Mistral AI lance Timestral pour la prévision de séries temporelles

Contexte

Mistral AI entre sur le segment des modèles préentraînés pour séries temporelles avec Timestral. Cette famille vise la prévision sans entraînement préalable sur le jeu de données cible, tout en permettant une adaptation à un domaine particulier via Mistral Forge.

Les usages cités couvrent notamment la télémétrie industrielle, les métriques d’observabilité, la planification de capacité, l’énergie, les chaînes logistiques, la finance et la maintenance. Le modèle peut traiter conjointement plusieurs séries liées, produire des quantiles d’incertitude et intégrer des informations connues à l’avance, comme un calendrier de production ou un arrêt planifié.

Ce qui change

Timestral est décliné en quatre tailles : 5, 28, 123 et 209 millions de paramètres. Tous les modèles partagent la même architecture et la même méthode d’entraînement. Ils acceptent des séries univariées ou multivariées, ainsi que des covariables numériques ou catégorielles, limitées au passé ou connues dans le futur.

La version de 209 millions de paramètres repose sur un Transformer par segments, avec attention temporelle et attention entre variables. La fiche technique relayée sur Reddit indique une fenêtre maximale de 32 768 pas historiques, un horizon de 1 024 pas par passage et une sortie répartie sur 21 quantiles. L’inférence est proposée avec PyTorch sur CPU ou GPU. Les quatre checkpoints sont disponibles sur Hugging Face et Mistral publie également le code source sur GitHub.

Selon ses propres évaluations, Mistral place un même checkpoint en tête des modèles préentraînés sans adaptation sur les cinq métriques de GIFT-Eval, TIME et fev-bench. Les résultats ont été soumis aux classements GIFT-Eval et TIME. Sur un serveur CPU à huit threads, l’entreprise annonce entre 10 ms pour le modèle 5M et 140 ms pour le modèle 209M dans son scénario de prévision d’une journée à partir de trois semaines de données espacées de quinze minutes.

Pourquoi c'est important

Le choix de quatre tailles permet d’arbitrer entre latence, ressources et précision sans changer de famille de modèles. L’exécution sur CPU rend également Timestral exploitable dans des pipelines où un GPU dédié n’est pas disponible.

Pour les équipes techniques, les fonctions les plus structurantes sont la prévision multivariée, la représentation probabiliste de l’incertitude et la prise en compte native de covariables futures. Les performances annoncées restent toutefois à examiner dans chaque contexte métier et à confronter aux classements publics ainsi qu’aux méthodes déjà déployées.