Timestral est une famille de modèles Mistral de prévision des séries temporelles, annoncée le 15 octobre 2026. Ses quatre tailles produisent des prévisions probabilistes, exploitent plusieurs variables et fonctionnent sur CPU. Pour une entreprise, l’enjeu est de vérifier leur utilité sur ses données, avec ses contraintes de calcul et les conditions de licence propres aux poids.
Qu’est-ce que Timestral et à quoi sert-il ?
Timestral prédit des valeurs numériques futures à partir de données horodatées. Il peut traiter une série isolée ou plusieurs séries liées. Le fonctionnement « zero-shot » permet de commencer sans réentraîner le modèle sur chaque nouveau jeu de données ; il ne dispense pas d’évaluer les prévisions obtenues.
Les équipes peuvent envisager cette approche pour des ventes, une consommation électrique ou des mesures de capteurs. Le projet commence par une question opérationnelle : quelle décision dépend de la prévision, à quelle échéance et avec quelles conséquences en cas d’erreur ?
La préparation des données reste un chantier distinct. Dans un projet où les historiques proviennent de documents, notre analyse de Mistral OCR 4 et de l’intelligence documentaire concerne l’étape d’extraction. Il faut ensuite reconstruire une série cohérente avant de prévoir.
Quelles tailles et quelles sorties sont disponibles ?
Timestral existe en versions de 5, 28, 123 et 209 millions de paramètres. Le dépôt officiel indique les volumes suivants pour les fichiers de poids en précision fp32 ; ces volumes ne représentent pas la mémoire vive nécessaire à l’exécution.
| Modèle | Paramètres annoncés | Fichiers de poids fp32 annoncés |
|---|---|---|
| Timestral-5M | 5 millions | 21 MB |
| Timestral-28M | 28 millions | 111 MB |
| Timestral-123M | 123 millions | 490 MB |
| Timestral-209M | 209 millions | 837 MB |
La fiche du modèle décrit un historique maximal de 32 768 pas de temps et une prévision allant jusqu’à 1 024 pas en une passe. Les horizons plus longs sont calculés par blocs successifs, en réinjectant les médianes prédites. Ces limites portent sur des observations : leur durée calendaire dépend de la fréquence de la série.
Comment interpréter les quantiles et préparer les covariables ?
Timestral fournit 21 quantiles par pas de temps pour représenter l’incertitude de prévision. Une médiane donne un repère central ; des quantiles bas et hauts permettent d’examiner des scénarios plus prudents. Leur couverture effective doit être mesurée : une bande affichée ne garantit pas que l’incertitude soit correctement calibrée.
Les covariables sont des informations complémentaires. Il faut distinguer celles disponibles seulement dans le passé, comme une mesure déjà relevée, et celles connues pour l’horizon futur, comme un calendrier ou une fermeture planifiée. La bibliothèque prévoit également le traitement des catégories.
Une prévision météorologique peut servir de covariable si sa version disponible au moment de décider est conservée. Utiliser rétrospectivement la météo réellement observée introduirait une information inaccessible en exploitation. L’attention du modèle sépare les rôles des variables ; elle ne corrige pas une mauvaise préparation des données.
Que prouvent les benchmarks et les annonces de performance CPU ?
Les benchmarks publiés par Mistral donnent un point de comparaison, sans établir la performance de Timestral dans votre entreprise. L’éditeur annonce une première place parmi les modèles préentraînés évalués en zero-shot sur GIFT-Eval, TIME et fev-bench. Sa fiche rapporte notamment une MASE de 0,658 sur GIFT-Eval, de 0,626 sur TIME et un SQL skill score de 50,39 sur fev-bench. Ces métriques différentes ne se comparent pas directement entre elles.
Le dépôt précise que les évaluations utilisent des covariables selon les jeux : passées pour GIFT-Eval, passées et connues pour fev-bench, aucune pour TIME. Cette différence doit accompagner toute comparaison.
Pour le CPU, Mistral annonce 10 ms avec le modèle 5M et 140 ms avec le 209M, sur un processeur serveur utilisant huit threads, pour prévoir un jour à partir de trois semaines d’historique au pas de quinze minutes. Ce sont des mesures annoncées par l’éditeur. Leur périmètre ne permet pas d’en déduire la latence complète d’une application, incluant préparation et circulation des données. L’annonce indique qu’un rapport technique détaillé suivra.
Quelle licence couvre le code et quelle licence couvre les poids ?
Le code d’inférence Timestral est sous Apache 2.0 ; les poids sont sous Modified MIT. Le fichier de licence du dépôt confirme Apache 2.0. Les licences des quatre modèles ajoutent une restriction de revenus à l’autorisation d’utiliser les poids.
Le texte Modified MIT exclut l’exercice des droits accordés si le chiffre d’affaires mensuel mondial consolidé de votre entreprise, ou de votre employeur, dépasse 20 millions de dollars, ou leur équivalent, pour le mois précédent. Il vise aussi les dérivés, modifications et œuvres combinées, y compris fournis par des tiers. Ce seuil porte sur les revenus de l’entreprise, pas sur le budget du projet.
