Votre équipe veut prévoir le nombre de demandes reçues chaque heure demain pour organiser l’astreinte. Le 15 octobre 2026, Mistral a présenté Timestral en quatre tailles, de 5 à 209 millions de paramètres. Le modèle peut prévoir plusieurs séries et donner des valeurs pour différents niveaux de probabilité. Il accepte des variables connues à l’avance, comme les jours fériés, et des variables passées, comme les volumes observés. Le dépôt officiel fonctionne sur CPU ou GPU. Le code utilise Apache 2.0 et les poids une licence MIT modifiée.
Vérifier sur vos données
Sur Linux, fixez la révision du dépôt, des dépendances et des poids. Préparez des volumes horaires synthétiques sur huit semaines, avec jours fériés étiquetés et une semaine anormale. Rejouez chaque début de journée sur les deux dernières semaines avec seulement les données qui existaient à cette heure. Comparez les quatre tailles, avec et sans calendrier, à la valeur du même jour de la semaine précédente. Gardez le nombre de fils CPU fixe. Pour chaque essai, relevez l’erreur absolue moyenne, le temps et la mémoire maximale. Mesurez combien de valeurs tombent dans l’intervalle prévu entre les quantiles 10 et 90.
Pour décider
Les résultats publics de Mistral décrivent ses conditions d’essai. Choisissez la plus petite taille qui satisfait vos seuils d’erreur et de ressources sur les journées importantes. L’article Partitech sur TimesFM‑3 explique le principe du multivarié. Ici, la décision porte sur la taille réellement nécessaire en exécution CPU.