Mistral AI élargit sa stratégie au-delà des modèles pour tenter de maîtriser également l’un des composants les plus rares de l’intelligence artificielle : la capacité de calcul. La société française a annoncé de nouvelles options d’inferencing régional, un support pour les modèles ouverts de tiers et un mécanisme permettant de regrouper les engagements d’entreprises concernant la capacité en Europe, avec pour objectif déclaré de développer jusqu’à 1 GW d’infrastructure pour l’IA d’ici 2030. Ce mouvement transforme la souveraineté technologique en une réalité bien plus tangible que la simple conservation des données en territoire national : il s’agit de contrôler les modèles, l’infrastructure et l’accès futur aux GPU.

Les enjeux de la stratégie souveraine de Mistral en 30 secondes

• Mistral offre déjà un endpoint européen permettant d’exécuter de l’inférence au sein de l’UE et dans les pays de l’Accord de libre-échange européen.
• La société prépare des niveaux de service avec capacité engagée et SLA pour les charges critiques.
• Sa plateforme intégrera des modèles ouverts de tiers, à commencer par GLM-5.2 de Z.ai.
• Mistral souhaite regrouper la demande des entreprises via les unités de calcul européennes (European Compute Units) pour financer de nouvelles infrastructures européennes.
• Mistral Compute vise à atteindre 200 MW de capacité en UE d’ici 2027, avec un objectif d’expansion jusqu’à 1 GW en 2030.

Cette approche est particulièrement intéressante car elle address simultanément trois dépendances distinctes : une entreprise peut contrôler l’emplacement de ses données tout en conservant une API étrangère, exécuter un modèle ouvert et continuer à louer des GPU auprès de grands fournisseurs, ou disposer d’une infrastructure propre mais insuffisante face à la croissance de la demande.

Mistral cherche à fédérer ces trois couches sous une même vision : choix du modèle, localisation de l’inférence et capacité physique de calcul.

L’inférence régionale permet désormais un traitement en Europe

La première option, probablement la plus simple à utiliser, consiste à localiser le traitement en région européenne.

Mistral a mis à disposition générale ses Regional Inference Endpoints, qui permettent de spécifier explicitement la région où se déroulent les traitements API. L’infrastructure européenne utilise actuellement l’endpoint :

https://api.eu.mistral.ai

et regroupe des centres de données situés dans l’UE et dans les pays de l’AELE. La documentation officielle précise que l’inférence se réalise à l’intérieur de la région sélectionnée. Toutefois, Mistral avertit que des transferts limités et protégés vers des sous-traitants peuvent avoir lieu, notamment pour certaines fonctions, la résidence régionale n’étant pas une garantie absolue que tous traitements restent physiquement en Europe.

Pour un développeur, cela se résume souvent à une simple modification de configuration :

from mistralai.client import Mistral
import os

client = Mistral(
    api_key=os.environ["MISTRAL_API_KEY"],
    server_url="https://api.eu.mistral.ai/"
)

Côté coût, Mistral applique actuellement un supplément de 10 % au tarif standard pour l’inférence régionale, aussi bien pour les tokens d’entrée et de sortie que pour la lecture/écriture du cache.

Il existe aussi certaines limites : tous les modèles ne sont pas forcément disponibles dans toutes les régions, et certaines fonctionnalités avancées comme Agents, Batch ou Files API ne sont pas encore opérationnelles sur ces endpoints. La fonction de commande d’interactions (Function Calling) est, elle, supportée.

Ce dispositif est donc déjà opérationnel dans une version pratique, même s’il ne remplace pas encore totalement le endpoint global.

Mistral propose également un Priority Tier, actuellement en phase de pré-version publique, destiné aux organisations nécessitant des limites de requêtes personnalisées, une capacité plus fiable et des SLA garantis. L’objectif est d’assurer la disponibilité de capacité quand l’application est critique et que la demande augmente.

La souveraineté ne se limite pas à utiliser uniquement des modèles Mistral

La seconde décision, peut-être plus inattendue, concerne la diversité des modèles.

La société française ne souhaite pas que sa plateforme souveraine se limite à exploiter ses propres modèles. Son infrastructure intégrera également des modèles ouverts de tiers, comme GLM-5.2 de Z.ai.

Cela correspond à une évolution plus large vers des applications d’IA d’entreprise plus modulaires :

• Plus besoin d’utiliser un seul LLM pour l’ensemble des tâches.
• Définir différents modèles pour le raisonnement complexe, la classification, l’extraction d’informations, l’OCR, la reconnaissance vocale ou des systèmes spécialisés formés sur des données internes.
• Ils peuvent même être routés dynamiquement selon le contexte par model routing.

L’enjeu pour Mistral est d’éviter la fragmentation de l’infrastructure tout en proposant une gestion unifiée des modèles, qu’ils soient maison ou tiers, dans des cadres régionaux et opérationnels communs.

