Voxtral 3 : Mistral AI s'attaque à la transcription et à l'assistant vocal

Après Mistral Large 4, la startup française Mistral AI présente Voxtral 3, une famille de modèles consacrée à la voix. Elle comprend deux modèles de transcription, Voxtral Small Transcribe 3 et Voxtral Mini Transcribe 3, ainsi qu'un SDK pour concevoir un assistant vocal capable de raisonner et d'utiliser des outils.

L'annonce date du 20 octobre 2026. Elle confirme l'intérêt de Mistral pour les interfaces vocales, en plus du développement de grands modèles de langage. Pour situer l'entreprise, on peut relire notre article de mars 2025 sur Mistral AI et OpenAI, ou celui sur sa levée de fonds de 600 millions d'euros, publié en juin 2024.

Un assistant vocal qui enchaîne plusieurs modèles

Dans une démonstration diffusée par Mistral, l'assistant explique son fonctionnement : la transcription de Voxtral détecte la parole, un modèle Mistral Large se charge du raisonnement, puis un modèle de voix génère la réponse parlée. La vidéo montre aussi que l'IA peut être interrompue pendant qu'elle parle et qu'elle distingue deux interlocuteurs à partir de leur voix.

Selon Mistral, Voxtral 3 est conçu pour des expériences conversationnelles naturelles, des agents de centres de contact, des services d'assistance, des assistants virtuels et des copilotes mains libres. L'entreprise met en avant la prise en charge de dizaines de langues, un raisonnement complexe et une intégration aux outils et données des clients, pour exécuter des actions en plusieurs étapes.

Une transcription classée troisième

Voxtral Small Transcribe 3 prend en charge plus de 50 langues et identifie les interlocuteurs, ce qui convient notamment à la transcription de réunions. Dans le classement « Speech to Text » d'Artificial Analysis, il occupe la troisième place, avec un taux d'erreur très faible. Il devance les technologies de Google, de SpaceX et d'OpenAI, d'après la source.

Artificial Analysis indique aussi que Voxtral 3 TTS, le modèle de synthèse vocale, entre dans le top 12 de ses deux classements « Text to Speech ».

Parmi les 50 langues de la transcription figurent 24 langues officielles de l'Union européenne. Mistral évoque aussi la prise en charge de nombreuses langues asiatiques et indiennes à faibles ressources.

Une approche mise en avant comme souveraine

Les clients peuvent utiliser Voxtral via l'API Mistral, qui s'appuie sur des infrastructures européennes. Ils peuvent aussi déployer les modèles sur leurs propres infrastructures pour garder davantage de contrôle. Les entreprises pourront en outre personnaliser les solutions selon leurs besoins.

Foire aux questions