Mistral AI valorisée à 3 000 milliards de wons

 (unite.ai)
1 points par GN⁺ 2023-12-11 | 1 commentaires | Partager sur WhatsApp
  • Mistral AI, basée à Paris, a sécurisé un investissement de 450 millions d’euros, faisant grimper sa valorisation à environ 2 milliards de dollars (2 Md$), ce qui renforce la présence des startups IA européennes
  • Andreessen Horowitz a mené le tour, tandis que Nvidia Corp et Salesforce ont injecté 120 millions d’euros supplémentaires sous forme d’obligations convertibles
  • Son modèle phare, Mistral 7B, est un grand modèle de langage open source sous licence Apache 2.0, misant sur des méthodes personnalisées d’entraînement, de tuning et de traitement des données
  • Conçu pour permettre la compression des connaissances et un raisonnement approfondi avec moins de paramètres, son approche optimisée vise à réduire le temps d’entraînement, les coûts et l’impact environnemental
  • La stratégie open source et de modèles efficaces distingue Mistral AI des acteurs établis comme OpenAI, Google AI et DeepMind, et illustre l’essor des investissements dans l’IA en Europe

Levée de fonds de Mistral AI et hausse de sa valorisation

  • Mistral AI, basée à Paris, a levé 450 millions d’euros, atteignant une valorisation de 2 milliards de dollars
  • Ce tour constitue un événement important non seulement pour Mistral AI, mais aussi pour l’écosystème IA européen, en montrant que le poids de l’Europe grandit dans la compétition mondiale autour de l’IA
  • Andreessen Horowitz a mené le tour, et Nvidia Corp ainsi que Salesforce y ont participé à hauteur de 120 millions d’euros supplémentaires sous forme d’obligations convertibles
  • La composition des investisseurs, mêlant capital-risque traditionnel et grandes entreprises technologiques, reflète l’intérêt porté à la technologie et à la vision de Mistral AI
  • Les fonds obtenus constituent une base financière pouvant servir à faire progresser la R&D, élargir la portée de l’entreprise et renforcer sa position dans le secteur de l’IA

Caractéristiques techniques de Mistral 7B

  • Le produit phare de Mistral AI est un grand modèle de langage appelé Mistral 7B
  • Ce modèle est open source, publié sous licence Apache 2.0, et se distingue par son efficacité ainsi que par ses fonctionnalités avancées
  • Il est présenté comme un exemple des avancées de la technologie IA grâce à des approches personnalisées d’entraînement, de tuning et de traitement des données
  • Son point distinctif réside dans sa capacité à prendre en charge la compression des connaissances et un raisonnement approfondi avec moins de paramètres que d’autres modèles du marché
  • Cette approche optimisée contribue à améliorer les performances tout en réduisant le temps d’entraînement, les coûts et l’impact environnemental

Positionnement sur le marché et domaines d’application

  • Le déploiement de Mistral 7B positionne Mistral AI comme un acteur majeur du marché de l’IA et un concurrent d’OpenAI
  • Son champ d’influence peut s’étendre à de nombreux secteurs, notamment la santé, l’éducation, la finance et l’industrie manufacturière
  • Sa capacité à fournir des solutions performantes et évolutives peut influencer la manière dont chaque secteur exploite l’IA pour gagner en innovation et en efficacité

Évolution de l’écosystème IA européen

  • Ce tour de table est un signal montrant que le poids de l’Europe dans le paysage mondial de l’IA augmente rapidement
  • Historiquement, les ventures IA européennes étaient en retard sur leurs concurrentes américaines et asiatiques en matière d’investissement et d’innovation
  • Le succès de Mistral AI, ainsi que d’autres grands investissements, montre que le potentiel et la volonté d’innovation de l’Europe en IA sont en hausse

Différenciation dans la course à l’IA générative

  • Mistral AI se différencie dans la course à l’IA générative par une approche open source et par son accent sur la création de modèles évolutifs et efficaces
  • Cette stratégie distingue Mistral AI des acteurs établis comme OpenAI, Google AI et DeepMind
  • En privilégiant l’accessibilité et l’efficacité, l’entreprise contribue à la démocratisation de la technologie IA et l’aide à s’imposer comme un concurrent solide dans la compétition mondiale
  • Avec l’afflux d’investissements massifs vers les startups IA européennes, l’Europe est en train de se créer son propre espace dans un secteur de l’IA compétitif et en évolution rapide

À lire aussi

1 commentaires

 
GN⁺ 2023-12-11
Avis sur Hacker News

  • Il y a beaucoup d’exagération autour des LLM, mais je pense que Mistral mérite ces attentes.
    J’utilise toujours le modèle 7B original et ses dérivés, et j’ai hâte de voir ce qu’ils vont sortir ensuite. Le jeu de modèles MoE qu’ils viennent de publier est gratuit, mais je m’attends à ce que leur prochain produit soit commercial.
    Une autre entreprise à suivre est 01.AI, qui a publié le modèle Yi-34B. Je l’ai fait tourner localement sur Mac avec ollama run yi:34b, et il était étonnamment bon.