Il ne s’agit pas uniquement de « faire du local » ou d’adopter une approche pseudo-européenne, mais plutôt de maîtriser où tourne l’intelligence, tout en pouvant changer ou faire évoluer le modèle.

Depuis ses débuts, Mistral privilégie fortement les modèles à poids ouverts. La majorité de ses modèles sont distribués sous licence Apache 2.0, et certains sous des licences spécifiques aux entreprises de certains chiffres d’affaires.

De plus, ces modèles peuvent être déployés en dehors de l’infrastructure Mistral, via des moteurs comme vLLM ou TensorRT-LLM, ou sur des fournisseurs tels qu’AWS, Azure ou Google Cloud.

Ainsi, la société cherche à concilier deux axes : self-hosting et mise en place d’une infrastructure propre pour les organisations ne souhaitant pas gérer des milliers de GPU eux-mêmes.

European Compute Units : réserver la capacité avant même qu’elle n’existe

Troisième volet, le plus ambitieux, qui dépasse le simple logiciel : la mise en place d’un dispositif de réservation de capacité.

Mistral souhaite fédérer de grandes entreprises et institutions européennes disposées à s’engager sur plusieurs années pour réserver une partie de leur future demande en calcul. Cet engagement collectif servirait à justifier et financer la construction de nouvelles infrastructures.

Ces engagements sont matérialisés par des European Compute Units (ECU), qui finançant ensuite l’accès pluriannuel à Mistral Compute.

Ce système s’apparente à des contrats d’achat à long terme, comme ceux utilisés dans le secteur de l’énergie ou pour des grands centres de données.

Construire un campus IA coûte de l’investissement préalable, sans certitude du nombre précis de clients dans trois ou cinq ans. Si plusieurs grandes entreprises s’engagent à l’avance, le projet devient financièrement beaucoup plus visible.

Une conséquence stratégique pour Mistral est que la demande européenne pourrait définir précisément quelles infrastructures seront construites en Europe, avant même qu’elles ne soient absorbées par d’autres marchés.

Il ne s’agit pas uniquement de réserver des GPU, mais également d’investir dans des bâtiments, convertisseurs, sous-stations, réseaux InfiniBand, systèmes de refroidissement liquide, contrats d’électricité et milliers d’accélérateurs, avec une planification rigoureuse à long terme.

C’est à ce niveau que la souveraineté numérique dépasse la simple régulation pour devenir une véritable infrastructure industrielle.

Mistral Compute vise 200 MW en 2027

Le déploiement de cette capacité physique a débuté en 2025 avec Mistral Compute, sa plateforme d’infrastructure pour l’entraînement et l’inférence.

Le projet a été lancé en avril 2025, a reçu ses premiers racks NVIDIA GB200 durant l’été, et a commencé la mise en service de cette génération d’accélérateurs début 2026. La planification publique vise à atteindre 200 MW de capacité souveraine en Europe d’ici 2027.

L’infrastructure inclut des installations en Suède, collaborant avec EcoDataCenter, et prévoit l’utilisation d’accélérateurs NVIDIA GB200, GB300 et B300, ainsi que de CPU Grace et x86.

Mistral Compute n’est pas une simple collection de machines virtuelles équipées de GPU.

Son architecture repose sur des clusters bare-metal, réseaux InfiniBand, et une orchestration par Kubernetes et Slurm. Elle intègre aussi la télémétrie GPU, le contrôle de puissance et de température, l’authentification unique (SSO), SCIM, la gestion des accès par rôles, la gestion de secrets, le chiffrement AES-256, et des options de Bring Your Own Key (BYOK).

Ce modèle est pertinent car les clusters d’entraînement haute performance sont très différents d’un cloud classique :

• Les jobs utilisant des milliers de GPU nécessitent une connaissance précise de la topologie physique, une minimisation des latences entre accélérateurs, et une gestion des défaillances hardware pour éviter de perdre plusieurs jours de calcul. La couche réseau et l’orchestration sont donc aussi cruciales que la puissance GPU elle-même.

Mistral veut fournir cette infrastructure à la fois pour ses propres modèles et pour des clients externes.

De 200 MW à 1 GW : une nouvelle échelle

L’ambition d’atteindre jusqu’à 1 GW en 2030 propulse le projet dans une toute autre dimension.

Cinq fois la capacité annoncée pour 2027, cette étape révèle les mêmes défis que rencontrent actuellement les grands hyperescaleurs américains : sécuriser l’approvisionnement électrique, les composants, le terrain, la refroidissement et les accélérateurs à une vitesse suffisante.

Il est aussi essentiel de distinguer entre capacité annoncée, capacité en construction et capacité opérationnelle. Les 200 MW sont un objectif pour 2027, alors que le gigawatt (1 GW) correspond à une ambition d’expansion pour 2030, et ne doit pas être confondu avec une infrastructure immédiatement disponible ou déjà contractée.

