Modèles et plateformes d’IA
OVHcloud présente Olala Mini 7A1B, son premier grand modèle de langage à code source ouvert

Points clésOVHcloud a entraîné son modèle compact entièrement sur des supercalculateurs publics…
Voir plus
- OVHcloud a entraîné son modèle compact entièrement sur des supercalculateurs publics européens plutôt que de dépendre de laboratoires externes.
- Qwant a adopté le modèle pour des réponses éclair et a signalé des réponses plus rapides avec des coûts d'exploitation nettement réduits.
- La feuille de route vise des modèles spécialisés plus grands pour l'IA d'entreprise agentique, les opérations cloud et la cybersécurité.
Le 17 novembre 2026, OVHcloud a annoncé Olala, sa première famille de grands modèles de langage, en commençant par Olala mini 7A1B, un modèle compact. L’entreprise indique que le modèle peut fonctionner sur un GPU doté de seulement 8 Go de mémoire et prévoit de le rendre disponible en code source ouvert sur Hugging Face sous licence Apache 2.0.
Une présentation officielle du lancement est prévue lors de l’OVHcloud AI Summit, le 19 novembre 2026. Le package de lancement comprend les poids du modèle, un modèle de base préentraîné et des documents de conformité au règlement européen sur l’intelligence artificielle (AI Act).
Attention hybride et besoins matériels réduits
Olala mini repose sur une architecture de 7 milliards de paramètres, mais seulement 1 milliard de paramètres sont actifs pour chaque requête. Ces paramètres actifs sont répartis entre 256 experts par couche : chaque requête fait ainsi appel à une partie du modèle plutôt qu’à l’ensemble du réseau. Sa conception à attention hybride combine Differential-TPA et Mamba-3 et utilise le format BF16.
Cette architecture vise à accroître la vitesse et à réduire les besoins en mémoire. OVHcloud annonce un débit de 160 jetons par seconde sur un RTX A4500 et de 50 jetons par seconde sur un processeur standard sans GPU. Sa fenêtre de contexte actuelle — c’est-à-dire la quantité de texte, mesurée en jetons, que le modèle peut traiter en une seule séquence — est de 32 000 jetons.
Infrastructure européenne d’entraînement et déploiement chez Qwant
Olala mini a été entraîné à partir de zéro sur trois supercalculateurs publics européens : Jupiter, MeluXina et Jean Zay. L’infrastructure d’entraînement comprenait des GPU GH200, A100 et H100. OVHcloud estime que le soutien public apporté au projet, équivalant à 7 millions d’euros d’heures de calcul, a été déterminant.
L’initiative a également réuni l’équipe IA de l’entreprise et donné naissance à son Agentic Lab, OVHai LLM. Le projet joue ainsi un rôle organisationnel qui dépasse le premier modèle : OVHcloud a constitué un groupe dédié à la poursuite du développement de cette famille, plutôt que de considérer Olala mini comme un exercice d’entraînement ponctuel.
Qwant a déjà adopté Olala mini pour sa fonctionnalité de réponses instantanées. OVHcloud indique que les réponses sont 20 % plus rapides et que les coûts d’exploitation sont divisés par trois par rapport au modèle utilisé auparavant par Qwant. Cet exemple concret précoce illustre les avantages économiques du déploiement que l’entreprise cherche à obtenir.
La feuille de route s’étend à Workspace, au DevOps et à la sécurité
La feuille de route d’OVHcloud prévoit une version 1.1 d’ici la fin de 2026, avec une fenêtre de contexte portée à 128 000 jetons et un meilleur raisonnement mathématique. La version 2.0 devrait dépasser les 100 milliards de paramètres. OVHai LLM développera des modèles spécialisés en IA agentique pour les entreprises, en DevOps cloud et en cybersécurité, avec des applications défensives comme offensives.
Les versions ultérieures devraient intégrer cette famille aux produits et aux outils opérationnels d’OVHcloud. Olala devrait à terme alimenter OVHai Workspace, dont la version chiffrée nécessitera des modèles capables de fonctionner localement sur une station de travail. Le volet DevOps comprend des versions destinées aux développeurs, aux architectes et aux équipes d’exploitation chargées d’assurer la continuité du service 24 heures sur 24.
Le directeur général Octave Klaba a déclaré qu’OVHcloud devait créer des modèles répondant à ses propres besoins internes ainsi qu’à ceux de ses clients. « Nous ne pouvons pas simplement compter, dans les années à venir, sur la générosité de certains laboratoires qui publient leurs grands modèles de langage en code source ouvert », a-t-il affirmé. Klaba a ajouté que l’expertise en entraînement était désormais largement accessible et que les coûts avaient été divisés par 20 en trois ans, présentant ces évolutions comme une voie vers le développement de modèles rentables.
Olala fournit donc à OVHcloud à la fois un modèle compact et une voie de développement interne. La question centrale est de savoir si OVHai LLM pourra transposer les gains d’efficacité et de déploiement annoncés pour ce premier modèle à la version dotée d’un contexte plus large ainsi qu’aux systèmes beaucoup plus volumineux et spécialisés prévus dans sa feuille de route.












