Mistral als serieuze AI-keuze voor Europese bedrijven.

Misschien had je tot deze week nog nooit van Mistral gehoord. Dat zou me niet verbazen. Iedereen heeft het over OpenAI, Google en Anthropic. Ondertussen bouwt een bedrijf uit Parijs al een tijdje volg goede moed aan een alternatief. Rustig, maar wel door.

Mijn stelling: Mistral hoort op de AI-shortlist van elk Nederlands bedrijf dat serieus met AI aan de slag gaat. Niet omdat "Europese AI" zo mooi klinkt, maar omdat het je een keuze geeft die een jaar geleden nog niet serieus werd genomen.

Dat laatste klinkt bekend. Daar kom ik op terug.

Een Frans bedrijf dat rustig doorbouwt

Mistral AI is in 2023 opgericht in Parijs en uitgegroeid tot een van de bekendste Europese AI-spelers. Het bouwt taalmodellen, een chatassistent, een API voor ontwikkelaars en spraakmodellen onder de naam Voxtral.

En de afgelopen weken ging het hard. In september haalde Mistral volgens berichtgeving €3 miljard op in een ronde onder leiding van Samsung, nadat ASML eerder al flink had ingestoken. De waardering ligt volgens de berichten ruim boven de €20 miljard. Op 6 oktober volgde een nieuw model van zo'n 1 biljoen parameters (de 'knoppen' waarmee een model zijn kennis vastlegt). Volgens Mistral zelf sluit het daarmee aan bij de beste open modellen uit China. Op 20 oktober kwam Voxtral 3: spraak naar tekst, tekst naar spraak en een SDK (softwarepakket voor ontwikkelaars) om voice agents te bouwen.

Drie grote stappen in zes weken. Rustig doorbouwen ziet er ineens behoorlijk snel uit.

Een deel van de modellen is open-weight. Je kunt zo'n model zelf downloaden en op je eigen servers draaien. Je data blijft dan gewoon bij jou.

Europese AI is een buzzword, maar er zit iets in

"Europese AI" valt tegenwoordig in elke presentatie en elk beleidsstuk. Ja, het is een buzzword. Maar er zit wel iets in. Meestal bedoelen mensen een van drie dingen. Het bedrijf zit in de EU en valt onder Europese regels als de AVG en de AI Act. Je data wordt verwerkt op servers in Europa. Of de modellen zijn open, zodat je ze zelf kunt draaien en inspecteren en kunt wisselen van aanbieder.

Een kwaliteitskeurmerk is het niet. Een model wordt niet slimmer omdat het uit Parijs komt. Zie het als een eigenschap waar je op kunt sturen, net als prijs of snelheid. Bij gevoelige data of strenge klanteisen weegt die eigenschap zwaar. Bij een simpele interne taak weegt hij veel minder.

Wat pleit voor Mistral, en waar let je op?

Eerst het goede nieuws. Mistral is een Europees bedrijf onder Europees recht, en dat maakt het gesprek over AVG en dataverwerking een stuk overzichtelijker. Je kunt de open modellen zelf hosten, zodat gevoelige data binnen je eigen netwerk blijft. De modellen zijn er in meerdere maten: een compact model voor de simpele klus en het grote model voor werk dat het nodig heeft. Zo houd je je kosten beheersbaar. Heb je een tweede aanbieder in je architectuur, dan kun je wisselen als prijs, voorwaarden of kwaliteit veranderen. En met de recente investeringen kan Mistral stevig doorbouwen.

Dan de keerzijde. Het ecosysteem is kleiner. Er zijn minder kant-en-klare integraties en voorbeelden, en minder mensen met ervaring dan bij de Amerikaanse grootmachten. Zelf hosten vraagt GPU's (chips voor AI-berekeningen) en iemand die ze kan beheren. En Mistral is ook niet overal de beste. Dat heb ik zelf gemerkt.

Wie zei wat? Daar ging het mis

Praten over modellen is leuk. Uitproberen is leuker. Dus zetten we Mistral in voor het transcriberen van gesprekken.

De tekst zelf was prima. Maar toen ik het transcript teruglas, merkte ik dat het niet meer klopte wie wat had gezegd. Wat de ene collega zei, stond bij de andere. Klinkt als een detail, maar juist daar draait het om. Wil je uit een transcript actiepunten per persoon halen, dan moet je weten van wie die actiepunten zijn.

ElevenLabs deed het in onze test beter, vooral op die sprekerherkenning. Punt voor de Amerikanen.

Maar het blijft een momentopname. Op 20 oktober kwam Voxtral 3 uit, en in deze markt ziet de ranglijst er over een paar maanden alweer anders uit. Mijn les: test per toepassing, met je eigen data. Een model dat op de ene taak verliest, kan op de volgende gewoon winnen.

