Europa krijgt meer controle over AI dankzij Mistral, maar er is een probleem

Europa wil minder afhankelijk worden van Amerikaanse en Chinese technologiebedrijven. Vooral op het gebied van kunstmatige intelligentie is dat makkelijker gezegd dan gedaan. Het Franse AI-bedrijf Mistral zet nu een belangrijke stap met de vrijgave van Mistral Large 4, zijn nieuwste en krachtigste AI-model. Bedrijven kunnen het model downloaden en op hun eigen infrastructuur draaien, zonder voor iedere AI-opdracht afhankelijk te zijn van een externe aanbieder. Toch is er een probleem: veel Europese organisaties beschikken nog helemaal niet over de technische kennis en infrastructuur om zo'n krachtig AI-model zelfstandig te beheren.

Mistral introduceerde Large 4 begin oktober onder de bijnaam 'Le Chonk'. Het model beschikt over ongeveer een biljoen parameters, kan tekst en afbeeldingen verwerken en is ontwikkeld voor onder meer programmeren, complexe analyses en cybersecurity. Op 29 oktober maakte het Franse bedrijf ook de getrainde modelgewichten beschikbaar. Daarmee kunnen organisaties het model zelf implementeren en aanpassen aan hun eigen toepassingen. Dat is een belangrijk verschil met gesloten AI-diensten, waarbij gebruikers doorgaans afhankelijk blijven van de infrastructuur en voorwaarden van de aanbieder.

De introductie van Mistral Large 4 komt op een moment waarop digitale soevereiniteit steeds hoger op de Europese agenda staat. Bedrijven en overheden maken op grote schaal gebruik van AI, maar zijn daarbij vaak afhankelijk van Amerikaanse technologiebedrijven. Dat betekent dat belangrijke beslissingen over prijzen, beschikbaarheid, beveiliging en toekomstige modelversies grotendeels buiten hun eigen invloed liggen.

Met een open-weightmodel krijgen organisaties meer vrijheid. Ze kunnen de getrainde gewichten downloaden en het AI-model vervolgens op eigen servers of bij een zelfgekozen infrastructuurpartner laten draaien. Daardoor houden ze meer controle over waar gegevens worden verwerkt en welke versie van het model wordt gebruikt. Vooral voor banken, overheden en andere organisaties die met gevoelige informatie werken, kan dat aantrekkelijk zijn.

Mistral heeft bovendien een duidelijke Europese achtergrond. Het bedrijf ontwikkelde Large 4 op zijn eigen infrastructuur in Europese datacenters, met duizenden krachtige NVIDIA-chips. Daarmee wil Mistral laten zien dat Europa niet uitsluitend afhankelijk hoeft te zijn van AI-technologie uit de Verenigde Staten of China.

Toch betekent een Europees AI-model niet automatisch dat een organisatie volledig digitaal onafhankelijk is. Ook de gebruikte hardware, cloudinfrastructuur, software en ondersteuning spelen daarin een rol.

Volgens Simon Koolstra, Principal Advanced Analytics bij AI-consultant Rewire, is het beschikbaar stellen van de modelgewichten vooral een eerste stap. De grootste uitdaging zit volgens hem niet in het downloaden of installeren van een AI-model, maar in alles wat daarna komt.

Veel bedrijven gebruiken AI inmiddels voor uiteenlopende toepassingen, zoals klantenservice, documentverwerking, softwareontwikkeling en interne kennisbanken. Wanneer een organisatie besluit over te stappen op een ander model, moet worden gecontroleerd of al die toepassingen nog steeds naar behoren functioneren. Een nieuw model kan betere prestaties leveren bij bepaalde opdrachten, maar juist slechter presteren bij andere taken.

"Wij zien bij onze grote klanten dat het vaak nog ontbreekt aan voldoende interne capaciteit om meerdere modellen zelf goed te beheren", vertelt Koolstra. "Het gaat daarbij niet zozeer om het wisselen van het model zelf, maar om het kunnen valideren van de kwaliteit na een wissel."

Daarvoor hebben bedrijven een technische omgeving nodig waarin AI-modellen systematisch getest en vergeleken kunnen worden. Volgens Koolstra gebeurt dat momenteel nog vaak handmatig, waarbij specialisten de resultaten van een nieuw model moeten beoordelen. Dat kost tijd en maakt het lastig om snel van AI-leverancier te veranderen. Zelfs wanneer een bedrijf gebruikmaakt van een gesloten model dat door de aanbieder wordt uitgefaseerd, kan het noodzakelijk zijn om bestaande toepassingen opnieuw te testen.

Naast digitale onafhankelijkheid speelt ook geld een belangrijke rol. Uit onderzoek van MIT Sloan en Georgia Tech blijkt dat open-weightmodellen op platforms die verschillende AI-modellen aanbieden in 2025 gemiddeld ongeveer 87 procent goedkoper waren dan gesloten alternatieven, terwijl ze gemiddeld ongeveer 90 procent van de prestaties leverden.

