Alors, Herman, je regardais la météo ce matin, et apparemment il y a un vent froid et sec qui souffle depuis Paris et qui rend pas mal de gens très nerveux à San Francisco et à Pékin. C'est un vent bien particulier, un vent qui chasse les nuages et qui apporte une clarté très nette, très glaçante, sur le paysage.
Le Mistral ! C'est vraiment un nom qui colle parfaitement à ce qu'Arthur Mensch et son équipe ont construit là-bas. Pour ceux qui ne connaissent pas bien leur géographie de France, le mistral est ce vent puissant et saisonnier qui balaie la vallée du Rhône. Il est célèbre pour sa force incroyable et pour rendre l'air si limpide qu'on voit à des kilomètres. Le sujet du jour, envoyé par Daniel, porte sur l'évolution de Mistral AI vers le statut de champion européen de l'intelligence artificielle, et franchement, le moment tombe à pic, puisqu'ils viennent de sortir Voxtral hier, le vingt-six mars.
Je l'ai vu passer. Voxtral. On dirait un personnage d'opéra spatial des années quatre-vingt-dix, ou peut-être une marque de pastilles pour la gorge, mais je suppose que c'est en réalité quelque chose de beaucoup plus technique. Moi, c'est Corn, au fait, celui qui pose les questions du genre : pourquoi dépense-t-on des milliards de dollars dans des cerveaux numériques alors qu'on n'a toujours pas réussi à faire marcher une imprimante de façon fiable ?
Et moi, je suis Herman Poppleberry, celui qui reste debout jusqu'à trois heures du matin à lire les rapports techniques et les livres blancs pour que vous n'ayez pas à le faire. Et vous avez raison pour le nom, Corn, mais Voxtral est en fait un très gros événement pour l'informatique en périphérie. C'est leur premier modèle vocal à poids ouverts, et il est spécialement conçu pour tourner sur des appareils comme votre téléphone ou votre montre, plutôt que dans une immense ferme de serveurs en plein désert.
On parlera des robots qui parlent dans un instant. Je voudrais d'abord voir la vue d'ensemble. Mistral n'est plus une petite startup débrouillarde. Ils ont atteint une valorisation de quatorze milliards de dollars, ils sont soutenus par ASML, et ils semblent être la seule chose qui sépare l'Europe de l'insignifiance totale en intelligence artificielle. Est-ce vraiment une protection géopolitique viable, ou juste de la fierté française avec une API très chère ?
C'est en train de devenir une vraie protection. Si vous regardez le tour de table de série C de septembre dernier, le fait qu'ASML l'ait mené avec un investissement d'un virgule sept milliard d'euros est le signal. ASML contrôle pratiquement tout l'approvisionnement mondial en machines de lithographie nécessaires pour fabriquer des puces haut de gamme. Qu'ils détiennent onze pour cent de Mistral laisse penser qu'ils essaient de bâtir une pile technologique européenne verticalement intégrée. Ils veulent que le silicium et le logiciel vivent sur le même continent, et qu'ils soient optimisés l'un pour l'autre.
C'est logique du point de vue de la souveraineté. Si les États-Unis ou la Chine décident de couper l'accès aux API, l'Europe a besoin de son propre moteur. Mais le marché se moque de la souveraineté si les modèles sont lents ou stupides. Toute l'image de marque de Mistral s'est construite sur cette idée d'efficacité, et en particulier sur l'architecture Mixture of Experts. Pour ceux qui n'ont pas une blouse de laboratoire avec un porte-stylos dans la poche, pouvez-vous expliquer pourquoi c'est important pour une entreprise ? Parce que « Mixture of Experts », ça ressemble à un cabinet d'avocats très cher.
