OVHcloud entre dans la course aux LLM avec Olala, un modèle ouvert compact

17 novembre 2026

- Par : Fanny

Jusqu’ici, OVHcloud fournissait surtout les ressources nécessaires pour entraîner et faire fonctionner des modèles d’intelligence artificielle. Avec Olala mini 7A1B, le spécialiste français du cloud franchit une nouvelle étape : il publie son propre grand modèle de langage, compact et ouvert, entraîné sur des supercalculateurs publics européens. L’ambition dépasse le lancement d’un outil supplémentaire. Pour Octave Klaba, dirigeant d’OVHcloud, l’Europe doit pouvoir compter dans toutes les couches de l’IA, des infrastructures jusqu’aux modèles.

Le premier modèle de la famille mise sur une architecture conçue pour limiter les ressources nécessaires à son exécution, avec la possibilité de fonctionner sur un processeur selon OVHcloud. Publié sous licence Apache 2.0, il s’adresse notamment aux organisations qui souhaitent déployer une IA localement ou maîtriser davantage leurs coûts. Reste une question importante pour les utilisateurs : ses performances sont-elles au niveau des solutions déjà installées, notamment celles de Mistral AI ? À ce stade, OVHcloud communique des débits, mais pas de résultats de benchmark permettant une comparaison directe. Olala ouvre donc une nouvelle option pour les entreprises, sans encore fournir toutes les données nécessaires pour départager les modèles.

OVHcloud et Olala : les points essentiels à retenir

  • Olala mini 7A1B est le premier modèle de langage publié par OVHcloud.
  • Il compte 7 milliards de paramètres, dont 1 milliard activé pour chaque requête.
  • Son architecture hybride et son format compact visent l’exécution locale, y compris sur processeur selon OVHcloud.
  • Le modèle est distribué sous licence Apache 2.0, avec ses poids, sa documentation technique et des éléments de conformité à l’AI Act.
  • Entraîné sur les supercalculateurs européens Jupiter, MeluXina et Jean Zay, il pourrait être suivi de versions plus puissantes et spécialisées.
  • Aucun benchmark de qualité n’a encore été communiqué : les débits annoncés ne suffisent pas à le comparer précisément à Mistral AI.

Olala mini 7A1B : un LLM compact pensé pour fonctionner localement

Le nom du premier modèle d’OVHcloud décrit son format : 7 milliards de paramètres au total, avec 1 milliard activé par requête. Cette approche dite à experts mobilise une partie du modèle plutôt que l’ensemble de ses paramètres à chaque opération. En pratique, ce choix vise à réduire les besoins de calcul et de mémoire, un point utile pour les organisations qui veulent éviter de dépendre systématiquement d’une infrastructure GPU distante.

OVHcloud indique qu’un GPU doté d’au moins 8 Go de mémoire peut faire fonctionner Olala mini. L’entreprise annonce jusqu’à 160 tokens par seconde sur une carte RTX A4500 et environ 50 tokens par seconde sur processeur seul. Ces chiffres renseignent sur la vitesse de génération dans les conditions indiquées, mais pas sur la précision des réponses ni sur la qualité du raisonnement : ce sont deux critères distincts.

Une architecture hybride et une fenêtre de contexte de 32 000 tokens

Le modèle combine des couches d’attention Differential-TPA avec des couches Mamba-3, conçues pour limiter la consommation mémoire. Sa fenêtre de contexte atteint 32 000 tokens, ce qui permet de traiter des instructions ou des documents relativement longs dans une même interaction. Pour une PME qui teste un assistant interne, cela peut faciliter l’analyse de procédures ou de dossiers, à condition de vérifier la qualité des réponses sur ses propres données.

Pour comparer les caractéristiques annoncées, mieux vaut distinguer les capacités techniques des résultats d’usage. Le tableau résume les données communiquées par OVHcloud, sans les assimiler à une évaluation indépendante.

Caractéristique Donnée annoncée Ce que cela indique
Paramètres 7 milliards au total, 1 milliard activé par requête Une activation partielle destinée à alléger le calcul
Experts 256 par couche Une architecture qui répartit les traitements entre des experts
Exécution GPU de 8 Go minimum ; fonctionnement sur processeur annoncé Une cible orientée vers les déploiements locaux
Débit 160 tokens/s sur RTX A4500 ; 50 tokens/s sur processeur Des vitesses communiquées par OVHcloud, sans score de qualité associé
Contexte 32 000 tokens La quantité de texte pouvant être prise en compte dans une interaction

Un modèle ouvert entraîné sur des supercalculateurs européens

Olala a été entraîné sur trois supercalculateurs publics européens : Jupiter, MeluXina et Jean Zay. OVHcloud estime l’appui de ces ressources à l’équivalent de 7 millions d’euros d’heures de calcul. Cette collaboration illustre un enjeu concret pour l’écosystème européen : accéder à des capacités de calcul importantes sans concentrer toute la chaîne de développement dans les mains d’un seul acteur privé.

Le modèle doit être publié sur Hugging Face sous licence Apache 2.0. OVHcloud prévoit également de fournir les poids, le modèle de base pré-entraîné, un rapport technique et une documentation de conformité à l’AI Act. Pour une équipe technique, ces éléments facilitent l’évaluation et l’adaptation du modèle ; ils ne remplacent toutefois ni une analyse de sécurité ni des tests sur les usages réels de l’entreprise.

