Le Grand Pari de Mistral sur l'Infrastructure IA en Europe

La société française d'IA Mistral élargit ses activités avec trois annonces majeures. Premièrement, elle développe des capacités de calcul coûteuses en Europe, en réunissant un groupe de grandes entreprises et institutions européennes qui s'engagent à acheter de la puissance de calcul sur plusieurs années. Mistral vise à porter la capacité de calcul européenne à 200 mégawatts d'ici fin 2027 et jusqu'à un gigawatt d'ici 2030 ; en mars, elle a contracté une dette de 830 millions de dollars pour un centre de données de 44 MW. Le cœur du nouveau modèle de financement est constitué par les unités de calcul européennes (ECU), des engagements à long terme pour un accès pluriannuel à l'infrastructure de Mistral, les partenaires devant s'engager pour environ cinq ans sans possibilité de sortie anticipée. Parmi les participants figurent Amadeus, ASML, Capgemini, la Caisse des Dépôts et CMA CGM, et Microsoft louera également de la capacité dans les centres de données européens de Mistral. Deuxièmement, les clients entreprises peuvent désormais choisir si leurs requêtes d'IA sont traitées en Europe ou aux États-Unis, et Mistral prévoit une variante utilisant exclusivement une infrastructure contrôlée par Mistral sans les grands fournisseurs de cloud ; elle introduit également un niveau de service avec des limites d'utilisation personnalisées et une disponibilité contractuellement garantie, affirmant être le seul laboratoire d'IA européen offrant à la fois le choix de la région et une disponibilité garantie. Troisièmement, Mistral proposera sur sa plateforme des modèles à poids ouverts d'autres développeurs, en commençant par GLM-5.2 du laboratoire chinois Z.ai, qui fonctionneront sur la même infrastructure avec les mêmes engagements régionaux et de disponibilité. L'entreprise fait valoir que les applications modernes d'IA nécessitent un mélange de modèles et que les clients ont besoin à la fois de contrôle sur l'infrastructure et de choix de modèles ; stratégiquement, son infrastructure pourrait devenir plus importante que ses propres modèles, car l'exécution de grands modèles et d'applications agentiques sur site devient plus difficile.