Héberger Mistral Large 4 : 5 clouds européens, 30 000 € le mois

Le 29 octobre, Mistral a publié les poids de Mistral Large 4, son modèle d'environ mille milliards de paramètres. Télécharger est gratuit. Faire tourner ne l'est pas. Nous avions déjà décrypté la préversion et ses prix ; ce qui a changé depuis, c'est que la question n'est plus théorique : un DSI peut désormais louer huit GPU à Roubaix ou à Paris et lancer le modèle chez lui.

Notre thèse tient en une phrase. Sur le seul critère du prix, héberger Large 4 sur un cloud européen à la demande perd presque toujours face à l'API de Mistral. On héberge pour une autre raison : la donnée ne doit pas sortir, la juridiction doit être européenne, ou le modèle doit être affiné. Cet article compare cinq fournisseurs (Scaleway, OVHcloud, Nebius, IONOS, Outscale) sur douze critères, chiffre le seuil de rentabilité face à l'API et dit à qui ça s'adresse.

Un avertissement de méthode. Les pages tarifaires officielles de Scaleway et d'OVHcloud n'ont pas pu être relues directement (blocage et page tronquée) ; leurs prix viennent de comparateurs datés du 3 novembre et d'agrégateurs recoupés. Les chiffres Outscale viennent de sa page publique, sans date. On le signale à chaque fois que ça compte.

Ce que Mistral Large 4 exige vraiment comme machine

Le modèle est un mélange d'experts : environ 1 000 milliards de paramètres au total, dont 49 milliards actifs par token selon l'article de Hugging Face (le nom du dépôt dit A52B ; les sources se contredisent, et la différence ne change pas le dimensionnement). Le piège classique : seuls les experts activés calculent, mais tous doivent résider en mémoire. On paie la VRAM de mille milliards, pas de cinquante.

Deux checkpoints existent. Selon la recette vLLM, le NVFP4 pèse environ 610 Go et le FP8 environ 1,06 To. Il n'y a pas de version BF16 à télécharger. Le NVFP4 exige des GPU Blackwell ; le FP8 tourne sur H200.

Le point qui fâche : la recette ne valide pas un nœud unique de huit H200 pour le FP8, mais deux nœuds (2×8 H200, soit 16 GPU). Un nœud seul est théoriquement possible, 1 128 Go pour 1,06 To de poids, mais sans marge pour le cache KV, et aucune mesure de performance n'a été publiée sur H200. Hugging Face, de son côté, cite pour ses Inference Endpoints huit H200 en FP8. Le réel se situe entre les deux. Pour une charge sérieuse, comptez 8 B200/B300 ou 16 H200.

Côté poste local, les chiffres de Hugging Face tuent le fantasme : un Mac Studio M3 Ultra de 512 Go atteint environ 15 tokens/s en génération avec une quantification à 2 bits, quatre RTX 6000 Pro en NVFP4 environ 10 tokens/s à 32 000 tokens de contexte. Pour une IA tournant sur un poste, nous avions comparé six moteurs locaux ; Large 4 n'est pas leur cible.

La licence : gratuit en interne, piège pour les revendeurs

Mistral publie les poids sous sa Mistral Ecosystem Open-Weight License, présentée comme un MIT modifié. Usage, modification, affinage et commercialisation sont libres, avec une seule condition : qui vend le modèle comme service (model-as-a-service) doit obtenir une licence commerciale séparée. DataNorth relève que la frontière entre une installation managée pour un client et un service de modèle reste floue.

Conséquence pratique pour une ESN ou une agence : héberger Large 4 pour un seul client n'est probablement pas du MaaS. L'exposer à plusieurs clients derrière une même API l'est. Faites relire la licence du dépôt Hugging Face par votre juriste avant de signer, pas après.

Les cinq candidats : prix et conditions publiés

Les prix ci-dessous sont à la demande, hors taxes, par heure. Le comparateur Le Compute les a relevés le 3 novembre 2026 pour Scaleway et OVHcloud ; ceux de Nebius viennent de la capture de sa grille ; IONOS et Outscale de leurs pages et de Qovery.