L'approche Mixture of Experts, ou MoE, consiste en gros à ne pas utiliser tout le cerveau pour chaque mot que le modèle écrit. Prenez Mistral Large trois. Il compte au total six cent soixante-quinze milliards de paramètres, ce qui paraît énorme et lent. Mais quand il traite réellement une requête, il n'active qu'environ quarante et un milliards de ces paramètres. Il utilise un « routeur » pour décider quels « experts », à l'intérieur du modèle, sont les mieux adaptés à la tâche en cours.
Donc c'est comme avoir une immense bibliothèque, mais n'envoyer que les trois bibliothécaires qui connaissent vraiment le sujet dont vous parlez, au lieu de faire courir tout le personnel jusqu'au rayonnage ?
Exactement. Comme seule une fraction du modèle est active à un instant donné, le coût de calcul baisse nettement, et la latence, c'est-à-dire le temps que met le modèle à commencer à vous répondre, est bien plus faible que celle d'un modèle dense de même taille totale. C'est pour ça que Mistral Small quatre, qu'ils viennent de sortir le dix-huit mars, est une telle bête de course. C'est un modèle de cent dix-neuf milliards de paramètres, mais il n'utilise que six milliards de paramètres actifs par jeton.
Six milliards ? C'est minuscule comparé à quelque chose comme GPT cinq virgule quatre mini ou aux plus gros modèles Claude. Est-ce qu'il tient vraiment la route, ou est-ce qu'on sacrifie trop d'intelligence pour la vitesse ? Parce qu'un stagiaire rapide qui me donne la mauvaise réponse, ça reste quelqu'un qui me donne la mauvaise réponse.
Sur les benchmarks généraux, il est incroyablement compétitif. Mistral Small quatre regroupe en fait leurs modèles spécialisés. Il reprend le raisonnement de Magistral, les capacités multimodales de Pixtral et les compétences en programmation de Devstral, et il met tout ça dans une seule architecture hybride. Ils annoncent une réduction de quarante pour cent du temps de réponse par rapport à Small trois. Pour un développeur qui construit un flux de travail agentique où le modèle doit réfléchir et agir en temps réel, cette vitesse fait la différence entre un outil qui paraît magique et un outil qui paraît être une corvée.
J'aime l'idée de la vitesse, mais je dois jouer le sceptique. Quand je regarde les tâches de raisonnement de haut niveau, comme les benchmarks de génie logiciel où ces modèles doivent vraiment corriger des bugs dans du vrai code, le SWE-bench, Mistral semble toujours à la traîne derrière les meilleurs modèles américains, comme Claude quatre virgule cinq. Est-ce qu'ils sont condamnés à être l'option rapide et économique, ou est-ce qu'ils peuvent vraiment rivaliser sur l'intelligence brute ?
C'est la grande question de deux mille vingt-six. Arthur Mensch a été très clair sur le fait qu'ils n'essaient pas de bâtir dans une cave une intelligence artificielle générale quasi divine. Ils fabriquent des outils industriels. Ils peuvent avoir un léger retard à la toute pointe du raisonnement, mais pour quatre-vingt-quinze pour cent des usages en entreprise, on n'a pas besoin d'un modèle capable d'écrire de la poésie et de résoudre des problèmes de physique encore irrésolus. On a besoin d'un modèle qui sache résumer un dossier juridique ou écrire un script Python sans halluciner. Ils visent le « milieu utile » du marché.
En parlant d'outils industriels, parlons de Mistral Forge. Ils l'ont lancé à la conférence de Nvidia la semaine dernière, vers le dix-sept mars. On dirait un virage : ils s'éloignent du statut d'entreprise de chatbot pour devenir une entreprise d'infrastructure. C'est moins « parlez à notre bot » et plus « construisez votre propre moteur ».
C'est un virage complet. Mistral Forge est essentiellement une plateforme de type « construisez le vôtre ». Elle permet aux entreprises de prendre les modèles de base de Mistral et de les entraîner sur leurs propres données privées, au sein de leur propre environnement sécurisé. C'est la réponse directe aux craintes de souveraineté des données qui freinent les banques et les prestataires de santé européens. Ils ne veulent pas envoyer les données de leurs clients à une API basée aux États-Unis, même s'il existe des accords de confidentialité. Ils veulent posséder les poids, posséder l'infrastructure, et le faire tourner sur leur propre matériel.