    • Comment ces petits modèles se comparent-ils à GPT-4 pour le code ou les questions techniques ?
      GPT-3.5 était pratiquement inutile pour moi, avec des réponses fausses ou trop générales. En revanche, GPT-4 me donne des réponses correctes environ 80 % du temps.
    • Je me demande comment on utilise ces modèles.
      J’utilise GPT-4 comme une sorte de substitut à la recherche, et je n’ai pas encore trouvé de raison de passer à autre chose. Par exemple, je m’en sers pour me renseigner sur l’histoire, l’architecture ou le contexte culturel d’une destination de voyage, et c’est plutôt pratique pour cet usage.
    • Peux-tu préciser ce qui est si impressionnant dans Yi-34B ? Je n’ai pas encore eu l’occasion de l’essayer.
    • D’accord. Yi 34B et Mistral 7B sont excellents.
      Il faut toutefois lancer des modèles Yi fine-tunés de meilleure qualité plutôt que le modèle de chat de base. C’est nettement mieux. Si vous avez besoin d’un Yi à long contexte, je recommande Xaboros/Cybertron, ou plusieurs fusions de modèles que j’ai mises sur Hugging Face.
    • Tu dis que tu continues d’utiliser le modèle 7B original et ses dérivés : comment se comparent-ils aux autres modèles ? Je suis surtout curieux par rapport à ChatGPT.

  • Si Mistral AI a attiré autant l’attention des médias dès le départ, c’est parce qu’ils ont publié Mistral-7B tout en renonçant à des revenus à court terme.
    Pour l’ensemble de l’écosystème IA, il vaut mieux inciter les startups à bâtir une activité autour de logiciels bons et ouverts, plutôt qu’à créer des douves et des écosystèmes captifs.

    • Je ne pense pas qu’on puisse vraiment appeler cela de l’open source. Comme ils n’ont pas partagé les détails de l’entraînement, c’est en pratique impossible à reproduire.
      Cela ressemble davantage à une entreprise SaaS qui publierait le binaire compilé qui tourne normalement sur ses serveurs. C’est mieux que rien, mais ce n’est pas exactement conforme à l’esprit de l’open source.
      Cette distinction ne me semble pas être du pinaillage, mais au final, que la communauté soit d’accord ou non est une autre question.
    • Le fait que le modèle ait peu de contraintes ou de censure est aussi une raison. D’après ce qu’ils disent, ils sont engagés dans cette direction et l’ont conçu pour que d’autres puissent construire dessus.
      Les produits de type GPT ne sont pas encore des entreprises achevées, et j’espère que la communauté open source pourra dépasser les premiers succès.

  • Nvidia qui donne de l’argent à des entreprises, lesquelles réutilisent ensuite cet argent pour acheter du matériel Nvidia à forte marge, ce n’est pas une méthode de valorisation douteuse ?

    • C’est similaire à tous ces crédits Azure que Microsoft a donnés à OpenAI.
    • Je ne vois pas pourquoi ce serait une méthode de valorisation douteuse.
      Si les investisseurs ne regardent que le chiffre d’affaires ou une seule partie des finances, peut-être, mais sinon les fonds sortants et la hausse du chiffre d’affaires devraient être pris en compte ensemble, sans fausser le bénéfice.
    • C’est un modèle d’investissement où face je gagne, pile tu perds.
    • Ce genre de montage est bien plus courant que les gens ne le pensent.

  • En tant qu’Européen, ma première pensée a été : « super ! une startup de l’UE, direction la Lune », et la deuxième : « ah, ce sont des VC américains ».
    Apparemment, c’est le mieux qu’on puisse faire ici.

    • Le problème, c’est que les VC européens n’ont pas autant de capital.
      Les VC européens gèrent généralement quelques centaines de millions de dollars d’actifs, tandis que les VC de la Silicon Valley gèrent des milliards.
    • On peut avoir l’impression qu’il y a peu de startups dans l’UE, et c’est effectivement le cas.
      Mais il y a encore moins de VC européens.
    • Des VC européens ont aussi investi dans les tout premiers tours, notamment des VC français.
      Les fondateurs sont également français. Pour moi, c’est largement une entreprise européenne, inutile d’être trop pointilleux.