Trois remarques. D'abord, le prix par GPU des nœuds à huit cartes est un quotient : on loue le nœud, pas la carte. Ensuite, la hausse de Nebius casse les articles qui citent encore 4,50 $ pour le H200 : il est à 5,40 $ depuis le 1er octobre, le B200 est passé de 7,15 à 8,50 $ et le B300 de 7,85 à 9,50 $. Enfin, le IONOS à 3 € est le moins cher du lot mais probablement le moins adapté : le H200 en PCIe n'a pas l'interconnexion NVLink dont un modèle à huit-voies de tenseur a besoin, et la recette vLLM valide des H200 en nœuds SXM. C'est notre lecture, pas une mesure ; demandez un test avant d'engager quoi que ce soit.

Scaleway : Blackwell oui, H200 non

C'est le seul des cinq à afficher un B300 huit voies (60 € l'heure), donc le seul où le checkpoint NVFP4 de 610 Go tient avec de la marge sans empiler deux nœuds. Les agrégateurs ComputePrices et GetDeploying signalent des configurations en rupture, et un comparateur affiche le B300 comme épuisé. La disponibilité est donc le premier critère à vérifier, avant le prix. Côté certification, Scaleway est ISO 27001 et sa qualification SecNumCloud est annoncée en cours, d'après Qovery et Scalingo.

OVHcloud : le nœud H200 le plus lisible

Le h200-1920 à 42 € l'heure est le tarif de référence pour qui reste en France. L'avantage d'OVHcloud est la qualification SecNumCloud 3.2, mais Qovery précise qu'elle ne couvre que l'offre Bare Metal Pod, pas le cloud public GPU. Autre contrainte : pas d'instances interruptibles, donc aucun rabais en cas de charge souple.

Nebius : le plus de Blackwell, le moins de juridiction

Société néerlandaise avec des centres en Finlande et en France, Nebius propose H100, H200, B200 et B300. Un comparateur indique que le B200 n'y est offert que hors UE ; à vérifier sur votre compte. Ses remises d'engagement atteindraient 35 %. Mais quelle que soit la région, la juridiction suit la maison mère, pas le centre de données : lisez la section Cloud Act plus bas.

Outscale : le seul SecNumCloud complet, au prix fort

3DS Outscale détient la qualification SecNumCloud 3.2 complète, selon Qovery. Son H200 à 5,20 € l'heure en région standard est dans le marché. Le piège est ailleurs : ses forfaits « LLM en service ». La page tarifaire propose Mistral Medium 3 sur huit H200 à 40 703 € par mois, uniquement dans la région secteur public. Louer huit H200 au tarif horaire (5,20 € × 8 × 730 h) donne 30 368 €. Le forfait coûte donc 34 % de plus que la location nue ; ce que vous payez en plus est l'exploitation du modèle. La page ne dit pas si Large 4 est au catalogue de ces forfaits.

Le vrai calcul : 12 400 tokens par seconde

Voici le raisonnement qu'on ne voit pas dans les billets de blog. On compare un abonnement à la seconde (le nœud) à un compteur au token (l'API). Le seuil de rentabilité n'est donc pas un volume mensuel, c'est un débit soutenu.

Hypothèses, à vérifier sur votre trafic : l'API Mistral facture 0,70 $ par million en entrée, 0,07 $ en entrée cachée, 2,10 $ en sortie. À 3 tokens d'entrée pour 1 de sortie et sans cache, le prix moyen est de 1,05 $ le million. Le nœud OVHcloud coûte 42 € l'heure, soit environ 47 $ au change implicite de 1,12 des sources que nous avons croisées. Cela fait 0,0131 $ par seconde. Divisé par 1,05 $ par million de tokens : environ 12 400 tokens par seconde, entrée et sortie confondues, tant que le nœud est allumé.

