Un milliard de dollars de revenus annuels. C’est la trajectoire que Mistral, startup parisienne fondée il y a moins de trois ans, prévoit d’atteindre en 2026. Et la méthode pour y arriver n’a rien à voir avec celle de ses rivaux américains : au lieu de vendre un chatbot au grand public, la startup française propose aux entreprises de fabriquer leur propre intelligence artificielle.
L’outil s’appelle Forge. Présenté mardi au GTC 2026, la grand-messe annuelle de Nvidia à San José, il permet aux entreprises d’entraîner des modèles d’IA à partir de leurs propres données internes. Pas du simple ajustement cosmétique sur un modèle existant : un véritable entraînement depuis zéro, ancré dans les documents, les processus et le vocabulaire spécifique de chaque organisation.
Fabriquer son IA plutôt que louer celle des autres
La promesse est simple, mais le changement de paradigme est réel. Aujourd’hui, la plupart des entreprises qui adoptent l’IA utilisent des modèles entraînés sur des données publiques, comme GPT-5 d’OpenAI ou Claude d’Anthropic. Pour les adapter à leurs besoins, elles recourent au RAG (génération augmentée par récupération), une technique qui consiste à greffer des documents internes sur un modèle générique au moment de la requête.
Le problème : ces modèles n’ont jamais vraiment « lu » les données de l’entreprise. Ils improvisent à partir de bribes récupérées à la volée. Mistral prend le contrepied en proposant un entraînement complet sur les données propriétaires du client, ce qui produit un modèle qui a réellement intégré la terminologie, les contraintes réglementaires et la logique métier de l’organisation.
Selon Timothée Lacroix, cofondateur et directeur technique de Mistral, cette approche permet de compenser les limites des petits modèles. « Les compromis qu’on fait quand on construit des modèles plus compacts, c’est qu’ils ne peuvent pas être aussi bons sur tous les sujets. Pouvoir les personnaliser nous permet de choisir ce qu’on renforce et ce qu’on abandonne », a-t-il expliqué à TechCrunch.
L’Agence spatiale européenne et ASML dans la boucle
La liste des premiers clients de Forge dessine un profil précis : des organisations qui gèrent des données sensibles, réglementées, et souvent impossibles à confier à un prestataire américain. L’Agence spatiale européenne (ESA) utilise Forge pour entraîner des modèles adaptés à ses systèmes. ASML, le fabricant néerlandais de machines de lithographie qui a mené la levée de fonds de série C de Mistral en septembre dernier (11,7 milliards d’euros de valorisation à l’époque), figure aussi parmi les premiers adopteurs.
S’ajoutent à la liste Ericsson, le géant suédois des télécoms, Reply, cabinet de conseil italien, ainsi que DSO et HTX, deux agences gouvernementales singapouriennes spécialisées dans la défense et la sécurité intérieure. Le point commun : des organisations pour lesquelles la souveraineté sur les données et le contrôle du modèle ne sont pas un luxe, mais une condition préalable.
Selon Marjorie Janiewicz, directrice commerciale de Mistral, les quatre segments cibles de Forge sont les gouvernements (qui exigent des modèles adaptés à leur langue et leur culture), les institutions financières (soumises à des contraintes de conformité lourdes), les industriels (avec des besoins de personnalisation technique) et les entreprises tech (qui veulent aligner les modèles sur leur base de code).
Des ingénieurs intégrés chez le client, version Palantir
Forge ne se limite pas à un logiciel en libre-service. Mistral déploie aussi des « ingénieurs avancés » directement chez ses clients, un modèle opérationnel emprunté à Palantir et à IBM. Ces équipes intégrées aident les entreprises à identifier les bonnes données, construire des pipelines de données synthétiques et mettre en place les systèmes d’évaluation nécessaires pour mesurer la qualité des modèles produits.
« Comprendre comment construire les bonnes évaluations et s’assurer qu’on a les bons volumes de données, c’est quelque chose pour lequel les entreprises n’ont généralement pas l’expertise. C’est ce qu’apportent nos ingénieurs déployés sur le terrain », a détaillé Elisa Salamanca, directrice produit de Mistral, dans un entretien avec TechCrunch.
En pratique, Forge couvre l’ensemble du cycle de vie d’un modèle : pré-entraînement sur de larges corpus internes, post-entraînement pour affiner le comportement sur des tâches précises, et apprentissage par renforcement pour aligner les agents IA sur les politiques internes de l’entreprise. Ce dernier point vise directement le marché des agents autonomes, ces systèmes capables d’utiliser des outils, de naviguer entre plusieurs logiciels et de prendre des décisions dans des processus complexes.
La bataille entreprise, nouveau front de la guerre IA
Le positionnement de Mistral révèle une fracture nette dans l’industrie de l’IA. D’un côté, OpenAI et Anthropic misent sur le grand public et les développeurs, avec des interfaces conversationnelles et des API génériques. ChatGPT revendique des centaines de millions d’utilisateurs. De l’autre, Mistral fait le pari que la vraie valeur se situe dans l’entreprise, là où les clients paient plus cher, restent plus longtemps et ont des besoins que les modèles génériques ne satisfont pas.
Les chiffres semblent valider ce pari. Selon le Financial Times, Mistral est en passe de dépasser le milliard de dollars de revenus annuels récurrents cette année. Pour une entreprise fondée en 2023, c’est une trajectoire que peu de startups IA européennes, voire mondiales, peuvent revendiquer.
Le timing de l’annonce au GTC n’est pas anodin. Nvidia pousse massivement les cas d’usage « agentiques » en entreprise avec sa nouvelle plateforme Vera Rubin. Le géant des puces a présenté des racks dédiés aux CPU capables de gérer plus de 22 500 environnements sandbox simultanés, conçus précisément pour les agents IA d’entreprise qui ne tournent pas uniquement sur GPU. Mistral se positionne comme le fournisseur de modèles pour cet écosystème.
Le choix stratégique comporte aussi un risque, que même Satya Nadella, PDG de Microsoft, a identifié : dépendre d’un fournisseur de modèles externe pour les processus internes, c’est céder le contrôle d’une couche critique de son logiciel. Microsoft vient de restructurer sa propre division IA pour développer ses modèles en interne jusqu’à la « superintelligence », selon The Decoder. Un signal clair que les plus gros acteurs ne veulent pas laisser cette couche à des tiers.
Pour Mistral, le calcul est différent : plutôt que de vendre un modèle unique à tout le monde, laisser chaque client construire le sien. Reste à voir si cette approche résistera quand OpenAI et Anthropic décideront de jouer sérieusement le même terrain. Anthropic a déjà lancé Cowork, un système d’agent d’entreprise, et OpenAI recentre sa stratégie sur les outils de code et les clients professionnels, d’après les rapports publiés cette semaine.
