Mistral revient sur l’audio avec Voxtral 3 et entre dans les prévisions avec Timestral

Mistral est une entreprise française spécialisée dans l'intelligence artificielle, connue pour ses modèles de langage avancés. En juillet 2025, elle a lancé Voxstral, son premier modèle dédié au traitement de l'audio, marquant une étape importante dans ses innovations. Ce modèle se distingue par sa performance supérieure et son coût réduit par rapport à ses concurrents. Voxstral 3, la version la plus récente, est une famille de modèles spécialisés dans la reconnaissance vocale (transcription de la parole en texte) et la synthèse vocale (génération de voix à partir de texte). Ces modèles sont conçus pour répondre à quatre besoins principaux : écouter avec précision, analyser les intentions de l'utilisateur dans un contexte précis, produire une parole naturelle et effectuer des actions en plusieurs étapes. Voxstral 3 est accompagné d'un SDK (kit de développement logiciel) permettant de créer des agents vocaux locaux, c'est-à-dire des programmes capables de traiter la voix en temps réel sans dépendre d'un serveur distant.

La famille Voxstral 3 comprend quatre modèles, chacun adapté à des besoins spécifiques. Le Small Transcribe 3 permet une transcription groupée de meilleure qualité, supportant 50 langues, au prix de 0,004 dollar par minute. Le Mini Transcribe 3, avec 4 milliards de paramètres, coûte 0,0035 dollar par minute. Le Mini Transcribe Realtime 3 offre une transcription en direct avec une latence de moins de 500 millisecondes, facturée 0,008 dollar par minute. Enfin, le Voxstral Speech 3 (ou Mini TTS 3.0) est dédié à la synthèse vocale, supportant plus de 35 langues et 50 dialectes, au tarif de 13 dollars par million de caractères. Ces modèles se distinguent par leur capacité à reproduire des émotions dans la voix, comme le rythme ou l'accentuation, ainsi que par leur précision dans la reconnaissance des différents locuteurs (diarisation) et leur adaptation aux termes techniques grâce à des biais contextuels. Mistral affirme que ces performances dépassent celles de références comme Whisper d'OpenAI.

Mistral propose un agent vocal complet, facturé entre 0,04 dollar et 0,08 dollar par minute selon le modèle utilisé. Cet agent intègre les quatre capacités clés : écouter, raisonner, parler et agir en plusieurs étapes. Il est accessible via l'API de Mistral ou directement depuis une infrastructure locale. Le SDK associé, basé sur LiveKit, permet de créer des pipelines de traitement combinant écoute, analyse, appel d'outils et synthèse vocale. Les quatre modèles de Voxstral 3 sont actuellement en préversion publique, ce qui signifie qu'ils sont accessibles au public mais peuvent encore évoluer. Certaines informations, comme la taille exacte du modèle Small, ne sont pas encore communiquées. Mistral n'a pas non plus publié les poids ouverts de ces modèles, mais leurs performances sont déjà validées par des tests indépendants comme ceux d'Artificial Analysis.

Le 15 octobre, Mistral a lancé Timestral, un nouveau modèle spécialisé dans l'analyse des séries temporelles, c'est-à-dire des séries de données datées comme les mesures de capteurs, la consommation d'énergie ou les flux financiers. L'objectif est de réaliser des prévisions à partir de ces données. Timestral est disponible en quatre tailles : 5, 28, 123 et 209 millions de paramètres. Il peut traiter plusieurs séries simultanément et intégrer des facteurs externes comme la météo ou un calendrier de production. Le modèle produit des prévisions avec une fourchette d'incertitude, représentée par 21 quantiles, et accepte jusqu'à 32 768 pas d'historique. Contrairement à de nombreux modèles nécessitant une carte graphique, Timestral fonctionne sur un CPU standard avec 8 threads, avec des temps de calcul allant de 10 à 140 millisecondes pour prévoir une journée, selon la taille du modèle.