La conservation des notices est également exigée. Au-delà du seuil, une licence commerciale peut être demandée à Mistral, qui conserve la décision de l’accorder. Le code Apache ne donne donc pas, à lui seul, les droits d’exploiter les poids. Ce résumé des conditions publiées ne constitue pas un conseil juridique.
Quels usages méritent un pilote en entreprise ?
Un pilote Timestral est pertinent lorsqu’une meilleure anticipation peut modifier une décision mesurable. Les situations suivantes permettent de cadrer l’évaluation :
- Demande et stocks : confronter les prévisions aux ruptures, aux surstocks et aux calendriers commerciaux. Notre article sur l’IA et la prévision de la demande en supply chain prolonge ce cadrage.
- Énergie : prévoir les besoins en tenant compte des programmes d’activité effectivement connus.
- Maintenance : comparer un signal observé à sa trajectoire prévue, puis faire examiner les écarts par les équipes responsables.
- Finance : étudier des flux de trésorerie ou des volumes, en conservant une validation humaine des décisions.
Pour prolonger le sujet industriel, voir aussi Mistral et Physics AI : préparer un pilote industriel. Dans chaque cas, prévoir une variable reste une étape du processus de décision.
Comment évaluer Timestral sur ses propres séries temporelles ?
L’évaluation de Timestral doit comparer des prévisions produites avec les seules informations disponibles à chaque date de décision. Le protocole ci-dessous est proposé pour préparer un pilote ; il ne décrit aucun test réalisé par Noolya.
- Définir la décision. Fixer la cible, la fréquence, l’horizon utile et les coûts d’une sous-estimation ou d’une surestimation. Prévoir les critères d’acceptation avant de regarder les résultats.
- Construire une comparaison chronologique. Réserver une période finale et répéter les prévisions sur plusieurs dates antérieures. Conserver des périodes ordinaires et difficiles. Ajuster nettoyage et encodage sur le passé seulement, puis figer les transformations pour chaque fenêtre.
- Garder des références simples. Comparer les tailles retenues à une prévision saisonnière naïve et à la méthode existante. Utiliser les mêmes horizons et informations disponibles. Examiner séparément l’apport des covariables pour éviter d’attribuer au modèle un gain venant de données supplémentaires.
- Mesurer erreur et incertitude. Suivre l’erreur de prévision, la qualité des quantiles, la couverture et la largeur des intervalles. Présenter les résultats par horizon et par groupe de séries ; une moyenne peut masquer des échecs sur les cas prioritaires.
- Mesurer l’exploitation. Documenter processeur, threads, mémoire, nombre de séries et temps de préparation. Séparer chargement initial, inférence et durée totale. Tester les données manquantes et les changements de régime, puis chiffrer le coût d’exécution et de supervision.
Le livrable attendu est une décision argumentée : adopter, compléter ou écarter le modèle, avec les limites observées. Aucun gain ne doit être annoncé avant cette comparaison.
Quand passer du pilote à une utilisation opérationnelle ?
Le passage en exploitation doit dépendre de résultats métier reproductibles et de responsabilités explicites. Conserver la version des poids, du code, des données et de la licence permet de réexaminer la décision. Prévoir qui surveille les erreurs, accepte une dégradation et déclenche un retour à la méthode précédente.
Ces responsabilités s’inscrivent dans une démarche de gouvernance de l’IA. Pour cadrer données, comparaisons et critères de décision avant l’intégration, l’offre d’audit IA de Noolya fournit un point d’entrée. L’objectif du pilote reste une décision documentée sur l’utilité du modèle.
Questions fréquentes
Timestral peut-il fonctionner sans GPU ? Le dépôt officiel prend en charge l’inférence sur CPU et sur GPU. Les temps annoncés par Mistral correspondent à un scénario précis ; le dimensionnement doit être mesuré sur la charge réelle.
Timestral peut-il prévoir sans réentraînement spécifique ? Timestral propose une utilisation zero-shot sur de nouvelles séries. Une évaluation chronologique reste nécessaire avant d’utiliser ses prévisions pour décider.
Les quantiles de Timestral garantissent-ils des prévisions fiables ? Les quantiles expriment une incertitude estimée par le modèle. Leur calibration doit être vérifiée sur des observations tenues à l’écart de la préparation du pilote.
La licence Apache 2.0 couvre-t-elle les poids Timestral ? Apache 2.0 couvre le code du dépôt. Les poids ont une licence Modified MIT distincte, avec une condition de revenus à examiner avant leur utilisation.
Sources
- Introducing Timestral — annonce du 15 octobre 2026 et mesures CPU annoncées par Mistral.
- mistralai/timestral — tailles, inférence, quantiles et protocole des benchmarks.
- Apache License, Version 2.0 — texte applicable au code du dépôt.
- mistralai/Timestral-209M — fiche du modèle, limites de contexte et résultats annoncés.
- LICENSE · mistralai/Timestral-209M at main — Modified MIT et restriction de revenus.
- LICENSE · mistralai/Timestral-5M at main — licence des poids 5M.
- LICENSE · mistralai/Timestral-28M at main — licence des poids 28M.
- LICENSE · mistralai/Timestral-123M at main — licence des poids 123M.
