OVHcloud ne veut plus seulement héberger les intelligences artificielles des autres. Le groupe français a présenté, ce 17 novembre 2026, Olala mini 7A1B, son premier modèle de langage développé en interne. Sa particularité ? Il a été conçu pour fonctionner avec des ressources matérielles limitées, y compris sur un ordinateur dépourvu de carte graphique dédiée. Une approche qui pourrait intéresser les entreprises souhaitant utiliser l'Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. directement sur leurs machines, sans dépendre systématiquement de services en ligne.
Le lancement officiel est prévu le 19 novembre, lors de l'OVHcloud AI Summit. Mais le modèle a déjà trouvé une première application concrète chez Qwant, le moteur de recherche français.
Un modèle de 7 milliards de paramètres qui n'en utilise qu'un milliard
Avec Olala mini 7A1B, OVHcloud a choisi de privilégier l'efficacité plutôt que la taille. Le modèle possède 7 milliards de paramètres, ces valeurs numériques apprises pendant l'TrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances. qui lui permettent de traiter et de générer du texte.
Toutefois, il n'utilise qu'environ un milliard de paramètres à chaque traitement. C'est précisément ce que signifie son nom, 7A1B, pour 7 milliards de paramètres au total et un milliard activé.
Cette particularité repose sur une architecture appelée Mixture of ExpertsArchitecture utilisant plusieurs sous-réseaux spécialisés et un mécanisme sélectionnant ceux à activer pour traiter une entrée., ou mélange d'experts. Plutôt que de mobiliser l'ensemble du réseau pour chaque demande, le système sélectionne certaines parties spécialisées en fonction des informations à traiter.
Le modèle comporte ainsi 256 experts par couche. Cette organisation permet de limiter les calculs nécessaires à la génération des réponses, même si les paramètres inactifs doivent toujours être pris en compte dans les besoins de stockage et de mémoire.
OVHcloud utilise également une architecture d'attention hybride associant Differential-TPA et Mamba-3, avec des calculs au format BF16. Ces mécanismes servent notamment à traiter les relations entre les différentes parties d'un texte tout en cherchant à réduire la quantité de mémoire et les opérations nécessaires.
Pour l'utilisateur, l'intérêt est surtout matériel. Selon les caractéristiques annoncées par OVHcloud, Olala mini peut fonctionner avec une carte graphique disposant de seulement 8 Go de mémoire vidéo.
L'entreprise annonce une vitesse de 160 TokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. par seconde sur une Nvidia RTX A4500. Un token correspond approximativement à un fragment de mot ou à un élément de texte utilisé par le modèle. Ce débit représente donc une génération potentiellement rapide pour une conversation classique.
Plus surprenant, OVHcloud revendique également 50 tokens par seconde sur un simple processeur, sans accélération graphique dédiée. Si ces performances se confirment dans des conditions d'utilisation variées, le modèle pourrait devenir intéressant pour les ordinateurs professionnels qui ne disposent pas de matériel spécialisé pour l'IA.
Ces chiffres restent toutefois des mesures communiquées par le fabricant. Ils ne permettent pas encore de comparer objectivement la qualité des réponses avec celles de modèles concurrents. La vitesse dépend également du matériel, de la configuration logicielle et de la longueur des échanges.
Une IA utilisable localement et bientôt disponible en open source
L'un des principaux intérêts d'Olala mini concerne son mode de distribution. OVHcloud prévoit de publier le modèle sur Hugging Face, une plateforme largement utilisée pour partager des modèles d'intelligence artificielle.
Il sera proposé sous licence Apache 2.0, qui autorise notamment son utilisation commerciale, sa modification et sa redistribution dans le respect des conditions de la licence.
L'entreprise prévoit de fournir les Paramètres du modèleValeurs numériques internes apprises pendant l'entraînement et utilisées par le modèle pour produire ses résultats., sa version de base pré-entraînée, un rapport technique et une documentation relative au AI ActRèglement de l'Union européenne établissant un cadre juridique pour les systèmes d'intelligence artificielle, notamment selon leurs usages et leurs niveaux de risque., l'AI Act.
Cette ouverture pourrait permettre aux développeurs et aux entreprises d'intégrer Olala mini dans leurs propres applications sans devoir nécessairement passer par une API externe.
Prenons l'exemple d'une entreprise qui souhaite créer un assistant capable de rechercher des informations dans ses documents internes. Avec un modèle exécuté localement, elle pourrait envisager de conserver le traitement sur ses propres équipements, sous réserve de disposer d'une application adaptée et de mettre en place les protections nécessaires.
Autre possibilité, intégrer le modèle dans un logiciel métier pour reformuler des textes, produire des synthèses ou assister certaines opérations administratives. Ces usages restent des possibilités techniques, et non des fonctionnalités déjà proposées sous forme d'un logiciel prêt à installer.
Le fonctionnement local présente un intérêt particulier pour la confidentialité. Lorsque le traitement est entièrement réalisé sur l'ordinateur, les données n'ont pas besoin d'être transmises à un fournisseur distant pour générer une réponse. Cela ne dispense évidemment pas de sécuriser le poste de travail et les documents utilisés.
