Mistral lance Timestral, une IA qui prévoit ventes et pannes sur un simple serveur

Dix millisecondes. C'est le temps qu'il faut à la plus petite version de Timestral, selon Mistral AI, pour prévoir la journée suivante à partir de trois semaines de mesures relevées toutes les quinze minutes. Sur un simple processeur, sans carte graphique.

La jeune pousse française a publié le 15 octobre Timestral, sa première famille de modèles de fondation pour les séries temporelles. Ce sont des suites de valeurs mesurées dans le temps : consommation électrique, ventes quotidiennes, température d'une machine, volumes financiers. Quatre tailles sont disponibles, de 5 à 209 millions de paramètres, avec la même architecture. Les poids sont téléchargeables sur Hugging Face, avec un dépôt de code pour les faire tourner sur ses propres données.

Un modèle de langage ? Non, un modèle de prévision

Timestral ne discute pas et n'écrit pas de texte. Il reçoit l'historique d'une ou plusieurs courbes et renvoie une prévision probabiliste : 21 niveaux de quantiles, donc une fourchette plutôt qu'un chiffre unique. Il peut tenir compte de variables connues à l'avance, comme un jour férié ou une promotion prévue, et accepte un historique de 32 768 pas de temps. Il travaille en zero-shot, c'est-à-dire sans entraînement préalable sur les données du client.

Pour donner une idée, 200 millions de paramètres, c'est des milliers de fois moins que les grands modèles de langage. C'est ce qui permet à Timestral de tourner sur des serveurs ordinaires, sur site ou sans connexion à Internet. Mistral met en avant la maintenance prédictive, la détection d'anomalies sur des capteurs, la planification de la capacité et des pièces détachées et la gestion de trésorerie.

Des scores à confirmer

Mistral affirme que Timestral arrive premier parmi les modèles pré-entraînés sur trois bancs d'essai publics, GIFT-Eval, TIME et fev-bench. Selon l'éditeur, la version de 209 millions de paramètres ferait mieux que l'état de l'art précédent avec seulement deux tiers de ses paramètres. Sur GIFT-Eval et TIME, la version de 28 millions dépasserait Chronos-2, le modèle d'Amazon, pourtant environ quatre fois plus gros.

Prudence toutefois. Ces mesures ont été réalisées par Mistral, qui dit avoir soumis ses résultats aux classements GIFT-Eval et TIME : nous n'avons pas pu vérifier sa position. Le rapport technique qui détaillera le protocole est annoncé « coming soon ». Et Mistral le reconnaît lui-même : les données réelles d'une usine ou d'un commerce diffèrent de celles des bancs d'essai et évoluent, ce qui justifie un ajustement et des réentraînements réguliers.

Autre point à vérifier avant un usage commercial : la licence. Mistral la présente comme une licence MIT modifiée, dont le texte complet se trouve dans le dépôt. Les tarifs d'un éventuel accès par API ne sont pas publiés.

Qui devrait l'essayer ?

Si vous avez déjà une prévision maison, sur les ventes, la charge d'un service ou la consommation d'un site, le test est simple. Faites tourner Timestral sur votre propre historique et comparez-le à votre méthode actuelle, sur une période que vous connaissez déjà. Le gain d'un modèle qui fonctionne sans carte graphique et sans envoyer les données hors de l'entreprise peut compter autant que quelques points de précision.

Ce lancement montre aussi que Mistral ne joue pas seulement la course aux très grands modèles, comme Mistral Large 4, dont les poids sont attendus fin octobre. Prochaine étape pour Timestral : le rapport technique, et des évaluations indépendantes.