Est-ce atteignable ? La recette vLLM donne des débits mesurés sur GB300, pas sur H200 : de 209,8 à 766 tokens/s/GPU selon la configuration (prefill/decode séparés, entrées courtes à 8 000 tokens), soit environ 1 700 à 6 100 tokens/s pour un nœud de huit GPU. Le B200 atteint environ 0,8× le GB300. Aucun chiffre n'est publié pour H200. Ordre de grandeur : un nœud de huit GPU serait à peine à la moitié du seuil, même bien réglé. La conclusion tient à ces ordres de grandeur, pas à un test, mais elle est cohérente avec ce que disent deux sources indépendantes. Qovery estime qu'en dessous de 20 à 40 % d'utilisation soutenue, l'API gagne ; son article cite aussi un rapport Cast AI selon lequel l'utilisation moyenne des GPU en entreprise tourne autour de 5 %.

*Non validé par la recette vLLM, voir plus haut. Calculs : prix de nœud horaire × heures, hors stockage, réseau, snapshots. La ligne 200 h reprend l'ordre de grandeur de DataNorth (environ 11 000 $ pour huit H100 en heures ouvrées).

Autre repère de Qovery : un H200 à 3 € l'heure donnerait environ 0,21 € le million de tokens à pleine charge, et 0,69 € à 30 % d'utilisation. À 0,69 €, on est déjà au niveau du prix d'entrée de l'API. Autrement dit : si votre nœud dort les deux tiers du temps, vous payez le tarif de l'API sans le service ni la garantie de débit.

Et la facture de l'API, concrètement ?

Pour comprendre à quel niveau d'usage l'API suffit, un exemple chiffré. Une PME qui fait traiter 20 millions de tokens d'entrée et 5 millions de sortie par jour (une base de tickets, un agent interne de code) paie, au tarif public, 14 $ + 10,50 $ = 24,50 $ par jour, soit environ 735 $ par mois. Même avec dix fois plus de volume, on reste sous 8 000 $, très en dessous d'un nœud. Pour mesurer ce que coûtent vos agents, notre guide sur le coût caché des agents en production donne la grille.

L'API a d'autres avantages que le prix : un cache d'entrée à 0,07 $ (10 fois moins), pas de gestion de GPU, pas de mise à jour de pilote. L'endpoint UE garantit un traitement en Europe pour 1,1 fois le tarif de liste (soit environ 0,77 $ et 2,31 $), mais Mistral précise que tous les modèles ne tournent pas dans toutes les régions et que les données de compte et de facturation peuvent être traitées hors de la région. Lisez les conditions avant de promettre « 100 % UE » à un client.

Si vous voulez simplement un bon modèle sans chercher à l'héberger, un abonnement comme Claude règle le sujet avec un contrat, un support et aucune GPU à surveiller : ce n'est pas le même produit (modèle fermé, juridiction américaine), mais c'est un comparateur honnête de ce que coûte votre temps.

Cloud Act, SecNumCloud : où la donnée dort vraiment

C'est la seule raison solide de louer des GPU plutôt que de payer l'API. Elle repose sur un point juridique souvent mal compris, que Qovery résume bien : le Cloud Act (18 U.S.C. § 2713) lie les fournisseurs selon leur nationalité, pas la localisation de la donnée. Faire tourner un modèle européen sur un cloud d'un groupe américain donne, dans les mots de l'article, une indépendance de modèle, pas une souveraineté juridictionnelle.

Aucun résultat ne confirme à ce jour que Scaleway ou OVHcloud proposent Large 4 dans leurs catalogues managés ; c'est Microsoft Foundry qui est cité par Mistral comme premier cloud à l'offrir, avec déploiement privé pour les développeurs Azure. Excellent pour la commodité, mauvais pour la juridiction : Azure reste dans un groupe américain. Notre précédent guide sur Cloud Act et AI Act : où poser votre IA donne la grille de lecture, et le comparatif des API IA souveraines complète ce panorama côté API.