La Fenêtre de contexteQuantité maximale de tokens qu'un modèle peut prendre en compte dans son contexte lors d'un traitement. annoncée atteint actuellement 32 000 tokens. Elle détermine la quantité d'informations que le modèle peut prendre en compte au cours d'un traitement. Cette capacité peut convenir à des échanges relativement longs ou à l'analyse de documents de taille modérée, mais elle impose des limites lorsque les fichiers deviennent volumineux.
Au 17 novembre, le lancement officiel reste programmé pour le 19 novembre. Il faudra donc attendre la publication effective des fichiers et de la documentation pour connaître précisément les conditions d'installation et vérifier les performances sur différents ordinateurs.
Qwant utilise déjà Olala mini pour accélérer ses réponses
Contrairement à certains modèles annoncés sans application concrète, Olala mini est déjà utilisé par un service accessible au public.
Le moteur de recherche français Qwant l'a adopté pour sa fonctionnalité de réponse flash, qui fournit des réponses synthétiques à certaines recherches.
Selon OVHcloud, ce changement a permis d'obtenir des réponses 20 % plus rapides et de diviser par trois les coûts de fonctionnement par rapport au modèle précédemment utilisé.
Ces résultats sont intéressants, car le coût de génération représente un enjeu important pour les services qui traitent de nombreuses requêtes. Même une économie relativement faible par réponse peut devenir significative lorsqu'un modèle est sollicité à grande échelle.
Les chiffres avancés par OVHcloud doivent néanmoins être replacés dans leur contexte. Ils concernent une application précise, avec ses propres contraintes et son infrastructure. Ils ne prouvent pas qu'Olala mini sera systématiquement trois fois moins coûteux qu'un autre modèle dans toutes les situations.
La qualité des réponses constitue également un critère essentiel. Un modèle rapide et économique n'est réellement intéressant que s'il fournit des résultats suffisamment fiables pour l'usage auquel il est destiné.
À ce stade, OVHcloud n'a pas communiqué de résultats détaillés permettant de situer Olala mini face aux principaux modèles concurrents sur des tests standardisés de raisonnement, de programmation ou de compréhension des instructions.
L'utilisation chez Qwant apporte donc une première indication sur son intérêt opérationnel, mais pas encore une évaluation complète de ses capacités.
Un projet européen soutenu par 7 millions d'euros de calcul public
Olala mini représente également une évolution dans la stratégie d'OVHcloud. Historiquement spécialisé dans l'hébergement, les serveurs et les infrastructures cloud, le groupe développe désormais ses propres modèles d'intelligence artificielle.
L'entraînement a mobilisé trois supercalculateurs publics européens, Jupiter, MeluXina et Jean Zay, équipés notamment de processeurs graphiques Nvidia GH200, A100 et H100.
OVHcloud évalue le soutien public obtenu à l'équivalent de 7 millions d'euros en heures de calcul. Ce montant représente une valorisation des ressources informatiques mobilisées, et non nécessairement une subvention financière directement versée à l'entreprise.
Le projet a également contribué à la création d'OVHai LLMUn grand modèle de langage apprend des régularités dans des textes pour produire ou transformer du langage. Il ne constitue pas une base de faits garantie., une équipe spécialisée dans le développement de modèles et de systèmes d'intelligence artificielle capables d'exécuter des tâches en plusieurs étapes.
Pour OVHcloud, l'objectif dépasse le lancement d'un simple chatbot. Le groupe souhaite disposer de ses propres technologies afin de ne pas dépendre exclusivement des modèles proposés par d'autres entreprises.
Cette stratégie répond notamment à des enjeux de maîtrise technique, de disponibilité des modèles et de contrôle des infrastructures. Elle ne signifie pas pour autant une indépendance totale, puisque l'entraînement repose toujours sur des composants matériels et des technologies issus d'un écosystème international.
Le groupe prépare déjà une version 1.1, attendue avant la fin de l'année 2026. Elle doit porter la fenêtre de contexte à 128 000 tokens, soit quatre fois la capacité actuelle, et améliorer les performances en raisonnement mathématique.
Une génération 2.0 est également envisagée avec des modèles dépassant les 100 milliards de paramètres. OVHcloud souhaite développer des versions spécialisées dans les agents IA pour les entreprises, les opérations informatiques et la cybersécurité.
À terme, certains modèles pourraient alimenter OVHai Workspace, l'environnement de travail du groupe. L'objectif annoncé est notamment de permettre à des fonctionnalités d'IA de fonctionner directement sur les postes des utilisateurs, y compris dans une version chiffrée de cet environnement.
Ces évolutions restent des projets et ne doivent pas être confondues avec les capacités actuellement annoncées pour Olala mini 7A1B.
La prochaine étape concrète est fixée au 19 novembre 2026, avec le lancement officiel du modèle. La publication de ses poids et de son rapport technique permettra alors aux développeurs d'examiner son architecture, de mesurer la qualité de ses réponses et de déterminer s'il constitue une alternative intéressante aux autres modèles compacts disponibles.





