Mistral AI, leader français dans le domaine de l’intelligence artificielle, a annoncé Voxtral, sa première gamme de modèles open source dédiée à la reconnaissance et transcription vocale. Disponibles en deux versions, Voxtral (24B) et Voxtral Mini (3B), ces « modèles de compréhension vocale de pointe » peuvent être téléchargés sur Hugging Face ou utilisés via l’API de Mistral, avec des tarifs débutant à « 0,001 $ la minute ». Ces modèles apportent également de nouvelles fonctionnalités à Le Chat, l’agent conversationnel de Mistral AI.
Des performances supérieures aux offres concurrentes
Présenté le 15 juillet 2025 dans un article de blog, Voxtral promet « une précision de pointe et une compréhension sémantique native, en open source, à moins de la moitié du prix des API comparables », selon les propos de Mistral AI. Grâce à une fenêtre contextuelle de 32 000 tokens, il a la capacité de traiter jusqu’à 30 minutes d’audio pour la transcription et 40 minutes pour la compréhension. Il reconnaît automatiquement plusieurs langues, de l’espagnol à l’hindi, en passant par le français, génère des résumés et fournit des réponses orales à des questions. À terme, il pourrait aussi identifier les interlocuteurs et certaines de leurs caractéristiques, telles que l’âge ou le sexe, d’après un communiqué transmis à l’AFP.
Comme l’indique Mistral AI, qui a également lancé un modèle intégrant un raisonnement chain-of-thought et établi un partenariat avec Nvidia, Voxtral rivalise avec les meilleures technologies du secteur. Sur des benchmarks en anglais et multilingues, la société affirme que sa solution « dépasse largement Whisper large-v3, le modèle open source de transcription vocale le plus avancé actuellement » et surpasserait également GPT-4o mini Transcribe et Gemini 2.5 Flash « sur toutes les tâches ». Impressionnant, n’est-ce pas ?
Le Chat intégrera bientôt des fonctionnalités audio
Voxtral sera intégré progressivement à Le Chat « dans les prochaines semaines », sur les versions web et mobile, selon Mistral AI. Les utilisateurs de cet agent conversationnel pourront enregistrer ou importer un fichier audio, obtenir une transcription, poser des questions sur son contenu ou générer un résumé.
Pour les entreprises, Mistral AI propose des fonctionnalités avancées comme le fine-tuning du modèle pour des secteurs d’expertise spécifiques (santé, droit, support client, etc.), un déploiement privé sur leur infrastructure, ainsi qu’un accompagnement pour l’intégration.