Volgens de onderzoekers zouden gebruikers hun AI-kosten aanzienlijk kunnen verlagen door voor iedere taak het goedkoopste model te selecteren dat aan de gewenste kwaliteitseisen voldoet. In theorie zou dat wereldwijd miljarden aan besparingen kunnen opleveren.

Die cijfers betekenen overigens niet dat bedrijven automatisch 87 procent besparen wanneer ze Mistral Large 4 op hun eigen servers installeren. Het onderzoek gaat over de kosten van modelgebruik via aanbieders en niet over de totale kosten van zelf gehoste AI. Wie een groot model zelfstandig wil draaien, moet immers investeren in krachtige hardware, energie, beveiliging, onderhoud en gespecialiseerd personeel.

Juist bij een omvangrijk model als Large 4 kunnen die kosten aanzienlijk zijn. Voor veel organisaties zal het daarom aantrekkelijker blijven om gebruik te maken van een externe aanbieder die het model voor hen draait. Ze profiteren dan wel van meer keuzevrijheid, zonder direct een eigen AI-infrastructuur te hoeven opbouwen.

Dat Europese bedrijven serieus werk maken van alternatieven voor Amerikaanse AI-diensten blijkt uit verschillende samenwerkingen met Mistral. Banken zoals BNP Paribas en HSBC maken al gebruik van technologie van het Franse bedrijf. Ook ABN AMRO kondigde in augustus een strategische samenwerking met Mistral aan, onder meer om de afhankelijkheid van niet-Europese technologiebedrijven te verminderen.

Voor financiële instellingen is dat geen onbelangrijk onderwerp. AI wordt steeds vaker ingezet voor het analyseren van documenten, het ondersteunen van medewerkers en het verwerken van klantvragen. Wanneer dergelijke processen afhankelijk zijn van één externe leverancier, kan dat risico's opleveren op het gebied van continuïteit, kosten en gegevensbescherming.

Door AI-modellen zelf te beheren of bij een vertrouwde infrastructuurpartner onder te brengen, krijgen organisaties meer mogelijkheden om die risico's te beperken. Tegelijkertijd moeten ze wel zelf zorgen voor voldoende beveiliging, monitoring en kwaliteitscontrole.

Bij de introductie van Mistral Large 4 is nog een belangrijk onderscheid te maken. Hoewel de getrainde gewichten beschikbaar zijn, betekent dat niet dat het volledige ontwikkelproces van het model openbaar is. De oorspronkelijke trainingsgegevens en alle gebruikte ontwikkelmethoden zijn niet automatisch toegankelijk.

Ook gelden er licentievoorwaarden. Organisaties kunnen het model voor uiteenlopende toepassingen gebruiken, maar voor bepaalde commerciële vormen van dienstverlening kan een aanvullende overeenkomst nodig zijn. Bedrijven moeten daarom vooraf goed controleren wat ze precies met het model mogen doen.

Het verschil tussen open weights en volledig open source is belangrijk, omdat de beschikbaarheid van modelgewichten op zichzelf nog geen volledige transparantie biedt over de manier waarop een AI-model is ontwikkeld.

Volgens Koolstra moeten bedrijven eerst bepalen waarom ze eigenlijk voor een open-weightmodel willen kiezen. Gaat het vooral om kostenbesparing, dan kan het verstandig zijn om verschillende aanbieders en modellen met elkaar te vergelijken. Is digitale soevereiniteit het belangrijkste doel, dan spelen de locatie van de infrastructuur, de juridische voorwaarden en de mate van controle een veel grotere rol.

Organisaties die al sterk afhankelijk zijn van een cloudplatform zoals Microsoft Azure hoeven volgens hem niet noodzakelijk hun complete infrastructuur te vervangen. Ze kunnen ook binnen hun bestaande omgeving onderzoeken welke modellen beschikbaar zijn en hoe ze gevoelige gegevens beter kunnen beschermen. Voor bedrijven die volledige controle willen, is het zelfstandig hosten van AI een mogelijkheid, maar dat vraagt doorgaans aanzienlijk meer investeringen.

De introductie van Mistral Large 4 laat in ieder geval zien dat Europa steeds serieuzere alternatieven ontwikkelt voor de dominante Amerikaanse en Chinese AI-modellen. De technologie is beschikbaar en organisaties krijgen meer mogelijkheden om zelf te bepalen hoe ze AI inzetten.

Maar daarmee is de belangrijkste uitdaging nog niet opgelost. Want een krachtig AI-model kunnen downloaden is één ding. Het betrouwbaar, veilig en betaalbaar inzetten binnen een grote organisatie is een heel ander verhaal. En juist op dat gebied hebben veel Europese bedrijven volgens Rewire nog een flinke inhaalslag te maken.