Jusqu’à présent, OVHcloud vendait surtout l’infrastructure de l’IA : location de GPU, entraînement et exécution de modèles conçus par d’autres. Avec Olala, l’entreprise française conçoit désormais les siens. « Ce qu’on veut montrer, c’est que l’Europe a sa place dans l’ensemble des couches de l’intelligence artificielle », a déclaré Octave Klaba, son PDG, à l’AFP.
Olala mini, un modèle compact capable de tourner sans GPU
Premier modèle de la famille, Olala mini 7A1B repose sur une architecture à experts. Seule une fraction de ses paramètres travaille à chaque requête, ce qui allège les besoins en mémoire et lui permet de tourner en local, y compris sur un simple processeur, promet OVHcloud.
Les caractéristiques d’Olala mini 7A1B
- 7 milliards de paramètres, dont 1 milliard activé par requête, répartis entre 256 experts par couche,
- Une architecture hybride qui alterne couches d’attention (Differential-TPA) et couches Mamba-3, conçues pour limiter la mémoire nécessaire,
- Un GPU doté de 8 Go de mémoire au minimum, 160 tokens par seconde sur une RTX A4500, 50 sur processeur seul,
- Une fenêtre de contexte de 32 000 tokens.
Olala mini sera publié jeudi 19 novembre sur Hugging Face, sous licence Apache 2.0, jour de l’OVHcloud AI Summit. OVH fournit les poids, le modèle de base pré-entraîné, un rapport technique et une documentation de conformité à l’AI Act. D’après l’entreprise, Qwant l’utilise déjà pour les réponses flash de son moteur. Selon OVH, elles sont 20 % plus rapides et coûtent trois fois moins cher qu’avec le modèle précédent.
Des supercalculateurs publics à une version de plus de 100 milliards de paramètres
Le modèle a été entraîné sur trois supercalculateurs publics européens, Jupiter, MeluXina et Jean Zay. Cette aide, équivalente à 7 millions d’euros d’heures de calcul, a donné naissance à OVHai LLM, son lab agentique. « Le savoir-faire dans l’entraînement de modèles s’est largement démocratisé et le coût d’un entraînement a été divisé par 20 en 3 ans », souligne Octave Klaba, PDG de la firme, dans le communiqué.
La version 1.1, attendue d’ici la fin de l’année, doit porter la fenêtre de contexte à 128 000 tokens et progresser en raisonnement mathématique. La v2.0 dépassera les 100 milliards de paramètres et se déclinera en modèles spécialisés dans trois domaines :
- L’agentique pour les entreprises, pour alimenter OVHai Workspace, dont la version chiffrée exigera des modèles exécutables sur le poste de travail,
- Le DevOps cloud, pour les développeurs, pour les architectes et pour les équipes d’exploitation,
- La cybersécurité, défensive comme offensive.
Auprès de l’AFP, Octave Klaba évoque aussi des outils d’assistance au code, à la manière de Claude Code ou de Codex, et vise 100 millions d’utilisateurs, sans échéance précise.
Face à Mistral AI, un concurrent rentable qui part de loin
Olala place OVHcloud en concurrence directe avec Mistral AI, sur un autre modèle économique. La startup française, valorisée plus de 21 milliards d’euros, a levé 3 milliards d’euros en septembre. OVHcloud, rentable, ne compte pas lever de fonds pour financer sa stratégie IA. Son patron avait d’ailleurs fait remarquer, dans un entretien à La Tribune, qu’OVH et Mistral étaient « très différents », en comparant notamment le chiffre d’affaires et le nombre de clients des deux entreprises. « Nous ne partons pas de zéro. Nous avons une base de clients, avec une marque OVH », a-t-il insisté auprès de l’AFP.
Techniquement, Olala mini joue dans la catégorie des Ministral 3, les modèles compacts de Mistral AI (3, 8 et 14 milliards de paramètres), eux aussi pensés pour un usage local. Il reste loin de Mistral Small 4, ses 119 milliards de paramètres et sa fenêtre de contexte huit fois plus large, et plus encore de Mistral Large 4.
OVH n’a publié aucun benchmark : le communiqué donne des débits, pas de scores de qualité, ce qui empêche pour l’instant toute comparaison chiffrée avec les modèles de Mistral AI.


