Mistral revient sur l’audio avec Voxtral 3 et entre dans les prévisions avec Timestral
Mistral a lancé récemment deux modèles spécialisés : Voxtral 3, une famille dédiée à la reconnaissance et à la synthèse vocales, et Timestral, premier représentant d'une nouvelle famille consacrée aux séries temporelles. Voxtral 3 succède au premier Voxtral, sorti en juillet 2025, qui était alors le premier modèle audio de l'entreprise française. Il s'accompagne d'un SDK, bâti sur LiveKit, qui réunit dans un même pipeline l'écoute, le raisonnement, l'appel d'outils et la parole. La famille compte quatre modèles : Small Transcribe 3 (transcription par lots, 50 langues, 0,004 dollar la minute), Mini Transcribe 3 (4 milliards de paramètres, 0,0035 dollar la minute), Mini Transcribe Realtime 3 (transcription en direct, latence annoncée sous 500 ms, 0,008 dollar la minute) et Voxtral Speech 3, aussi appelé Mini TTS 3.0 (synthèse vocale dans plus de 35 langues et 50 dialectes, 13 dollars le million de caractères). Un agent vocal complet est facturé 0,04 dollar la minute avec Small, et 0,08 dollar avec un autre modèle de raisonnement. De son côté, Timestral, lancé le 15 octobre, existe en quatre tailles (5, 28, 123 et 209 millions de paramètres). Il prévoit des séries de mesures datées sans réentraînement, fournit une fourchette d'incertitude sur 21 quantiles et accepte jusqu'à 32 768 pas d'historique. Il traite aussi plusieurs séries liées et des facteurs connus à l'avance, comme le calendrier de production ou la météo, et fonctionne sans carte graphique.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Next INpact. Lire l'article original →
Ces annonces visent des usages très concrets. Pour les entreprises qui développent des assistants vocaux, des centres d'appels ou des outils de transcription, Mistral propose une chaîne complète, accessible par son API ou sur site, à des tarifs qu'il présente comme inférieurs à ceux de la concurrence. La gestion de la diarisation (savoir qui parle), des termes techniques fournis en contexte et la prédiction de fin de tour, qui anticipe le moment où l'interlocuteur a fini de parler, répondent aux principales difficultés d'un agent vocal fiable en temps réel. Selon Mistral, ses modèles dépassent de nombreuses références du secteur, dont Whisper d'OpenAI, et Artificial Analysis semble confirmer ces performances. Timestral, lui, ouvre la prévision à des acteurs qui ne disposent ni d'équipes de data science ni de serveurs équipés de GPU : industrie, énergie, finance ou logistique peuvent ainsi anticiper consommation, flux ou production sans entraîner un modèle sur leurs propres données.
Ces lancements s'inscrivent dans la stratégie de Mistral, qui diversifie son offre au-delà des modèles de langage généralistes pour proposer des modèles spécialisés, plus compacts et moins coûteux, face à OpenAI, Google et aux spécialistes de la voix. L'entreprise met largement en avant les agents, estimant qu'un agent vocal doit écouter avec précision, raisonner en profondeur, parler naturellement et agir en plusieurs étapes. Des zones d'ombre demeurent toutefois : les quatre modèles Voxtral 3 sont en préversion publique, la taille de Small n'est pas précisée et aucun poids ouvert n'a été annoncé, ce qui nuance l'image d'ouverture que Mistral a longtemps cultivée. La disponibilité générale, la publication éventuelle de poids et la confirmation des performances par des tests indépendants plus larges seront les prochains éléments à suivre.
Mistral, entreprise française, propose une chaîne vocale complète et un modèle de prévision sans GPU, utilisables par les entreprises françaises et européennes via API ou sur site.