LLM de traduction : Olala d'OVHcloud testé face à DeepL
Photo : Philafrenzy / Wikimedia Commons, CC BY-SA 4.0, recadrée

LLM de traduction : Olala d'OVHcloud testé face à DeepL

LLM de traduction : nous avons testé Olala Translate d'OVHcloud face à DeepL et gpt-oss-120b sur 100 extraits de documents. Fidélité, style, coût, vitesse.

IA
11 min de lecture

Le 18 novembre 2026, OVHcloud a mis en ligne sur son service AI Endpoints Olala Translate, un LLM de traduction dérivé d'Olala mini, son premier modèle maison. Il est affiché à 0 € au catalogue, en entrée comme en sortie. OVH le compare à de petits modèles ouverts comme Gemma ou Qwen, mais pas à DeepL, la référence que les entreprises paient aujourd'hui. Nous avons donc fait ce test : 100 extraits de documents d'entreprise traduits de l'anglais vers le français par Olala Translate, par DeepL et par gpt-oss-120b, le modèle ouvert d'OpenAI utilisé comme traducteur.

Le résultat est flatteur pour OVHcloud. Olala conserve le sens aussi fidèlement que DeepL : sur la fidélité, notre juge automatique ne voit aucune différence entre les trois méthodes. DeepL garde l'avantage du style, avec un français plus naturel, et Olala, servi par les AI Endpoints d'OVHcloud, est nettement plus lent, mais rien n'empêche de le déployer sur une infrastructure plus rapide. Surtout, il ne coûte rien à ce jour, quand DeepL facture plus de 20 € par million de caractères.

Pour une entreprise, tout dépend donc de l'usage. Traduire des documents de travail, pour les indexer, les chercher ou les faire lire par un assistant, demande d'abord de ne rien perdre du sens : Olala le fait efficacement, en France, gratuitement, dès aujourd'hui. Publier un texte tel quel demande un français soigné : DeepL reste devant. Pour traduire en masse à très haute vitesse, sans préoccupation de souveraineté, des fournisseurs d'inférence spécialisés comme Cerebras restent intéressants.

Qu'est-ce qu'Olala Translate, le LLM de traduction d'OVHcloud ?

Un LLM de traduction est un modèle de langage entraîné pour une seule tâche : recevoir un texte, une langue source et une langue cible, et rendre la traduction. Il ne converse pas et n'exécute pas d'instructions. C'est la troisième voie entre les services de traduction automatique comme DeepL et les grands modèles généralistes, à qui l'on demande de traduire par un prompt.

Olala Translate est un affinage d'Olala mini 7A1B, le petit modèle qu'OVH a publié le 19 novembre et que nous avons présenté en détail. Il compte 6,8 milliards de paramètres, dont environ un milliard seulement travaille pour chaque mot produit, ce qui le rend léger à faire tourner. La fiche le dit spécialisé dans les documents financiers et couvre 18 langues, des grandes langues européennes au chinois, au japonais et à l'arabe. Les poids sont sous licence Apache 2.0 : une entreprise peut l'installer chez elle, l'adapter et l'utiliser commercialement.

Deux options sortent de l'ordinaire. On peut indiquer un domaine (« Annual Report IFRS », « Prospectus KIIDs », « Regulatory »…) et fournir un glossaire, une liste de termes imposés pour la traduction. Nous ne les avons pas utilisées : notre test mesure le modèle dans sa configuration la plus simple, avec les deux langues pour seuls paramètres.

Sur AI Endpoints, l'API accepte 8 000 tokens de contexte, entrée et sortie comprises : un long document doit être découpé, ce que la fiche recommande d'ailleurs. Le modèle est servi depuis un data center en France, comme le reste du catalogue.

Les résultats publiés par OVH sont bons, mais face à des modèles de sa taille. Sur la mesure COMET-22, qui couvre l'actualité et neuf domaines financiers, Olala arrive premier avec 88,0, devant Tower+ et Gemma 4. Sur DOLFIN, un jeu de documents financiers traduits de l'anglais vers le français, il obtient 62,6 de BLEU, « 8,6 points devant le modèle suivant ». Aucune comparaison avec DeepL ou Google n'est publiée : c'est le manque que ce test comble.

Comment avons-nous comparé Olala, DeepL et gpt-oss-120b ?

Nous avons pris un représentant de chaque famille :

  • le modèle spécialisé : Olala Translate, appelé sur AI Endpoints ;
  • le service commercial : l'API de DeepL, dans son mode « quality_optimized » ;
  • le LLM généraliste : gpt-oss-120b, le modèle à poids ouverts d'OpenAI, servi par Cerebras et guidé par un prompt de « moteur de traduction ».

Cerebras a été choisi pour sa vitesse : 851 tokens par seconde sur ce modèle au routeur de Hugging Face le 20 novembre, le plus rapide des 23 fournisseurs listés.

Le matériau, ce sont des documents d'entreprise tels qu'une chaîne documentaire les produit, pas des phrases propres. Nous avons utilisé Veracier Industries, un ensemble de 1 004 PDF d'entreprises fictives publié par LightOn sous licence Apache 2.0 : contrats, rapports d'essai, politiques, documents financiers, courriers. Chaque PDF est converti en Markdown puis découpé en extraits de 8 000 caractères au plus, comme dans un moteur de recherche documentaire. Après filtrage des extraits trop courts ou pas assez anglais, nous avons tiré au hasard 100 extraits issus de 76 documents, soit près de 500 000 caractères.

