Timestral : Mistral lance des modèles de séries temporelles

Mistral AI s'attaque à un usage très concret de l'IA en entreprise : la prévision. La start-up française a présenté le 15 octobre Timestral, sa première famille de modèles de fondation pour séries temporelles. Conçus pour prévoir l'évolution de mesures chiffrées dans le temps, comme une consommation d'énergie, des volumes de ventes ou les relevés de capteurs industriels, ces modèles tournent sans GPU et sont distribués avec leurs poids.

Quatre tailles, une même architecture

Timestral se décline en quatre modèles de 5, 28, 123 et 209 millions de paramètres. On est loin des centaines de milliards de paramètres des grands modèles de langage comme Mistral Large 4 : ici, la compacité est un atout. Les quatre versions partagent la même architecture et la même recette d'entraînement.

Les modèles acceptent un historique de 32 768 pas de temps et produisent des prévisions probabilistes sur 21 quantiles, ce qui permet d'estimer une fourchette plutôt qu'une valeur unique. Ils gèrent plusieurs séries cibles à la fois ainsi que des variables explicatives, connues seulement dans le passé ou déjà connues pour l'avenir (un calendrier de jours fériés, par exemple), y compris des variables catégorielles.

En tête des classements publics, selon Mistral

Mistral affirme que son plus grand modèle, Timestral-209M, se classe premier sur les trois principaux bancs d'essai publics du domaine : GIFT-Eval, TIME et fev-bench. L'éditeur précise que ces résultats proviennent d'un seul point de contrôle, sans assemblage de modèles, et qu'ils ont été soumis aux classements de GIFT-Eval et de TIME. Il revendique aussi que la version de 28 millions de paramètres dépasse Chronos-2, environ quatre fois plus gros, sur GIFT-Eval et TIME. Ces comparaisons restent celles de l'éditeur ; un rapport technique est annoncé.

Côté performances, Mistral met en avant l'exécution sur un processeur de serveur classique. Avec huit threads, prévoir le lendemain à partir de trois semaines d'historique au pas de 15 minutes prend 17 millisecondes avec le modèle de 5 millions de paramètres et 113 millisecondes avec celui de 209 millions. Le modèle de 123 millions de paramètres s'approcherait à 0,2 % du score du plus gros, pour les trois quarts de sa latence.

Des données surtout synthétiques

Sur le plan technique, Mistral décrit une approche qui sépare l'historique de l'horizon de prévision, grâce à des jetons de prévision appris qui lisent la série passée. Un mécanisme d'attention attribue un rôle à chaque série : cible, variable passée ou variable future connue. L'essentiel des données d'entraînement est synthétique. Le préentraînement s'est fait sur ces données avec un contexte de 8 192 pas, avant un post-entraînement sur un mélange de données réelles et synthétiques avec un contexte quatre fois plus long.

Disponibilité et usages visés

Timestral est publié sous une licence MIT modifiée. Les poids sont disponibles sur Hugging Face, un dépôt GitHub permet d'exécuter les modèles sur ses propres données, et une fiche est en ligne dans la documentation de Mistral. Les modèles peuvent être déployés sur site, dans un cloud privé virtuel ou dans un environnement totalement isolé du réseau.

Pour les entreprises qui veulent aller plus loin, la plateforme Mistral Forge propose l'inférence sans entraînement préalable, des extensions d'architecture et l'affinage sur données propriétaires. Mistral cite des usages en planification de capacité, énergie, chaîne logistique, maintenance, gestion des risques et finance. L'exemple mis en avant est celui d'une usine : détection d'anomalies sur les flux de capteurs, prévisions multivariées, puis analyse des causes par un agent s'appuyant sur les rapports de maintenance et les manuels. Le tarif d'un éventuel accès par API n'est pas précisé dans l'annonce.