C'est la stratégie du « je préfère le faire moi-même ». Ce qui, vu les réglementations européennes comme l'AI Act, est probablement la seule façon d'avoir le droit de le faire sans une montagne de paperasse. Mais est-ce que ça les met en concurrence directe avec les grands fournisseurs de cloud, ou est-ce qu'ils jouent la carte de la bonne entente avec les géants ?
Ils font les deux, et c'est ça qui est malin. Ils ont un partenariat de seize millions de dollars avec Microsoft, mais les liens avec ASML et Nvidia montrent qu'ils veulent rester indépendants des plateformes. Si vous êtes une grande banque française, vous utilisez Mistral Forge pour construire une version personnalisée de Mistral Large trois qui connaît tout de vos règles internes de conformité. Vous la faites tourner sur vos propres serveurs. À ce moment-là, vous n'êtes plus client d'OpenAI ; vous êtes propriétaire de votre propre capacité d'intelligence artificielle. Vous achetez le moteur, vous ne louez pas la voiture.
Ça doit pourtant coûter cher à construire. Mensch prévoit plus d'un milliard d'euros de revenus d'ici la fin de l'année. C'est un énorme bond par rapport aux trois cents millions de la fin de l'année dernière. D'où vient cet argent ? Est-ce que ce sont tous ces contrats sur mesure avec les entreprises, ou est-ce qu'ils vendent autre chose ?
Une grosse part vient de ces contrats avec les entreprises. Mais il y a aussi l'angle de l'efficacité. Comme leurs modèles sont tellement moins chers à faire tourner, leurs marges sont potentiellement bien plus élevées que celles d'une entreprise comme OpenAI, qui brûle des milliards de dollars dans d'énormes entraînements de modèles denses. Mistral prouve qu'on peut obtenir quatre-vingts pour cent de la performance pour dix pour cent du coût de calcul. Dans un monde où le temps de GPU reste la monnaie la plus précieuse, c'est un modèle économique gagnant. Ce sont la machine française, mince et redoutable.
Regardons la concurrence un instant. On a parlé des géants américains, mais qu'en est-il de l'Est ? On a consacré tout un épisode à l'affaire Cursor, l'épisode mille quatre cent soixante et onze, où il est apparu que beaucoup de gens utilisaient en secret des modèles chinois parce qu'ils étaient tout simplement meilleurs en programmation. Comment Mistral se positionne-t-il face à Qwen trois virgule cinq d'Alibaba ou à DeepSeek V trois virgule deux ? Parce que ces modèles sont incroyablement bon marché et incroyablement intelligents.
C'est de là que vient vraiment la pression. Si vous regardez les rapports performance-prix, DeepSeek et Qwen battent souvent tout le monde, y compris Mistral. DeepSeek en particulier a été agressif dans sa guerre des prix, défiant presque les entreprises occidentales de s'aligner. L'avantage de Mistral dans ce combat n'est pas forcément le prix, mais le facteur « confiance ». Pour une entreprise occidentale, un modèle français soutenu par ASML et Nvidia est beaucoup plus facile à adopter qu'un modèle sorti d'un laboratoire chinois, quoi que disent les benchmarks. Tout est question de sécurité et d'alignement géopolitique.
Donc c'est le « choix sûr » pour ceux qui veulent rester dans la sphère occidentale sans dépendre de la Silicon Valley. C'est la troisième voie.
Précisément. Et cela nous amène au débat sur l'open source. Le sujet de Daniel mentionnait leur façon particulière d'équilibrer modèles ouverts et modèles commerciaux. Ils appellent ça une stratégie « à double voie », mais c'est un peu plus compliqué que « certains sont gratuits et d'autres non ». Il y a beaucoup de confusion dans la communauté sur ce que « ouvert » veut vraiment dire ici.