Ce que les agrégateurs ne vous diront pas

Infomaniak, que nous avions inclus dans le comparatif d'API, n'affiche aucun prix GPU H200 ou B200 public que nous ayons pu relever. L'exclure ici est un choix de méthode, pas un jugement. Même chose pour StackIT et T-Systems, cités par Qovery mais sans grille exploitable pour Large 4 (StackIT à environ 8,04 € pour des GPU plus anciens). Si l'un d'eux compte pour vous, demandez un devis écrit : leur absence du tableau signifie « non vérifié », pas « moins bon ».

Les pièges de mise en production

La recette vLLM est franche sur la complexité. Plusieurs points ressortent de ce que Mistral et la communauté documentent.

• Image spécifique : aucune version de vLLM ne contient encore le support ; il faut l'image vllm/vllm-openai:mistral-large-4. Une mise à jour d'image peut casser votre configuration.
• Démarrage lent : la variable VLLM_ENGINE_READY_TIMEOUT_S est réglée à 6 000 secondes dans l'exemple. Un redémarrage à froid d'un téraoctet n'est pas une opération de quelques minutes ; cela pèse sur toute architecture avec arrêt nocturne.
• Contexte : le modèle annonce 1 million de tokens, mais la recette est validée jusqu'à 256 000 ; le service à 1 million n'est pas validé. Ne promettez pas le million à vos équipes.
• Réseau : Qovery rappelle que l'inférence multi-nœuds sur de l'Ethernet ordinaire fait s'effondrer le débit. Deux nœuds de H200 exigent InfiniBand.
• Fuite de prompts : le trou le plus fréquent selon Qovery est un outil d'observabilité ou de suivi d'erreurs hébergé aux États-Unis qui reçoit vos prompts. Héberger le modèle en Europe pour envoyer ses journaux à un SaaS américain annule le bénéfice.
• Outils d'agent : un décalage entre l'analyseur d'appels d'outils et le gabarit de chat casse Claude Code ou Codex même quand le chat simple fonctionne ; la recette impose --tool-call-parser mistral.

Ne jamais exposer vLLM directement : placez une passerelle devant. Nous avons comparé six passerelles IA après l'attaque sur LiteLLM, c'est un préalable.

Le délai caché : quota GPU et migration

La plupart des plans de projet oublient que le chemin critique n'est pas le déploiement mais l'obtention des GPU. Qovery chiffre environ quatre semaines pour migrer un modèle, huit à douze pour une flotte, et conseille de demander quotas et réservations dès le premier jour. Les comparateurs signalent d'ailleurs des configurations Scaleway en rupture et le « stock à confirmer » chez OVHcloud. Si votre projet a une date, la réservation vient avant la rédaction du cahier des charges.

Un dernier élément de calendrier : le règlement européen sur les données (Data Act) supprime les frais de changement de fournisseur à partir du 12 janvier 2027, avec des frais réduits d'ici là. Pour un modèle de 610 Go à 1 To, copier les poids d'un cloud à l'autre n'est pas gratuit aujourd'hui ; attendre janvier peut valoir le coup si votre migration n'est pas urgente. Sur le sujet plus large de la dépendance à un fournisseur, pensez à garder un miroir de vos poids : Nvidia vient de racheter Hugging Face, là où vous les téléchargez.

Large 4 en vaut-il la peine ? Ce que disent les benchmarks

Mistral revendique 41 % sur Terminal-Bench 4.0 (13 points de plus que la préversion), 48 % sur le Coding Agent Index d'Artificial Analysis, à peu près à égalité avec GLM-5.3 avec 47 % de tokens en moins par tâche, et 19,7 % sur FrontierCode 2.0. En préférence humaine (Surge Code), le modèle bat GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash et ne cède que face à Claude Opus 5.5, qu'il ne bat que dans 22 % des cas. Attention : ces chiffres sont ceux du constructeur. L'article Hugging Face donne des valeurs voisines mais différentes pour certains indices (Coding Agent Index à 49,8 %, Terminal-Bench 4 à 28,3 %), signe que protocole et version varient. Retenez l'ordre de grandeur : un très bon modèle ouvert, pas le meilleur modèle du marché.