  • Je réalise à quel point les valorisations d’entreprise sont devenues dénuées de sens ces temps-ci.
    Elles sont utilisées comme un indicateur de succès, mais tant que cela sert l’objectif de quelqu’un, on peut toujours trouver quelqu’un prêt à signer un chèque à une valorisation plus élevée : gain de valorisation sur le papier, signal de statut, ou fait de rafler un deal avant des concurrents plus rationnels, par exemple.
    Je ne dis pas que Mistral ne vaut rien ou ne fait rien de bien. Simplement, l’indicateur de valorisation lui-même est devenu vide de sens, et une bonne partie des levées de fonds dans l’IA ressemble à un moyen de compenser les dépenses cloud et GPU. Je vais peut-être me faire critiquer, mais les annonces de valorisation ne ressemblent plus vraiment à de l’actualité.

    • Ce n’est que de la fumée. Mais quand il y a de la fumée, il y a tout de même un peu de feu.

  • Mistral a un gros potentiel, mais sans stratégie de monétisation adaptée, le risque de ne pas atteindre une rentabilité durable à long terme est réel.

    • La France veut fortement son indépendance, et dès qu’il y aura un produit justifiable, le gouvernement français leur attribuera de gros contrats.
    • Je me posais aussi la question. Quel est exactement le business model ? On dirait presque une tentative de l’Europe de dire : « nous sommes encore dans la course ».
    • Dès qu’ils commenceront à exploiter un produit payant, il y aura aussi des inquiétudes quant à leur responsabilité dans les usages douteux de ce produit.
      S’ils publient simplement sur Twitter un lien torrent contenant les poids du modèle, cette responsabilité est beaucoup plus faible.
    • Le pitch deck disait qu’ils comptaient monétiser leurs modèles en les proposant comme service.
      Comme n’importe qui peut lancer une instance cloud avec le même modèle, la douve peut sembler faible, mais cela reste un point de départ raisonnable. Je pense aussi qu’ils attireront beaucoup de clients européens qui ne peuvent pas ou ne veulent pas utiliser de fournisseurs américains.
    • Rien ne les empêche de lancer une application de chat.

  • J’espère vraiment qu’une startup européenne pourra concurrencer avec succès les grandes entreprises.
    Je n’ai pas envie de voir des atteintes à la vie privée, comme le fait qu’OpenAI utilise par défaut les prompts des utilisateurs pour l’entraînement, devenir une pratique standard.

  • Les anciens maîtres le disaient : ne tombez pas amoureux de votre propre création.
    L’industrie de l’IA est en train de tomber dans le piège marketing qu’elle a elle-même créé. Les LLM sont des jouets amusants, mais leur mise en œuvre est gourmande en ressources et en énergie, et opaque.
    Beaucoup de problèmes réels peuvent être résolus avec une approche rationnelle. Pour quelqu’un qui a soif, le plus important, c’est l’eau, pas le type de verre.

    • Si l’on compare le rendement des machines à vapeur de la révolution industrielle à celui d’aujourd’hui, ou les méthodes de production d’électricité d’il y a 100 ans à celles d’aujourd’hui, ou encore les débuts de presque tous les procédés chimiques, modes de fabrication et techniques agricoles à leur état actuel, la différence est frappante.
      Dans certains cas, les activités actuelles étaient il y a 100 ans plusieurs ordres de grandeur plus gaspilleuses.
      Il suffit aussi de regarder comment la taille, la consommation d’énergie et la vitesse du matériel informatique ont changé ces 70 dernières années. Le fait que l’implémentation actuelle soit « gourmande en ressources et en énergie, et opaque » est ce à quoi ressemblent beaucoup d’inventions puissantes à leurs débuts.
      Il est vrai que pour quelqu’un qui a soif, l’eau est le plus important, mais ici la situation ressemble plutôt à celle d’un groupe qui vendrait un verre en nanotechnologie révolutionnaire capable de maintenir l’eau à la température voulue indéfiniment et de se remplir en aspirant l’humidité de l’air. Parfois, le type de verre compte vraiment, et il n’est donc pas surprenant que plusieurs groupes essaient d’en fabriquer un.

  • C’est quoi le business model ?

    • Faire en sorte que le gouvernement français déverse des sommes énormes au nom de la souveraineté.

  • Celui qui permettra aux utilisateurs Mac « ordinaires » d’installer et d’exécuter un LLM en local en tirera un énorme avantage commercial.
    Il faudrait pouvoir télécharger un DMG, cliquer pour l’installer, puis le lancer. Sans ligne de commande.
    Il y a 100 millions d’ordinateurs capables de faire tourner correctement des LLM, et pourtant seule une infime fraction les utilise vraiment : ça n’a aucun sens.
    On pourrait même aller plus loin et permettre aux utilisateurs de se prêter mutuellement de la puissance de calcul en P2P. On pourrait aussi créer des LLM personnalisés. Personnellement, je trouve cette direction vraiment passionnante, mais personne ne semble s’y atteler.