Mistral souligne depuis longtemps que l’Europe doit se doter de telles installations : en avril, elle estimait que les charges IA nécessitent des densités supérieures à 100 kW par rack, ce qui impose l’utilisation de data centers spécifiquement pensés pour l’IA et la réfrigération avancée.

Cela explique pourquoi Mistral ne se contente pas d’offrir ses modèles européens sur des cloud comme AWS, Azure ou Google Cloud : sa vision va au-delà, puisqu’une dépendance totale à ces fournisseurs laisserait une partie stratégique de la souveraineté entre leurs mains.

La souveraineté totale est plus compliquée qu’il n’y paraît

Le discours de Mistral trouve un écho dans la crainte européenne de dépendance technologique, mais il faut éviter une vision simpliste.

Avoir des data centers en Europe ne rend pas automatiquement toute la chaîne souveraine :

• Les chips GPU de NVIDIA, fabriqués hors d’Europe, dépendent de TSMC et de matériaux américains ou asiatiques.
• Le logiciel, les équipements réseaux, ou encore une grande partie de l’électricité utilisent des technologies internationales.

La souveraineté proposée par Mistral est donc plutôt opérationnelle et de contrôle qu’autarcique.

Une organisation peut garder ses données en Europe, décider quels modèles utiliser, maintenir des poids ouverts ou propriétaires, et disposer d’une capacité contractée dans une infrastructure régionale, même si ses GPU proviennent d’Amérique ou d’Asie.

Pour beaucoup d’acteurs, ce niveau de contrôle sera suffisant, notamment pour les administrations, la défense, la banque, la santé ou l’industrie : il ne s’agit pas seulement de savoir qui a fabriqué chaque transistor, mais surtout qui contrôle le service, sous quelle juridiction il opère, et quel est le traitement des données et des modèles en cas de changement de fournisseur.

L’Europe a besoin de plus que des modèles pour rester compétitive en IA

Mistral cherche à occuper une position stratégique en se plaçant à la croisée des chemins dans le marché de l’IA.

OpenAI et Anthropic dépendent fortement d’alliances avec de grands fournisseurs de cloud. Google et Amazon peuvent développer leurs modèles sur leurs propres plateformes. Meta possède une capacité importante en interne, mais ne propose pas une cloud dédiée à l’entreprise comparable à celles des GAFA ou de Microsoft.

Mistral, de son côté, part d’un niveau d’infrastructure inférieur, mais vise à bâtir une pile complète : modèle, logiciel d’entreprise, inferencing régional, et capacité physique de GPU.

Son potentiel stratégique est de transformer la souveraineté européenne en un produit.

Mais sa difficulté majeure sera d’ordre financier :

• Construire plusieurs centaines de mégawatts d’infrastructure IA coûte des milliards d’euros, en concurrence avec les géants américains pour les mêmes accélérateurs, équipements électriques et talents.

Les European Compute Units joueront ici un rôle crucial : si Mistral réussit à convertir les futurs besoins de grandes entreprises européennes en contrats pluriannuels, elle bénéficiera d’une demande solide pour financer une nouvelle génération de data centers.

L’enjeu stratégique va aussi au-delà du simple matériel : il ne suffit pas d’avoir un LLM européen si l’on dépend entièrement d’infrastructures externes pour le faire tourner à grande échelle.

Mistral souhaite combler ce vide avec une stratégie à trois niveaux : maintenir le traitement dans la région choisie, offrir plus de flexibilité dans le choix des modèles, et permettre à l’Europe de réserver physiquement la capacité nécessaire pour les années à venir.

Le défi consiste encore à démontrer la capacité à atteindre cette échelle, mais si les data centers IA deviennent l’infrastructure industrielle de cette décennie, cette démarche devient cohérente : la prochaine bataille européenne ne sera pas uniquement pour des modèles plus performants, mais aussi pour déterminer où et sur quelles machines ils seront déployés.

Questions fréquentes

Que sont les Mistral Regional Endpoints ?

Ce sont des points d’accès API qui permettent de choisir une région spécifique pour l’inférence. Celui de l’Europe utilise api.eu.mistral.ai et traite les requêtes dans des centres de données situés dans l’UE et la zone de l’AELE.

Mistral autorisera-t-il l’utilisation de modèles tiers ?

Oui. La plateforme intégrera des modèles ouverts de tiers, à commencer par GLM-5.2 de Z.ai, avec un contrôle régional et une infrastructure dédiés.

Qu’est-ce que les European Compute Units ?

Les ECU sont le mécanisme permettant de transformer des engagements pluriannuels d’entreprises et d’institutions européennes en accès futur à la capacité de Mistral Compute. La mutualisation de la demande aide à financer et à dimensionner de nouvelles infrastructures.

Quelle capacité Mistral souhaite-t-elle construire ?

Mistral Compute annonce actuellement un objectif de 200 MW de capacité souveraine en Europe d’ici 2027. La stratégie va continuer à élargir cette capacité jusqu’à potentiellement 1 GW en 2030.

Source : mistral.ai