Alexandre P.dansProjets
- mis à jour le 06-08-2026
Mistral a sorti Shieldstral le 4 août 2026.
Un classifieur de modération de 3B, poids ouverts en Apache 2.0, texte et image, qui tourne sur un seul GPU de 16 Go.
Au lieu d'avoir une taxonomie de catégories gravée dans les poids, vous lui écrivez votre règle en langage naturel au moment de l'inférence : une question fermée, un contenu à juger, et il sort un score entre 0 et 1 en un seul token.
Pourquoi je trouve ça bien ?
Parce qu'un modèle de garde tourne sur 100 % de votre trafic, souvent 2 fois (entrée et sortie), et que personne ne compte jamais cette ligne dans sa facture.
Passer de 20B avec du raisonnement à 3B avec un seul forward pass, c'est là que le coût par tâche s'écroule. Et comme les poids sont chez vous, vos policies de modération ne partent plus chez un tiers et vous fixez vos seuils vous-même, au lieu de subir ceux d'un fournisseur.
Qu'est-ce que Shieldstral change concrètement par rapport à un modèle de modération classique ?
Au lieu d'une liste figée de catégories entraînées dans le modèle, vous formulez votre propre règle en langage naturel à chaque appel. Le modèle répond par un score entre 0 et 1, calculé en un seul passage, ce qui le rend beaucoup plus flexible et rapide qu'un classifieur traditionnel.
Quelle configuration matérielle faut-il pour faire tourner Shieldstral ?
Un seul GPU avec 16 Go de VRAM suffit, grâce à sa taille de 3 milliards de paramètres. C'est nettement plus léger que les modèles de modération à base de LLM généralistes de 20B ou plus.
Pourquoi la taille du modèle est-elle si importante ici ?
Parce qu'un modèle de garde s'exécute sur tout le trafic, souvent deux fois par requête, ce qui multiplie son coût réel dans l'infrastructure. Passer d'un modèle de 20B avec raisonnement à un modèle de 3B en un seul forward pass réduit drastiquement ce coût caché.
Quel intérêt d'avoir des poids ouverts en Apache 2.0 pour de la modération ?
Cela permet d'héberger le modèle chez soi, donc de garder ses règles de modération en interne au lieu de les envoyer à un prestataire externe. Vous gardez aussi la main sur les seuils de décision, plutôt que de dépendre de ceux imposés par un fournisseur tiers.
Shieldstral peut-il modérer des images en plus du texte ?
Oui, le modèle traite à la fois du texte et de l'image, ce qui permet de l'utiliser sur des contenus mixtes sans avoir besoin d'un second outil dédié à la modération visuelle.
Comment définit-on une règle de modération avec ce modèle ?
Il suffit d'écrire une question fermée décrivant ce que vous voulez détecter, puis de lui soumettre le contenu à juger. Le modèle renvoie directement un score de conformité à cette règle, sans configuration préalable ni entraînement supplémentaire.
