Physical AI full-stack
IA souveraine sur votre propre infrastructure — des modèles à poids ouverts que vous possédez, exécutez et gouvernez, adaptés à votre domaine.
Sélection & dimensionnement
Déploiement
Adaptation
Gouvernance & évaluation
Un pipeline en quatre étapes : sélectionner et dimensionner le modèle, puis déployer, puis adapter par fine-tuning, puis gouverner et évaluer.
Beaucoup de contextes industriels ne peuvent pas envoyer leurs données vers une API tierce — pour des raisons de souveraineté, de latence ou de réglementation. Les modèles à poids ouverts s'exécutent sur votre propre infrastructure, adaptés à votre domaine, entièrement sous votre contrôle. Nous vous aidons à les choisir, les dimensionner, les déployer et les gouverner — pour que la capacité ne vous coûte pas la propriété de vos données. Mistral est notre premier choix, mais la recommandation est sélectionnée selon la charge de travail et indépendante du fournisseur : selon la qualité, la latence, le coût, la souveraineté et les contraintes opérationnelles, la bonne réponse peut être Mistral, un autre modèle à poids ouverts, un modèle frontière managé, du RAG sans fine-tuning, du fine-tuning, ou aucun LLM.
Sélection et dimensionnement du modèle selon la tâche ; une topologie de déploiement (sur site, edge ou cloud privé) ; adaptation au domaine par fine-tuning ou récupération ; une couche de service d'inférence ; et une boucle de gouvernance et d'évaluation, pour que la qualité soit mesurée plutôt que supposée.
Mistral et d'autres modèles à poids ouverts ; quantification (GGUF, AWQ, GPTQ) pour le matériel cible ; service avec vLLM, llama.cpp ou Ollama ; fine-tuning LoRA/QLoRA ; intégration de la récupération ; harnais d'évaluation pour la qualité et la régression ; déploiement GPU sur site et en edge.
Un instantané daté de la gamme de modèles Mistral — le runtime privilégié de Hyperion, sélectionné selon la charge de travail et indépendant du fournisseur. Chaque entrée est documentée par l'éditeur ; vérifiez un modèle à sa source officielle avant de vous y fier.
Mistral Large 3 25.12
Flagship multimodal LLM · Publié 2025-12-01 · 128K+ tokens · text + vision
Licence: Open-weight (commercial licence for production — confirm at source)
Mistral Medium 3.5 26.04
Frontier multimodal / agentic + coding LLM · Publié 2026-04-01 · 128K+ tokens · text + vision
Licence: Commercial / Mistral platform
Mistral Small 4 26.03
Efficient hybrid LLM (instruct + reasoning + coding) · Publié 2026-03-01 · 128K+ tokens · text + vision
Licence: Apache-2.0
Ministral 3 (14B / 8B / 3B) 25.12
Edge-class LLM family (14B / 8B / 3B) · Publié 2025-12-01 · 128K tokens · text
Licence: Mixed (open-weight + platform — confirm per size at source)
Codestral 25.08
Code-specialised LLM · Publié 2025-08-01 · 256K tokens · text (code)
Licence: Mistral AI Non-Production License (commercial licence for production)
Devstral 2 / Devstral Small 2 25.12
Agentic coding LLM · Publié 2025-12-10 · 128K+ tokens · text (code)
Licence: Mixed (Devstral Small 2 open; Devstral 2 platform — confirm at source)
Pixtral Large 24.11
Multimodal (vision) model · Publié 2024-11-18 · 128K tokens · text + vision
Licence: Mistral Research License (commercial licence for production)
Registre vérifié le 2026-06-28
Souveraineté, coût et pérennité favorisent généralement les modèles que vous hébergez vous-même.
| Dimension | Poids ouverts (vous l'exécutez) | API propriétaire |
|---|---|---|
| Propriété | Vous hébergez les poids | Hébergé par le fournisseur |
| Résidence des données | Reste dans votre périmètre | Envoyées au fournisseur |
| Modèle de coût | Calcul fixe que vous maîtrisez | Au token, non plafonné |
| Adaptation | Fine-tuning complet / LoRA | Limitée à ce qui est exposé |
| Pérennité | Figez une version de confiance | Risque d'obsolescence |