Pour mémoire, Kimi K3 et ses 2 800 milliards de paramètres posent un problème d'hébergement encore plus lourd (1,4 To), ce qui relativise le « trop gros » de Large 4. Large 4 reste, à notre connaissance, la seule option de ce niveau avec un éditeur européen et un endpoint UE.

Notre verdict détaillé : qui doit louer, qui doit payer l'API

Trois profils.

Vous êtes une PME ou un freelance. Prenez l'API, endpoint UE si votre client l'exige. À 0,70 $ et 2,10 $ le million, vous êtes à quelques centaines de dollars par mois. Louer un nœud pour 8 000 € en heures ouvrées n'a pas de sens, sauf obligation contractuelle.

Vous êtes un éditeur ou une ETI avec des données sensibles. Testez trois jours : une location à la journée coûte environ 1 000 € chez OVHcloud, Outscale ou Nebius, et vous apprend plus que dix comparatifs. Mesurez le débit réel sur vos prompts, le temps du premier token, et la tenue des appels d'outils. Si votre cible est la région secteur public, demandez à Outscale si Large 4 est au catalogue de ses forfaits.

Vous êtes une administration ou un opérateur d'importance vitale. Le seul critère est la qualification : Outscale (SecNumCloud 3.2 complet) ou OVHcloud (Bare Metal Pod). Le surcoût, par exemple 6,24 € contre 5,20 € le H200 chez Outscale (20 % de plus), est le prix de la juridiction.

Classement selon le critère retenu :

• Moins cher à tester : IONOS (3 €/GPU), à condition qu'il tienne la charge en PCIe.
• Plus lisible, France, H200 : OVHcloud.
• Plus de Blackwell : Scaleway (B300) et Nebius (B200, B300), avec la réserve disponibilité.
• Plus sûr juridiquement : Outscale, puis OVHcloud en bare metal.
• Ce que nous éviterions : le forfait LLM mensuel à 40 703 € si votre usage est irrégulier ; il paie surtout du confort.

Les questions que nous nous posons encore

Quatre inconnues nous empêchent de trancher plus fort. Un : le débit réel de Large 4 sur H200 n'est mesuré nulle part publiquement. Deux : la disponibilité des B300 chez Scaleway, signalée épuisée par certains comparateurs. Trois : l'arrivée de Large 4 dans les catalogues managés d'OVHcloud et de Scaleway, qui changerait le calcul en supprimant la gestion de GPU. Quatre : la version distillée promise « dans les prochains mois » sans date, qui rendrait la question caduque pour les PME. Nous mettrons cet article à jour quand l'une de ces réponses tombera.

Conclusion : trois décisions avant de signer

Héberger Mistral Large 4 est une décision de souveraineté, pas d'économie. Les tarifs publiés placent le nœud entre 17 520 € et 43 800 € par mois en continu, contre quelques centaines de dollars d'API pour la plupart des usages PME. Le seuil de rentabilité, autour de 12 400 tokens par seconde soutenus selon notre calcul, dépasse ce que les débits publiés laissent espérer d'un seul nœud.

Trois actions. Premièrement, chiffrez votre trafic en tokens par seconde en pointe et en moyenne : si la moyenne reste sous 20 % de la pointe, restez sur l'API. Deuxièmement, si la juridiction compte, exigez par écrit la qualification et le périmètre qui couvre vos GPU (le SecNumCloud d'OVHcloud ne couvre pas tout), et vérifiez que vos journaux ne partent pas aux États-Unis. Troisièmement, réservez trois jours de GPU pour un essai chiffré avant toute location longue, et demandez les quotas dès aujourd'hui, parce que c'est là que les projets perdent leurs semaines.