Exactement, parce qu'ils ne sont pas vraiment "open source" comme beaucoup de gens le croient, c'est-à-dire avec le code, les données et la recette. Ils utilisent la licence Apache deux point zéro pour les petits modèles, mais les grands modèles phares sont "open weight", à poids ouverts. Expliquez-nous la distinction, parce que je pense que beaucoup de gens s'y perdent.
C'est une distinction essentielle. Pour un modèle comme Mistral Small quatre, c'est de l'Apache deux point zéro. Vous pouvez le prendre, le modifier, en faire ce que vous voulez, et vous ne devez pas un centime à Mistral. Mais pour Mistral Large trois, ils publient les poids, donc vous pouvez voir comment il fonctionne et le faire tourner vous-même sur votre propre matériel. En revanche, si vous êtes une grande entreprise à fort chiffre d'affaires et que vous l'utilisez à des fins commerciales, vous devez payer une licence. C'est le modèle "on regarde gratuitement, mais on paie si on est riche". Vous avez la transparence et le contrôle de l'open source, avec un péage commercial pour les gros acteurs.
C'est l'"essayer avant d'acheter" pour la classe des milliardaires. Ça a l'air de marcher, en tout cas. Ça crée une énorme communauté de développeurs qui adorent les modèles parce qu'ils peuvent bidouiller les petits sur leur ordinateur portable. Et quand ces développeurs arrivent dans leur boulot, dans de grandes entreprises, ils recommandent la version phare parce qu'ils connaissent déjà l'écosystème. C'est une stratégie classique d'adoption par la base.
Tout à fait. Et ça marche particulièrement bien avec les sorties les plus récentes. Parlons un instant de Voxtral, parce que c'était la grande nouvelle d'hier. C'est un modèle vocal de quatre milliards de paramètres. Il est conçu pour tourner en périphérie, c'est-à-dire sur votre téléphone ou un objet connecté que vous portez, et non dans un centre de données. C'est un énorme virage par rapport à la mentalité du "tout dans le cloud".
Soixante-dix à quatre-vingt-dix millisecondes de latence. C'est incroyablement rapide. Je veux dire, le temps de réaction du cerveau humain dans une conversation est généralement d'environ deux cents millisecondes. Donc ce truc répond, en pratique, plus vite que ce qu'un humain met à percevoir le silence. C'est presque précognitif.
Oui. Et il prend en charge neuf langues d'office. C'est là que Mistral s'engage dans le futur "multi-surfaces" dont nous avons parlé dans l'épisode mille cinq cents. Ils ne construisent pas seulement une boîte où l'on tape du texte sur un site web. Ils construisent la voix de vos lunettes connectées, de votre voiture et de votre téléphone. Et comme c'est un modèle à poids ouverts, les développeurs peuvent l'intégrer directement dans leur matériel, sans avoir besoin d'une connexion permanente à un serveur en Virginie. Ça marche dans un tunnel, ça marche dans un avion, ça marche dans une cave.
Je vois l'intérêt. Fini le "Désolé, j'ai du mal à me connecter à internet" quand je veux juste demander à ma montre de lancer un minuteur pendant que je cuisine. Mais quatre milliards de paramètres pour un modèle vocal... est-ce que c'est suffisant pour sonner humain ? Ou est-ce qu'on retombe dans le monotone robotique du début des années deux mille, où tous les robots avaient l'air de lire une liste de courses ?
C'est étonnamment expressif. Ils ont utilisé des techniques d'entraînement très astucieuses pour capter la prosodie et l'émotion. Ça ne sonne pas comme un robot métallique. Ça sonne comme une personne. Et comme il est conçu nativement pour la périphérie, il est privé. Vos données vocales ne quittent jamais l'appareil. Pour une entreprise comme Mistral, c'est un énorme élément de différenciation. Ils disent : "Nous vous donnons l'intelligence et la voix, et nous vous laissons votre vie privée." C'est un argument très fort en Europe.
