblesse fatale. Cela ne dépassera pas OpenAI, Oracle, Microsoft, Google, Amazon, SpaceX ou Anthropic. Cela ne les recrutera probablement pas non plus dans tous les domaines de recherche pionniers. Le marché de l’IA est déjà jonché d’entreprises qui ont sous-estimé la rapidité avec laquelle un « bon modèle » est devenu « pas assez bon ».
Mais si Mistral tente de devenir la couche d’IA contrôlée par l’entreprise pour les organisations qui ne veulent pas que toute l’intelligence réside derrière l’API de quelqu’un d’autre, le calcul devient un problème plus nuancé. Il lui faut encore des infrastructures, et Mistral semble le savoir. Après tout, Mistral a levé 830 millions de dollars de dettes pour acheter 13 800 puces Nvidia pour un centre de données près de Paris. C’est bien sûr une erreur d’arrondi par rapport à OpenAI et Anthropic, mais la vraie question est de savoir si Mistral peut transformer la rareté relative des ordinateurs en une vertu, comme le principe de leadership d’Amazon « Frugalité » sous stéroïdes. Si une capacité de calcul inférieure conduit Mistral à proposer des modèles plus petits, plus efficaces et plus spécialisés, ce qui aide les entreprises à mieux contrôler leurs données à moindre coût, alors moins devient vraiment plus.
Le défi de calcul de Mistral n’est donc pas d’essayer d’avoir autant de calcul qu’OpenAI. Il s’agit d’amener les clients à se soucier moins de l’échelle de calcul brute et davantage de la flexibilité, de la spécialisation et du contrôle du déploiement.
