Andy Garcia · dev freelance
FRENES
Retour au blog
Open source

Les modèles de prévision Timestral de Mistral tournent sur CPU, sans GPU. La licence « Modified MIT » s'arrête à 20 millions de dollars de chiffre d'affaires par mois

19 octobre 2026 7 min de lecture

Le jeudi 15 octobre, Mistral a publié Timestral, sa première famille de modèles de fondation pour les séries temporelles. Quatre tailles : 5M, 28M, 123M et 209M de paramètres. Les poids sont sur Hugging Face, le code d'inférence est sur GitHub, et Mistral affirme que le plus grand modèle arrive premier parmi les modèles pré-entraînés en zero-shot sur les trois principaux benchmarks publics du domaine, GIFT-Eval, TIME et fev-bench. Il n'a pas besoin de GPU. Sur un CPU de serveur standard avec 8 threads, Mistral mesure 10 ms pour le modèle 5M et 140 ms pour le modèle 209M pour prévoir un jour à l'avance à partir de trois semaines d'historique au pas de 15 minutes.

L'article de lancement consacre une seule ligne à la licence, dans un tableau de spécifications : « Modified MIT ». Le mot qui compte est « Modified ».

Je ne suis pas spécialiste de la prévision. Je suis CTO d'une LegalTech construite sur Claude, et j'ai construit BidForge, une IA qui lit les dossiers de marchés publics français pour les petites entreprises. Dans les deux métiers, je lis la licence avant le benchmark, parce que la licence est la seule partie d'un modèle que tu ne peux pas affiner. Ce qui suit est ma lecture d'un texte court, pas un avis juridique.

Ce que Mistral a livré

Un modèle de fondation pour séries temporelles fait pour les mesures de capteurs, les ventes et les flux de trésorerie ce qu'un modèle de langage fait pour le texte : il est entraîné une fois sur un grand corpus, puis on lui demande de prévoir des séries qu'il n'a jamais vues, sans l'entraîner sur tes données. Timestral produit des prévisions probabilistes et multivariées : 21 quantiles par pas de temps, de 0,01 à 0,99, donc tu obtiens une fourchette et pas seulement une ligne. Il accepte des covariables connues seulement dans le passé et des covariables connues dans le futur, comme un planning de production ou un calendrier de jours fériés, ainsi que des covariables catégorielles, comme l'état d'une machine.

Le contexte monte jusqu'à 32 768 pas de temps. Au pas de 15 minutes, cela fait 32 768 / 96, environ 341 jours d'historique. Une passe avant prévoit jusqu'à 1 024 pas. Sur disque, les quatre checkpoints pèsent 21 Mo, 111 Mo, 490 Mo et 837 Mo.

La vitesse compte plus qu'il n'y paraît. Trois semaines de données au pas de 15 minutes, c'est 2 016 points, et un jour à l'avance, c'est 96. Imagine que tu prévois 5 000 séries de produits chaque nuit, un appel par série, l'un après l'autre, et que les chiffres CPU de Mistral tiennent sur ta machine. À 140 ms, cela fait 700 secondes, moins de 12 minutes, sur 8 threads. Mistral dit que le modèle 28M est cinq fois plus rapide que le 209M, donc environ 140 secondes. Le 5M le fait en 50 secondes. Pas de budget GPU, pas de facture d'API.

La clause que le badge GitHub ne montre pas

GitHub affiche Apache 2.0 pour le dépôt, les métadonnées du package déclarent Apache-2.0, et c'est la licence qu'un scanner lisant le package risque de remonter. Mais le README dit que le code et les poids sont sous licences séparées. Les poids, que from_pretrained télécharge dans le cache Hugging Face au premier usage, relèvent de la licence « Modified MIT ».

Elle commence comme la MIT : gratuit, utiliser, copier, modifier, vendre. Puis la condition 2 (ma traduction) :

« Vous n'êtes autorisé à exercer aucun droit au titre de cette licence si le chiffre d'affaires mensuel mondial consolidé de votre entreprise (ou de votre employeur) dépasse 20 millions de dollars (ou son équivalent dans une autre devise) pour le mois précédent. »

La restriction, ajoute la licence, « s'applique au Modèle et à tous ses dérivés, modifications ou œuvres combinées fondés sur lui, qu'ils soient fournis par Mistral AI ou par un tiers ». Au-dessus de la ligne, tu peux demander une licence commerciale à sales@mistral.ai, « que Mistral AI peut vous accorder à sa seule discrétion », ou utiliser les services hébergés de Mistral.

Les quatre tailles de Timestral la portent. Le même texte, mot pour mot à l'année près dans la ligne d'attribution, figure sur Devstral 2, le modèle de code 123B que Mistral a publié le 9 décembre 2025 en le décrivant comme livré « sous une licence MIT modifiée ». Dans les deux fichiers, la clause se désigne même comme « (b) » alors qu'elle est numérotée 2.

Qui est dedans, qui est dehors

20 millions de dollars par mois, c'est 240 millions de dollars par an. Pour les petites entreprises pour lesquelles je construis, cette licence se comporte comme la MIT. Quatre détails décident de quel côté de la ligne tu te trouves.

C'est un test mensuel. La licence regarde le mois précédent, pas l'année. Une entreprise qui fait en moyenne 15 millions de dollars par mois mais en encaisse 25 millions en décembre est au-dessus de la ligne en janvier, comme je lis le texte.

Elle compte ton employeur. Un ingénieur d'une entreprise au-dessus de la ligne ne peut pas utiliser les poids sous cette licence, pas même pour les évaluer. Le texte ne prévoit aucune exception pour la recherche ou les tests.