C'est un argument convaincant. Mais je m'interroge sur la viabilité à long terme. Ils sont valorisés à quatorze milliards de dollars. Ils prévoient un milliard de revenus. Ça fait un multiple de quatorze, ce qui est plutôt raisonnable pour une entreprise technologique à forte croissance en deux mille vingt-six. Mais ils sont en concurrence avec des sociétés comme Google et Meta, qui ont littéralement des centaines de milliards de dollars de trésorerie. Mistral peut-il suivre les lois d'échelle ? Si G P T six exige une grappe de calcul à cent milliards de dollars, est-ce que Mistral se retrouve simplement distancé ?
C'est la menace existentielle. Mais le pari de Mensch, c'est que les lois d'échelle de l'"utilité" ne sont pas les mêmes que celles de l'"intelligence brute". Il faut peut-être une grappe à cent milliards de dollars pour créer un modèle capable de réussir l'examen du barreau et de découvrir de nouveaux matériaux, mais quelques centaines de millions peuvent suffire pour créer le meilleur assistant de programmation ou l'agent de service client le plus efficace. Mistral parie sur le marché du "suffisamment bon et très rapide". Ils fabriquent les Volkswagen et les Ford de l'intelligence artificielle, pendant qu'OpenAI essaie de construire un vaisseau spatial.
Ce qui, honnêtement, est là où se trouve le plus d'argent. La plupart des entreprises n'ont pas besoin d'un Einstein numérique ; elles ont besoin d'un stagiaire numérique très compétent, qui ne dort jamais et qui coûte cinq centimes de l'heure. Si je dirige une société de logistique, je n'ai pas besoin que mon intelligence artificielle écrive des sonnets ; j'ai besoin qu'elle optimise les tournées de camions.
Et ça nous ramène au lien avec A S M L. A S M L n'est pas seulement un investisseur, c'est un partenaire stratégique. On spécule beaucoup sur le fait que Mistral obtiendrait un accès anticipé à du matériel spécialisé, voire contribuerait à influencer la conception des futures puces dédiées à l'intelligence artificielle. Si l'Europe parvient à construire une boucle fermée où les puces sont conçues pour les modèles et les modèles conçus pour les puces, elle pourrait potentiellement contourner la force brute des géants américains. Il s'agit d'efficacité par l'intégration.
C'est l'"approche Apple", mais à l'échelle d'un continent. On utilise l'intégration verticale pour obtenir des performances que d'autres ne peuvent atteindre qu'en jetant toujours plus d'électricité dans le problème. J'ai remarqué que vous n'avez pas encore mentionné le gouvernement français. Il s'est montré assez vocal dans son soutien à Mistral. Est-ce une aide ou un handicap ? Parce que parfois, "soutien du gouvernement" n'est qu'un autre mot pour "bureaucratie".
C'est une épée à double tranchant. D'un côté, le gouvernement français a été un défenseur très actif de Mistral à Bruxelles, en se battant contre certaines des parties les plus restrictives du règlement européen sur l'intelligence artificielle, qui auraient freiné l'innovation locale. Ils veulent un "champion français". De l'autre, être perçu comme un "champion national" peut parfois compliquer la conquête de clients dans d'autres pays, comme l'Allemagne ou le Royaume-Uni, qui peuvent se méfier de la politique industrielle française. Mais jusqu'ici, Mensch a bien manœuvré. Il a su garder à l'entreprise une image très professionnelle et centrée sur la technique. C'est d'abord un chercheur, ensuite un PDG.
Il a effectivement cet air sérieux, sans chichis. J'ai vu une interview où il balayait en gros tout le discours catastrophiste sur l'intelligence artificielle générale en le qualifiant de distraction marketing. Il veut juste fabriquer de meilleurs logiciels. Il a presque l'air agacé par le battage médiatique.