De race wordt gelopen in datacenters

Waarom praten we eigenlijk zoveel over chips en datacenters als het over Mistral gaat? Omdat daar de echte spelregels van AI liggen. We bouwen het rustig op, zodat je straks kunt meepraten, ook als je geen techneut bent.

Trainen en gebruiken zijn twee verschillende klussen

Trainen is de opleiding. Het model verwerkt maandenlang enorme hoeveelheden tekst in een datacenter vol chips. Een aanbieder als Mistral doet dat eenmalig per model. Gebruiken (in vaktaal inference) is wat er gebeurt als jij een vraag stelt. Elk antwoord kost op dat moment weer rekenkracht. Voor jou als bedrijf is vooral die tweede klus relevant, want daar betaal je voor: per vraag, of via je eigen servers.

Waarom heeft AI GPU's nodig?

Een gewone processor, de CPU, is als een klein team slimme specialisten dat taken om de beurt afhandelt. Een GPU is een zaal met duizenden rekenaars die allemaal tegelijk dezelfde soort som maken. AI bestaat uit ontzettend veel van die simpele sommen, dus een GPU is daar veel sneller in. Kleine modellen draaien soms nog op gewone servers. Voor grotere modellen heb je GPU's nodig, en voor het trainen zijn het er tienduizenden.

Wie heeft die GPU's?

Het overgrote deel van die capaciteit staat buiten Europa. Schattingen verschillen per bron, maar een veelgenoemd getal is dat Europa ongeveer 5% van de wereldwijde AI-rekenkracht heeft. Volgens een analyse van OfficeChai steeg het Amerikaanse aandeel in nieuw bijgeplaatste capaciteit van 60% in 2024 naar 78% in de eerste helft van 2026. Bruegel publiceerde in september een policy brief over dat Europese tekort. De meeste AI-chips komen bovendien van Nvidia en worden gemaakt bij TSMC, waar de grote Amerikaanse partijen vaak voorrang krijgen.

Ook hier gaat de vergelijking met Airbus op. De vliegtuigen zijn Europees, maar onderdelen komen van over de hele wereld.

Wat betekent dat voor Mistral, en voor jouw besluit?

Op pure schaal wordt het voor Mistral lastig om de Amerikaanse grootmachten bij te benen, op kosten en op tempo. Datacenters slurpen stroom, en elektriciteit is in Europa doorgaans duurder dan in de VS. De €3 miljard van september is een Europees record, maar de Amerikaanse partijen geven jaarlijks aanzienlijk meer uit aan datacenters.

Gelukkig hoeft Mistral de race om het grootste model niet te winnen. De kansen liggen bij efficiënte modellen die met minder rekenkracht dezelfde taak goed doen, en bij specialisatie. Dat zie ik ook in de praktijk. Voor de meeste bedrijfstaken heb je niet het grootste model nodig, maar het juiste.

Voor jouw besluit komt het neer op drie vragen. Hoe gevoelig is de data die het model te zien krijgt? Hoeveel rekenkracht heeft de taak echt nodig? En wil je zelf GPU's beheren, of laat je dat aan een aanbieder over? Kun je die drie beantwoorden, dan kies je meestal vanzelf het juiste model.

Digitale soevereiniteit is geen aan/uit-knop

Dan het grotere verhaal. Digitale soevereiniteit komt erop neer dat jij bepaalt wie bij je data kan, onder welk recht dat gebeurt, en dat je kunt overstappen als dat nodig is. Bij Amerikaanse aanbieders speelt de Cloud Act mee. Met die wet kunnen Amerikaanse autoriteiten data opvragen bij Amerikaanse bedrijven, ook als die data in Europa staat.

Soevereiniteit bestaat uit lagen, en Mistral scoort per laag anders. Als bedrijf is Mistral Frans en valt het onder Europees recht. Wel leidt Samsung de laatste investeringsronde, dus een blik op de aandeelhouders loont. Bij de hosting heb je de meeste controle als je zelf host of een Europese cloud gebruikt. Check daarom waar de API-verwerking plaatsvindt. Bij de chips blijft Europa afhankelijk van Amerikaanse en Aziatische leveranciers. En dan is er nog je eigen architectuur, de laag waar jij zelf het meeste invloed op hebt.

Soevereiniteit is dus geen schakelaar. Je kiest per toepassing hoeveel controle je nodig hebt.

Mijn conclusie

Zet Mistral op je shortlist. Test het op je eigen use cases en neem het mee in je AI-strategie. Verwacht niet dat het overal wint, dat liet onze transcriptietest wel zien. Wat je wel krijgt, is serieuze Europese AI om mee te werken, met zelf hosten als optie.

Bouw je AI-toepassingen daarom zo dat het model een losse laag is. Dan wissel je met een configuratiewijziging van aanbieder, nu en over een jaar.

Ik wed dat we binnen vijf jaar niet meer vragen of Europese AI serieus te nemen is. Net zoals niemand dat nog vraagt als hij in een Airbus stapt.