Timestral : modèle de prévision de séries temporelles

Timestral est la première famille de modèles de fondation pour séries temporelles de Mistral, annoncée le 15 octobre 2026. Elle prévoit la suite de données chronologiques, comme des relevés de capteurs ou des métriques, sous forme de prévisions probabilistes. Quatre tailles existent, de 5M à 209M de paramètres, et aucune ne réclame de GPU pour l’inférence.

En bref

• Quatre modèles, de 5M à 209M de paramètres, utilisables sur un processeur classique.
• Prévisions probabilistes (21 quantiles) et multivariées, avec covariables connues à l’avance.
• Prévision zero-shot : le modèle travaille sur des données qu’il n’a jamais vues.
• Selon Mistral, le plus gros modèle est premier sur GIFT-Eval, TIME et fev-bench.
• Un dépôt GitHub permet de l’essayer ; la licence est un MIT modifié.

Qu’est-ce que Timestral ?

Timestral est un modèle de fondation pour séries temporelles : un modèle pré-entraîné sur un corpus large et varié, dont Mistral dit qu’il apprend des motifs qui se transfèrent d’une série à l’autre. Il sert à prévoir la suite de relevés de capteurs, de métriques de supervision, de flux financiers ou de volumes.

Mistral le situe par rapport à deux familles d’outils. Les modèles classiques comme ARIMA ou la régression linéaire sont ajustés à une seule série et n’apprennent que de son historique. Les modèles d’apprentissage profond comme PatchTST repèrent des motifs non linéaires entre séries voisines, mais sont en général entraînés de zéro sur chaque jeu de données. Timestral, lui, prévoit en zero-shot, c’est-à-dire sur des données jamais vues, y compris quand elles sont rares.

Quatre tailles pour prévoir sans GPU

La famille compte quatre modèles de 5M, 28M, 123M et 209M de paramètres. Ils partagent la même architecture et la même recette d’entraînement : les plus grands prévoient mieux, les plus petits sont plus rapides et moins coûteux.

Timestral n’a pas besoin de GPU à l’inférence. Sur un processeur de serveur standard avec 8 threads, prévoir un jour à l’avance à partir de trois semaines d’historique au pas de 15 minutes prend 10 ms avec le modèle de 5M et 140 ms avec celui de 209M. Le modèle de 28M est cinq fois plus rapide que celui de 209M, et celui de 123M s’approche à 0,2 % du score du plus grand pour les trois quarts de sa latence.

• 5M : 10 ms dans l’exemple de Mistral
• 28M : cinq fois plus rapide que le 209M
• 123M : à 0,2 % du score du 209M, avec trois quarts de sa latence
• 209M : 140 ms dans le même exemple

Ce que Timestral sait prévoir

Le modèle produit des prévisions probabilistes : il prédit un ensemble de 21 quantiles plutôt qu’une valeur unique. Les équipes voient ainsi la largeur de l’incertitude, peuvent fixer des seuils d’alerte en conséquence et planifier une maintenance selon le risque. Il est aussi multivarié : il modélise ensemble des séries liées, comme les vibrations, la température et la pression d’une pompe, au lieu de prévoir chaque capteur isolément.

Il accepte des covariables, des séries qui accompagnent la série à prévoir. Certaines sont connues seulement dans le passé, d’autres sont connues à l’avance : planning de production, arrêts programmés, prévisions météo. Mistral précise que le modèle peut s’appuyer sur ces dernières pour qu’une hausse de charge planifiée soit attendue plutôt que signalée comme une surprise. Les covariables catégorielles, comme le jour de la semaine ou l’état d’une machine (en marche, à l’arrêt, en maintenance), sont prises telles quelles, sans être converties en nombres.

Comment fonctionne Timestral

Mistral annonce que le détail viendra dans un rapport technique, mais en résume quatre idées. La première, la prévision à horizon découplé, garde tout l’historique dans la séquence et fait lire cet historique par des jetons de prévision appris. Chaque valeur observée sert alors à la fois de cible et de contexte, et les vraies lacunes restent signalées comme données manquantes.

La deuxième est une attention sensible aux covariables : chaque série reçoit un rôle (cible, covariable passée ou covariable connue à l’avance), et l’information circule uniquement des covariables vers les cibles. Un calendrier de jours fériés ou une prévision météo sont donc utilisables sans que le futur d’une cible ne fuite dans sa propre prévision.