Elle suit le modèle. Un Timestral affiné qu'un consultant installe chez un gros client reste couvert. Si tu vends un outil de prévision sur site, le chiffre d'affaires de ton client compte aussi, pas seulement le tien. Si tu héberges le modèle toi-même et que tu vends des prévisions, comme je lis le texte, la question est ton propre chiffre d'affaires, jusqu'au mois où elle ne l'est plus.

Elle dit « consolidé » sans le définir. Le texte ne dit pas si une filiale compte le chiffre d'affaires de sa maison mère. Si tu montes une startup sur ces poids, pose la question à Mistral avant que les avocats d'un acquéreur ne te la posent.

La voie hébergée n'a pas de prix publié non plus. Le 19 octobre, la page de tarifs de Mistral n'avait aucune ligne Timestral. La page de documentation du modèle liste des poids et une licence, étiquette le modèle « Public Preview » et n'affiche aucun prix d'API. La page Forge, par laquelle Mistral propose le fine-tuning, se termine sur « Talk to an expert ».

La vitrine de Mistral lui-même est une usine avec des milliers de capteurs, et sa fiche technique liste un déploiement sur site, en VPC ou en environnement isolé. Je m'attends à ce que beaucoup d'entreprises qui exploitent des usines de ce type dépassent 240 millions de dollars par an. Pour elles, Timestral est une conversation commerciale, pas un téléchargement.

Ce que vaut l'avance sur les benchmarks

Les chiffres sont ceux de Mistral, et le rapport technique est toujours « coming soon » sur la fiche du modèle. Il existe une vérification extérieure. Mistral a soumis ses résultats GIFT-Eval avec un notebook qui permet à n'importe qui de les relancer, et le 16 octobre le scientifique de Salesforce AI Research qui les a fusionnés a écrit : « J'ai reproduit des résultats identiques pour toutes les tailles de modèle. » Les mainteneurs de TIME ont fusionné les résultats de Mistral le même jour avec un « LGTM » et sans mention d'une relance. C'est mieux qu'un graphique dans un billet de blog. Une relance confirme les chiffres, pas qu'ils tiendront sur tes données.

Le tableau de la fiche du modèle est la partie utile, parce qu'il liste les suivants. Sur GIFT-Eval, Timestral-209M obtient 0,658 de MASE, où plus bas est mieux. Deuxième, t0-gamma, de The Forecasting Company, à 0,661 : un écart de 0,45 %. Sur les quatre scores d'erreur de GIFT-Eval et de TIME, le plus grand écart avec t0-gamma est le CRPS de TIME, 0,522 contre 0,534, environ 2,2 %. Sur fev-bench, qui rapporte des skill scores, l'avance est de 1 à 1,5 point. Chronos-2, le modèle 120M d'Amazon, obtient 0,698 de MASE sur GIFT-Eval. Le classement GIFT-Eval, lu le 19 octobre, montre les mêmes chiffres GIFT-Eval et place Timestral-209M premier parmi les entrées pré-entraînées et zero-shot. Il liste aussi une entrée pré-entraînée avec un MASE plus bas, 0,646 : Morpheus-2.0 de JPMorgan Chase, ajouté la nuit même, sans poids publics et avec un CRPS moins bon, 0,455.

Passons aux licences, toutes lues sur Hugging Face le 19 octobre. t0-gamma, environ 256M de paramètres : Apache 2.0. Chronos-2 : Apache 2.0. Toto 2.0 de Datadog : Apache 2.0. TimesFM 3.0 de Google : « TimesFM Non-Commercial License v1.0 ».

Donc une entreprise au-dessus de la ligne choisit entre un appel commercial sans prix public et un modèle Apache 2.0 qui, dans le tableau de Mistral lui-même, est distancé d'environ 2,2 % au plus sur ces scores d'erreur. Tous ceux qui sont sous la ligne obtiennent un modèle gratuit, rapide et solide, et selon Mistral, la version 28M, à 111 Mo, bat Chronos-2 sur GIFT-Eval et TIME.

Ce que je vérifierais avant de construire dessus

Note de quel chiffre d'affaires on parle. Le tien, celui de ton employeur et, pour chaque déploiement sur site, celui de ton client. Fais-en une ligne du contrat, pas une hypothèse.

Mets les poids dans ton inventaire de licences. Épingle la révision Hugging Face (from_pretrained accepte un revision), garde le fichier LICENSE à côté des poids, et étiquette-les « Modified MIT » à la main.

Fais un backtest sur tes propres données contre un modèle Apache 2.0. Lance Timestral et Chronos-2 ou t0-gamma sur le même historique et compare les quantiles, pas seulement la médiane. Mistral écrit lui-même que les données de production peuvent différer des benchmarks et dériver avec le temps. Si l'écart sur tes données est aussi petit que dans les tableaux publics, la licence départage.

Garde le modèle de prévision derrière une seule interface. Si ton entreprise ou ton client franchit 20 millions de dollars dans un mois, changer de modèle doit être un changement de configuration, pas une réécriture.

Et attends le rapport technique avant de dire « état de l'art » à un client. Mistral dit que l'essentiel de ses données d'entraînement est synthétique. Le rapport est l'endroit où tu verras ce que cela veut dire.

Pour une petite entreprise, Timestral est un outil de prévision gratuit qui tourne sur le serveur qu'elle a déjà. Pour une grande, c'est un e-mail aux ventes. La différence tient à un paragraphe de la licence, et c'est le deuxième.

Sources

Un projet du même genre ?

Je conçois et déploie des produits comme celui-ci. Parlons-en.

Discutons