Il a vraiment les pieds sur terre. Il vient de DeepMind et de Meta, donc il a vu les cycles de hype de l'intérieur. Son credo, c'est ce qu'il appelle l'"intelligence artificielle souveraine". Il s'agit de donner aux institutions européennes les outils pour participer à la révolution de l'intelligence artificielle sans devoir renoncer à leur autonomie numérique. C'est une vision du monde très pragmatique, très européenne.
Alors, pour les développeurs qui nous écoutent, quel est l'enseignement concret ? S'ils démarrent un nouveau projet aujourd'hui, pourquoi devraient-ils regarder Mistral Small quatre plutôt que de se brancher simplement sur l'écosystème de Claude ou d'OpenAI ? Quelle est la fonctionnalité qui tue pour celui qui écrit réellement le code ?
Ce qu'il faut retenir, c'est le contrôle et le coût. Si vous utilisez Mistral Small quatre, surtout via quelque chose comme Mistral Forge, vous construisez sur une base que vous pourrez éventuellement déplacer sur votre propre infrastructure si nécessaire. Vous n'êtes pas enfermé dans l'écosystème propriétaire d'un seul fournisseur. Et d'un point de vue technique, la latence de Small quatre est tout simplement difficile à battre. Si vous construisez une application qui nécessite plusieurs appels de modèle à la suite, comme un flux agentique complexe où le modèle doit planifier, chercher, puis agir, ces millisecondes s'additionnent. Vous faites gagner des secondes d'attente à vos utilisateurs. C'est la différence entre une application qui paraît réactive et une qui paraît cassée.
Et pour les gens de l'entreprise, les dirigeants de la "direction générale" qui nous écoutent en attendant leur croissant du matin ? Quel est le message pour eux ?
Pour eux, il s'agit de souveraineté des données et de gestion des risques. Le passage de "l'utilisation d'une A P I" à "la possession de l'infrastructure" est la grande tendance de deux mille vingt-six. Mistral Forge est aujourd'hui la voie la plus mature pour y arriver. Cela vous permet de dire à votre conseil d'administration : "Oui, nous utilisons une intelligence artificielle de classe mondiale, et non, nos données propriétaires ne servent pas à entraîner le modèle d'un concurrent en Californie." C'est une déclaration très puissante dans un secteur réglementé comme la finance ou la santé. Ça transforme l'intelligence artificielle d'un passif en un actif.
Mais il faut aussi leur donner le rappel à la réalité. Si vous essayez de construire la prochaine percée en recherche scientifique, ou si vous avez besoin d'un modèle capable de raisonner sur un problème d'ingénierie extrêmement complexe, en plusieurs étapes, et jamais vu auparavant, Mistral Large trois pourrait encore vous décevoir par rapport à l'état de l'art absolu d'Anthropic ou d'OpenAI. Il ne faut pas prétendre qu'ils sont les leaders dans toutes les catégories.
C'est juste. Ils ne sont pas les leaders du raisonnement de haut niveau. Si vous regardez les résultats de S W E bench, qui mesure la capacité à résoudre de vrais problèmes GitHub, Mistral est honorable mais pas en tête du classement. Ce sont les bêtes de somme, pas les génies. Mais dans le monde réel, il nous faut beaucoup plus de bêtes de somme que de génies. La plupart du travail dans le monde ne consiste pas à résoudre de la physique nouvelle ; c'est déplacer des données d'un point A à un point B et s'assurer qu'elles sont correctes.
C'est une phrase très "Herman". Je pense qu'il y a beaucoup de sagesse là-dedans, cela dit. Le monde est bâti sur le dos des bêtes de somme. Alors, si on regarde vers l'avenir, quelle est la chose que vous surveillez chez Mistral dans les six prochains mois ? Quel est le signal dans le bruit ?