Qwant l’utilise déjà pour ses réponses rapides

Selon OVHcloud, le moteur de recherche Qwant s’appuie déjà sur Olala pour générer des réponses flash. L’entreprise affirme que cette intégration permet des réponses 20 % plus rapides et trois fois moins coûteuses que celles produites avec le modèle précédent. Ces résultats donnent un premier exemple d’utilisation en production, mais ils restent propres à ce cas : les gains peuvent varier selon les volumes, l’infrastructure et la nature des requêtes.

Pour une entreprise qui envisage un test comparable, le bon réflexe consiste à mesurer le coût par tâche réussie, le temps de réponse et le taux de réponses à corriger. Un modèle plus rapide n’est réellement avantageux que s’il répond suffisamment bien au besoin visé.

Olala face à Mistral AI : une concurrence encore à mesurer

Avec Olala, OVHcloud entre sur un terrain où Mistral AI est déjà bien identifié. Les deux entreprises ne suivent cependant pas le même modèle économique : OVHcloud s’appuie sur une activité cloud établie et rentable, tandis que Mistral AI s’est développée comme une jeune entreprise spécialisée dans l’IA. Les chiffres de valorisation et de financement relayés au moment de l’annonce de Mistral témoignent de l’ampleur des moyens mobilisés, mais ne permettent pas, à eux seuls, de comparer la qualité de leurs modèles.

Sur le plan technique, Olala mini vise le segment des modèles compacts destinés notamment à l’usage local, une catégorie où figurent les modèles Ministral de Mistral AI. Il reste toutefois éloigné des modèles de plus grande taille évoqués dans les éléments de comparaison, comme Mistral Small 4 et ses 119 milliards de paramètres. La taille ne suffit pas à établir un classement : les résultats dépendent aussi des données d’entraînement, de l’architecture et du cas d’usage.

Pourquoi l’absence de benchmarks compte pour les utilisateurs

OVHcloud communique des vitesses de génération, mais n’a pas publié de scores de benchmark permettant d’évaluer la qualité d’Olala face à ses concurrents. Pour les équipes qui sélectionnent un assistant, cette distinction est essentielle : un débit élevé ne dit pas si le modèle suit correctement une consigne, écrit du code fiable ou répond avec justesse à une question métier.

Un test comparatif simple peut déjà éclairer la décision : préparer les mêmes requêtes, utiliser les mêmes paramètres et noter la précision, le délai, le coût et le nombre de corrections nécessaires. Une petite entreprise fictive qui automatise le tri de demandes clients pourrait, par exemple, comparer les erreurs de classement autant que la vitesse de génération. Sans protocole commun, les chiffres séduisants restent difficiles à interpréter.

Les prochaines versions d’Olala et les usages visés par OVHcloud

OVHcloud prévoit une version 1.1 avec une fenêtre de contexte portée à 128 000 tokens et des progrès ciblés en raisonnement mathématique. Une version 2.0, annoncée avec plus de 100 milliards de paramètres, doit ensuite se décliner en modèles spécialisés. Le calendrier et les performances devront être confirmés par les publications correspondantes ; pour l’heure, ces annonces dessinent surtout les priorités de développement.

Trois domaines sont mis en avant : les agents destinés aux entreprises, le DevOps cloud et la cybersécurité, aussi bien défensive qu’offensive. OVHcloud évoque également des outils d’assistance au code comparables, dans leur fonction générale, à Claude Code ou Codex. L’entreprise vise à terme 100 millions d’utilisateurs, sans échéance précisée.

Pour les professionnels, l’intérêt de cette feuille de route sera de voir si les modèles spécialisés apportent un avantage concret par rapport à un outil généraliste. Un assistant DevOps, par exemple, doit comprendre les environnements de déploiement et produire des recommandations vérifiables, pas seulement générer du texte fluide. Le critère décisif restera donc l’efficacité mesurée dans les tâches quotidiennes.

Questions fréquentes sur OVHcloud Olala

Qu’est-ce qu’Olala mini 7A1B ?

Olala mini 7A1B est le premier modèle de langage ouvert publié par OVHcloud. Il compte 7 milliards de paramètres, dont 1 milliard activé par requête, et vise notamment des déploiements locaux.

Olala mini peut-il fonctionner sans GPU ?

OVHcloud annonce un fonctionnement possible sur processeur seul, avec un débit d’environ 50 tokens par seconde. L’entreprise recommande par ailleurs un GPU disposant d’au moins 8 Go de mémoire pour une exécution sur carte graphique.

Sous quelle licence Olala est-il distribué ?

Le modèle est publié sous licence Apache 2.0. OVHcloud prévoit de mettre à disposition ses poids, un rapport technique et des documents de conformité à l’AI Act.

Olala est-il aussi performant que les modèles de Mistral AI ?

Aucune comparaison chiffrée de qualité n’est possible à partir des informations publiées, car OVHcloud n’a pas communiqué de scores de benchmark. Les débits annoncés mesurent la vitesse de génération, pas la pertinence des réponses.

Quels usages OVHcloud prévoit-il pour les prochaines versions ?

La feuille de route annoncée vise notamment les agents d’entreprise, le DevOps cloud et la cybersécurité. OVHcloud prévoit également des outils d’assistance au code.