Le nom se lit comme une fiche technique : 7A1B, sept milliards de paramètres dont un milliard actif à la fois. Octave Klaba a dévoilé le 17 novembre 2026 Olala mini, premier grand modèle de langage d'OVHcloud, deux jours avant la mise en ligne de ses poids, prévue jeudi 19 novembre sur Hugging Face sous licence Apache 2.0. L'annonce donne une mémoire, deux débits et un client. Elle ne donne aucun score.

Sept milliards de paramètres, un milliard au travail

Olala mini est un mélange d'experts : chaque couche contient 256 sous-réseaux spécialisés, et un aiguillage n'en sollicite qu'une partie pour chaque fragment de texte. D'où le milliard de paramètres actifs sur sept, et la vitesse. OVH parle d'attention hybride. Differential-TPA en est le volet attention, le mécanisme par lequel un modèle relie les mots entre eux : son nom accole deux techniques publiées, l'une qui filtre le bruit, l'autre qui réduit la mémoire consommée. Mamba-3 relève d'une autre famille, les modèles à espace d'états, qui lisent le texte comme un flux et n'en gardent qu'un état de taille fixe.

OVH annonce un fonctionnement sur une carte graphique dotée d'au moins 8 Go de mémoire, 160 tokens par seconde sur une RTX A4500, 50 sans carte graphique, et une fenêtre de contexte de 32 000 tokens. Le modèle sera publié avec ses poids, son modèle de base pré-entraîné, un rapport technique et une documentation de conformité à l'AI Act. Le lancement officiel aura lieu jeudi à l'OVHcloud AI Summit, au Carrousel du Louvre.

8 Go annoncés, 14 Go en BF16

Le format BF16 code chaque paramètre sur 16 bits, soit deux octets. À cette précision, sept milliards de paramètres pèsent 14 Go, presque le double de la mémoire graphique annoncée comme suffisante. L'explication probable est banale : une version quantifiée, où chaque paramètre est stocké sur moins de bits. À 8 bits, les poids tombent à 7 Go, et OVHai LLM publie déjà d'autres modèles dans une variante de ce type. Reste à savoir à quelle version correspondent les 8 Go, et si les débits ont été mesurés avec elle.

Les débits appellent la même lecture. Les 160 tokens par seconde sont mesurés sur une RTX A4500, carte de station de travail qui embarque 20 Go de mémoire, pas 8. Quant aux 50 tokens par seconde, ils sont obtenus « sur un simple processeur », sans que le processeur soit nommé. Aucun de ces chiffres ne mesure la qualité des réponses. Sans score, impossible de situer Olala mini face aux petits modèles ouverts déjà disponibles, des Ministral de Mistral aux Gemma de Google ou aux Qwen d'Alibaba. Un point de comparaison européen existe depuis le 12 novembre : l'italien Translated a publié Lara Mini Base, mélange d'experts de 7,2 milliards de paramètres dont 0,6 actif, avec ses scores mais sous licence non commerciale, quand la licence Apache 2.0 promise pour Olala autorise l'usage commercial.

Derrière Olala, l'équipe de Dragon LLM et du calcul public

L'annonce nomme OVHai LLM, nouveau nom de Dragon LLM, l'ancienne Lingua Custodia, PME parisienne fondée en 2011 autour de la traduction financière, dont OVHcloud a annoncé le rachat le 25 mars 2026. Cette équipe travaillait déjà sur une architecture hybride de la même famille. Lauréate en juin 2024 d'un concours de la Commission européenne, le Large AI Grand Challenge, elle y avait obtenu 3,2 millions d'heures de calcul sur les supercalculateurs Leonardo et Jupiter, rapportait Silicon.fr. Dragon LLM avait présenté en octobre 2025 un démonstrateur de 3,6 milliards de paramètres. Sa fiche Hugging Face affiche 73,27 % de moyenne sur sept tests, à égalité avec SmolLM3 et devant Qwen3-4B (71,56 %). L'équipe sait donc publier des scores.

Olala mini a été entraîné sur trois machines publiques, Jupiter en Allemagne, MeluXina au Luxembourg et Jean Zay en France. Ce soutien représente l'équivalent de 7 millions d'euros d'heures de calcul, écrit OVH, qui en remercie les pouvoirs publics sans préciser à quel titre ces heures ont été attribuées. Le groupe, 1,145 milliard d'euros de chiffre d'affaires sur son dernier exercice, n'a donc pas financé seul ce premier entraînement. Il emploie un peu moins de 100 personnes sur l'IA, dans trois laboratoires parisiens, contre plus de 1 000 salariés chez Mistral, d'après l'AFP, à qui Octave Klaba dit vouloir montrer que l'Europe « a sa place dans l'ensemble des couches de l'intelligence artificielle ».

Qwant, un premier client qui n'est pas un tiers

La seule référence d'usage est Qwant, qui emploie déjà le modèle pour Réponse Flash, les résumés générés en tête de ses résultats : des réponses 20 % plus rapides et des coûts de fonctionnement divisés par trois, par rapport à un modèle précédent qu'OVH ne nomme pas. Le 9 octobre, Next écrivait que ces réponses flash étaient propulsées par des modèles de Mistral, et Qwant lui déclarait : « Les récentes évolutions tarifaires de Mistral nous amènent à évaluer les alternatives disponibles. » Qwant n'est pas un client comme un autre. Le moteur de recherche appartient à Synfonium, détenue à 75 % par Octave et Miroslaw Klaba et à 25 % par la Caisse des Dépôts. Ces deux chiffres viennent donc d'une société de la famille Klaba.

Le choix d'un petit modèle répond d'abord à un besoin interne. OVHai Workspace, la suite de messagerie, de stockage et de visioconférence présentée en juin, doit exister en version chiffrée, qui exigera des modèles capables de tourner sur le poste de travail : c'est l'usage que l'annonce assigne à Olala. Olala mini se juge donc d'abord comme un composant des produits d'OVHcloud, après les rachats de Seald, de Dragon LLM et de Gladia. Si le modèle remplacé chez Qwant est bien celui de Mistral, son premier effet aura été de retirer un client à l'entreprise qu'Octave Klaba comparait en octobre à une « ESN de l'IA ».

Jeudi, trois vérifications à faire

  • Les scores. Le rapport technique doit situer le modèle sur des évaluations publiques, face à des modèles ouverts de taille comparable. Un débit ne dit rien de ce que valent les réponses.
  • La mémoire réelle. Charger les poids sur une carte de 8 Go et mesurer reste le seul moyen de savoir ce que recouvre le chiffre annoncé. Le précédent modèle de l'équipe, Dragon 3B, demande du code spécifique fourni avec les poids : un DSI voudra savoir si Olala tourne dans les moteurs qu'il utilise déjà, llama.cpp, Ollama ou vLLM.
  • Les données d'entraînement. Depuis le 2 août 2025, l'AI Act impose à tout fournisseur de modèle d'IA à usage général, même ouvert, une politique de respect du droit d'auteur et un résumé public des contenus d'entraînement. La documentation promise dira sur quoi Olala a appris.

Attendue d'ici la fin de l'année, la version 1.1 portera le contexte à 128 000 tokens et doit progresser en raisonnement mathématique. La version 2.0, sans date, dépassera 100 milliards de paramètres d'après Programmez, avec des modèles spécialisés dans l'agentique d'entreprise, le DevOps cloud et la cybersécurité.

7A1B dit combien de paramètres travaillent. Le rapport technique devra dire ce qu'ils savent faire.

Nos articles remonteront en priorité dans « À la une » de Google.