Je surveille le partenariat avec A S M L. Si Mistral se met à proposer des "offres groupées matériel et logiciel" spécialisées, où l'on peut acheter un serveur préchargé et optimisé pour Mistral Forge, ce sera un tournant majeur. Ce serait en quelque sorte le "mainframe" de l'ère de l'intelligence artificielle. Littéralement, de l'"intelligence artificielle en boîte" que vous branchez simplement dans votre centre de données, et ça fonctionne. Pas de cloud requis, aucune dépendance externe. Ce serait l'accomplissement ultime de la promesse de souveraineté.
Le retour de la boîte noire. Tout ce qui est vieux redevient neuf. Franchement, je trouve cette idée étrangement réconfortante. C'est bien plus tangible qu'une API dans un nuage vaporeux, qui pourrait changer ses conditions d'utilisation demain. J'aime les choses que je peux shooter dedans.
C'est vrai. Ça donne à l'intelligence artificielle un côté service public, comme l'électricité ou l'eau, plutôt que celui d'un oracle mystérieux qui vit sur un serveur qu'on ne voit pas. Ça démocratise la puissance du modèle, en le transformant en un bien physique qu'on peut posséder.
Eh bien, moi, je suis content que les Français nous gardent sur le qui-vive. Ça donne un paysage beaucoup plus intéressant qu'un simple duopole entre les États-Unis et la Chine. Et si ça veut dire que ma montre peut vraiment me comprendre quand je suis dans un tunnel, je suis pour. Même si sa logique a un petit accent français.
Le futur multi-surfaces arrive, Corn. Qu'on soit prêt ou non. Et Mistral veille à ce que l'Europe ait une place à la table.
Tant que les modèles de traduction du paresseux vers l'humain sont précis, je pense que je m'en sortirai. On devrait probablement conclure avant que vous ne vous mettiez à expliquer les maths derrière les couches de prosodie de Voxtral et qu'on perde la moitié de l'auditoire, endormie.
J'allais justement arriver à la partie passionnante sur les vocodeurs neuronaux ! Mais vous avez raison. Restons concis.
Pour celles et ceux qui veulent approfondir, vous trouverez les analyses techniques de Mistral Small quatre et de la plateforme Forge sur leur site. Et si vous n'avez pas écouté notre épisode sur l'incident Cursor, allez voir l'épisode mille quatre cent soixante et onze. Il donne beaucoup de contexte sur la raison pour laquelle ces modèles « efficaces » séduisent soudain les développeurs, au détriment des énormes modèles denses.
Et puis l'épisode quinze cents, sur le virage « Beyond the Chatbot », est un excellent complément pour comprendre pourquoi Voxtral et l'informatique en périphérie comptent autant en ce moment. Tout tourne autour du passage de l'écran au monde réel.
Merci comme toujours à notre producteur, Hilbert Flumingtop, qui fait tourner l'émission sans accroc et veille à ce que notre propre audio n'ait pas trop de latence. Et un grand merci à Modal pour les crédits de GPU qui alimentent notre petite part de la révolution de l'intelligence artificielle.
On ne pourrait pas le faire sans eux.
Vous écoutiez My Weird Prompts. Si l'émission vous plaît, un petit avis sur votre application de podcast nous aide vraiment à toucher de nouveaux auditeurs, qui cherchent peut-être un peu plus de profondeur dans l'actualité tech. C'est le seul moyen pour que l'algorithme sache qu'on existe.
Vous pouvez aussi nous retrouver sur myweirdprompts point com, pour toutes les archives et toutes les façons de vous abonner. Vous y trouverez des transcriptions et des notes techniques pour chaque épisode.
Ou cherchez My Weird Prompts sur Telegram si vous voulez être prévenus à la seconde où un nouvel épisode sort. On est partout.
À très bientôt pour le prochain.
Restez curieux, tout le monde. Au revoir.