Les deux dernières concernent l’entraînement. La majorité des données est synthétique : des processus à une variable avec tendances, saisonnalité et bruits variés, puis des séries multivariées construites en introduisant des dépendances non linéaires entre eux. L’entraînement se fait en deux temps : un pré-entraînement purement synthétique avec un contexte de 8192 pas, puis un post-entraînement sur un mélange de données réelles et synthétiques avec un contexte quatre fois plus long. La longueur de contexte annoncée est de 32 768 pas de temps.

Les résultats annoncés par Mistral

Selon Mistral, le modèle de 209M se classe premier sur les trois principaux bancs d’essai publics de prévision, GIFT-Eval, TIME et fev-bench, avec deux tiers des paramètres du précédent état de l’art. Parmi les modèles pré-entraînés en zero-shot, il arrive en tête sur les cinq métriques, avec un seul point de contrôle et sans combiner plusieurs modèles. Les résultats ont été soumis aux classements GIFT-Eval et TIME.

Mistral affirme aussi que chaque taille se trouve sur le front de Pareto entre précision et taille : à taille égale, aucun modèle public ne prévoit mieux. Le modèle de 28M dépasserait Chronos-2, environ quatre fois plus grand, sur GIFT-Eval et TIME, et celui de 209M dépasserait TimesFM-3 et Falcon-2.0 avec moins de paramètres. Ces chiffres viennent de l’éditeur ; le rapport technique complet n’est pas encore publié.

Adapter et déployer Timestral

Mistral propose Timestral via Mistral Forge, le pipeline d’entraînement qu’elle utilise pour ses modèles de langage. Il permet l’inférence zero-shot immédiate, des extensions d’architecture comme des covariables propres à un domaine, le réglage fin sur des données propriétaires et le contrôle du mélange de données d’entraînement. Ce contrôle vise à garantir que rien de ce qui sert aux tests rétrospectifs n’a été vu pendant le pré-entraînement.

Le déploiement peut se faire sur site, dans un cloud privé (VPC) ou en environnement isolé du réseau, sur le matériel des clients. Mistral imagine aussi Timestral couplé à ses modèles de langage dans des flux d’agents : détection d’anomalie sur une pompe, recherche de pannes passées similaires, analyse de cause racine, puis diagnostic proposé au responsable du site.

• Inférence zero-shot dès l’installation
• Extensions d’architecture, par exemple des covariables propres au domaine
• Réglage fin sur des données propriétaires
• Contrôle du mélange de données d’entraînement

Essayer Timestral : dépôt, licence, prix

Mistral a publié un dépôt GitHub pour exécuter Timestral sur ses propres données. La licence indiquée est « Modified MIT » ; l’annonce n’en détaille pas les modifications.

L’annonce ne donne pas de tarif pour Mistral Forge, ni de configuration minimale en mémoire ou en processeur au-delà de l’exemple chiffré ci-dessus. Pour des problèmes de prévision plus spécialisés ou une collaboration de recherche, Mistral invite à la contacter.

Quelques repères

• Série temporelle : Suite de valeurs mesurées à intervalles réguliers dans le temps, comme la température d’une machine relevée chaque minute.
• Quantile : Valeur sous laquelle se situe une part donnée des résultats possibles. Prévoir plusieurs quantiles permet de décrire une fourchette d’issues plutôt qu’un chiffre unique.
• Covariable : Donnée supplémentaire qui accompagne la série à prévoir et peut l’influencer, par exemple la météo ou un calendrier.

Questions fréquentes

Timestral a-t-il besoin d’un GPU ?

Non, Timestral n’a pas besoin de GPU à l’inférence, selon Mistral. Sur un processeur de serveur standard à 8 threads, le modèle de 209M prévoit un jour à l’avance en 140 ms.

Quelles sont les tailles de Timestral ?

Timestral existe en quatre tailles : 5M, 28M, 123M et 209M de paramètres. Elles partagent la même architecture et la même recette d’entraînement.

Timestral peut-il utiliser des variables connues à l’avance pour prévoir ?

Oui, Timestral accepte des covariables connues à l’avance, comme un planning de production, des arrêts programmés ou une prévision météo. Il accepte aussi des covariables connues seulement dans le passé et des covariables catégorielles.

Quelle est la licence de Timestral ?

La licence de Timestral est indiquée comme « Modified MIT ». Mistral a publié un dépôt GitHub pour l’exécuter sur ses propres données, sans détailler les modifications de la licence.

À retenir

Timestral réunit quatre modèles de prévision probabiliste de 5M à 209M de paramètres, utilisables sur CPU et capables de prévoir en zero-shot avec des covariables. Les classements annoncés viennent de Mistral, dont le rapport technique complet reste à paraître.