OVHcloud lance Olala mini 7A1B, son premier modèle d'IA ouvert
Le géant français du cloud inaugure une famille de LLMs à poids ouverts dotée d'une architecture d'attention hybride, avec Qwant comme premier utilisateur en production
Fiche technique
- Olala mini 7A1B est le premier modèle de la famille, doté d'une architecture d'attention hybride héritée de Dragon LLM
- Le lancement officiel a lieu le 19 novembre, lors de l'OVHcloud AI Summit, au Carrousel du Louvre, à Paris
- Qwant rapporte des réponses 20 % plus rapides et des coûts divisés par trois grâce au modèle d'OVHcloud
OVHcloud a présenté ce mardi (17) Olala, sa première famille de grands modèles de langage. C'est le pas le plus concret du géant français du cloud pour cesser d'être uniquement le fournisseur d'infrastructure sur laquelle tourne l'IA de tiers. Le lancement officiel est prévu le 19 novembre, lors de l'OVHcloud AI Summit, au Carrousel du Louvre, à Paris.
Le premier membre de la famille est Olala mini 7A1B, un modèle compact destiné à des usages relativement légers. OVHcloud n'a pas communiqué de fiche technique complète : l'entreprise se limite à décrire le modèle comme le premier d'une lignée construite sur une architecture inédite, baptisée attention hybride.
Un petit modèle à l'héritage parisien
La base technique d'Olala mini n'est pas née au sein d'OVHcloud. Elle provient de Dragon LLM, ancienne Lingua Custodia, startup parisienne acquise par le groupe en mars et rebaptisée OVHai LLM. La nomenclature 7A1B suit la convention des modèles à architecture éparse, qui distingue les paramètres totaux des paramètres actifs par inférence — un choix conçu pour réduire le coût d'exécution.
L'« attention hybride » combine différents mécanismes d'attention au sein d'un même réseau, réduisant le volume de mémoire et de calcul requis sur des contextes longs. C'est exactement le type d'optimisation qui intéresse un fournisseur de cloud : chaque point de pourcentage d'efficacité se transforme en marge à l'échelle d'un datacenter.
L'ambition affichée est modeste, et l'entreprise ne le cache pas. OVHcloud n'entend pas rivaliser avec les modèles de pointe d'Anthropic ou d'OpenAI — elle veut se positionner comme un acteur européen capable de proposer ses propres modèles à poids ouverts, tout en continuant d'héberger ceux des autres, y compris les modèles chinois.
L'atout que les laboratoires ne possèdent pas
Le calendrier a été avancé. En juin, le fondateur et PDG Octave Klaba avait déjà annoncé son intention d'entraîner des modèles propres, mais évoquait un lancement début 2027. La révélation de ce mardi 17 novembre 2026 a raccourci le délai d'environ un trimestre.
Le différenciateur d'OVHcloud ne réside pas dans le laboratoire, mais dans la distribution : 1,7 million de clients et 46 datacenters. Aucun laboratoire d'IA de pointe n'exploite une base installée de cette nature, ce qui permet d'empaqueter modèle, inférence et hébergement dans un contrat unique — un argument commercial direct pour les entreprises européennes soumises à des pressions de conformité et de souveraineté des données.
Jusqu'ici, Mistral AI et ses modèles de pointe concentraient pratiquement toutes les attentes françaises du secteur. Avec Olala, la France cesse de dépendre d'un unique fournisseur national de modèles.
Qwant teste, mais le test a un propriétaire
Le seul indice public de performance provient de Qwant, qui utilise déjà Olala mini pour ses réponses flash. Le moteur de recherche français rapporte des réponses 20 % plus rapides et des coûts divisés par trois. Le chiffre doit toutefois être lu avec prudence : Qwant a été racheté par Synfonium, un groupe fondé par Octave Klaba lui-même.
Autrement dit, le premier client de référence est également une entreprise liée au dirigeant d'OVHcloud. Il ne s'agit pas d'un test indépendant, et l'entreprise elle-même n'a publié aucun benchmark permettant une comparaison.
La lacune qui pèse encore
Sans chiffres officiels, il est impossible de situer Olala mini 7A1B face à Gemma de Google, Qwen d'Alibaba ou Ministral de Mistral — ses concurrents directs dans cette gamme de modèles compacts. En matière de poids ouverts, cette lacune est particulièrement sensible : les développeurs choisissent un modèle sur la base d'évaluations publiques, non d'un communiqué.
Pour le marché européen, l'absence de benchmarks constitue le principal frein à l'adoption. La distribution privilégiée d'OVHcloud résout le problème commercial, mais ne remplace pas la preuve technique que l'écosystème open source utilise comme étalon.
Impact pratique
Sur le plan technique, un modèle compact à attention hybride cible précisément la ligne de coût la plus lourde en inférence : la mémoire de contexte et le temps de réponse. Si l'efficacité rapportée se confirme sur des charges réelles, le modèle servira de couche économique pour la recherche, la classification et le service client, laissant les modèles de pointe aux tâches complexes.
Sur le plan opérationnel, OVHcloud déplace la compétition en IA du terrain de la recherche vers celui de l'infrastructure : vendre sa propre inférence à une base de 1,7 million de clients et 46 datacenters. Le succès dépend moins de surpasser Mistral en qualité que de convaincre le marché que des poids ouverts, sans benchmarks publics, sont suffisamment fiables pour la production.