Chaque méthode a traduit chaque extrait vers le français, puis retraduit son propre français vers l'anglais. La qualité a été notée par Jev, le modèle de TypeSafe que nous utilisons déjà pour trier les résultats de recherche : il répond à des questions fermées par une probabilité pour chaque réponse. Il a donné trois notes de 1 à 5, sans savoir quelle méthode avait traduit : une note globale et une note de fidélité, à partir du texte anglais et de sa traduction, et une note de fluidité, à partir du français seul, comme un lecteur le découvrirait.

Tout est publié : le rapport complet (méthode, prompts, statistiques, version anglaise) et le classeur, avec chaque traduction et chaque note, extrait par extrait.

Olala Translate traduit-il aussi fidèlement que DeepL ?

Oui. Sur la fidélité au sens (mêmes faits, mêmes chiffres, mêmes noms, rien d'omis ni d'ajouté), les trois méthodes sont à égalité : 4,46 pour Olala, 4,45 pour DeepL, 4,46 pour gpt-oss-120b. Les différences sont trop faibles pour être distinguées du hasard. Sur la note globale, DeepL devance Olala de 0,09 point, seul écart significatif ; gpt-oss-120b est entre les deux, sans différence significative avec l'un ou l'autre.

MéthodeNote globaleFidélitéFluidité du français
Olala Translate (OVHcloud)4,384,463,69
gpt-oss-120b (Cerebras)4,454,463,77
DeepL API4,474,453,89

Graphique : notes du juge Jev de 1 à 5, moyenne sur 100 extraits traduits de l'anglais vers le français. Note globale : Olala Translate 4,38, gpt-oss-120b 4,45, DeepL 4,47. Fidélité au sens : Olala 4,46, gpt-oss-120b 4,46, DeepL 4,45. Fluidité du français : Olala 3,69, gpt-oss-120b 3,77, DeepL 3,89. Les intervalles de confiance à 95 % se recouvrent sur la fidélitéGraphique : notes du juge Jev de 1 à 5, moyenne sur 100 extraits traduits de l'anglais vers le français. Note globale : Olala Translate 4,38, gpt-oss-120b 4,45, DeepL 4,47. Fidélité au sens : Olala 4,46, gpt-oss-120b 4,46, DeepL 4,45. Fluidité du français : Olala 3,69, gpt-oss-120b 3,77, DeepL 3,89. Les intervalles de confiance à 95 % se recouvrent sur la fidélité

Les écarts restent petits, à une échelle où 4 signifie « fidèle et fluide, avec quelques défauts mineurs » et 5 « prêt à publier ». Pour 72 des 100 extraits traduits par Olala, la note globale la plus probable est 5 ; elle l'est pour 91 extraits chez DeepL. Les 28 autres traductions d'Olala reçoivent 4, aucune ne descend en dessous. En duel, extrait par extrait, Olala fait jeu égal avec DeepL 73 fois, le bat 6 fois et perd 21 fois.

Où DeepL fait la différence : le français

L'écart se joue sur la fluidité. DeepL obtient 3,89, gpt-oss-120b 3,77 et Olala 3,69. Ces trois écarts sont significatifs. Olala traduit juste, mais plus près de l'anglais. Une clause de contrat le montre bien :

Source : « The Customer reserves the right to audit the Supplier's facilities […] upon fifteen (15) business days' prior written notice, to verify compliance with this Agreement. »

Olala : « Le Client se réserve le droit d'auditer les installations […] sur préavis écrit de quinze (15) jours ouvrables, afin de vérifier la conformité avec le présent Accord. »

DeepL : « Le Client se réserve le droit de procéder à un audit des installations […], moyennant un préavis écrit de quinze (15) jours ouvrés, afin de vérifier le respect du présent Contrat. »

Le sens est le même. Mais un juriste français écrirait « Contrat » plutôt qu'« Accord », un ingénieur « essai de fatigue » plutôt que « test de fatigue », que l'on trouve dans la suite du même extrait. DeepL choisit ces mots-là ; Olala, comme gpt-oss-120b, garde ceux de l'anglais. Le juge en tient compte, sans en faire une faute : sur cet extrait, sa note globale est même plus basse pour DeepL (4,22) que pour Olala (4,38) et gpt-oss-120b (4,59).

Olala a aussi ses bons moments. Certains documents du corpus mêlent anglais et français sans accents, comme beaucoup de documents d'entreprise réels. Sur un rapport d'action corrective de ce type, Olala rétablit les accents des passages français (« Vérification de l'efficacité prévue ») et obtient 4,50, contre 3,47 pour DeepL : son plus grand écart en sa faveur.

Ce que disent l'aller-retour et la structure

Retraduire le français vers l'anglais et le comparer à l'original confirme le portrait. Mesurée par chrF++, une mesure de ressemblance caractère par caractère de 0 à 100, la version qui revient d'Olala est la plus proche de l'original (81,8), devant gpt-oss-120b (81,6) et DeepL (76,8). Cette mesure favorise les traductions littérales : elle ne dit pas qu'Olala traduit mieux, mais qu'il reformule le moins. DeepL, qui réécrit davantage, perd plus de mots d'origine à l'aller-retour.

La mise en forme survit bien partout. Les titres, tableaux, listes et liens du Markdown sont conservés à 98 % par Olala, à 100 % par DeepL et par gpt-oss-120b.

Combien coûte et combien de temps prend chaque méthode ?

C'est là que les trois méthodes divergent le plus. Pour un million de caractères traduits de l'anglais vers le français :

MéthodeCoûtDurée cumulée des appelsLatence médiane par extrait
Olala Translate (OVHcloud)0 € (gratuit au 20/11/2026)51 min 29 s16,0 s
gpt-oss-120b (Cerebras)0,47 €4 min 42 s1,3 s
DeepL API23,65 €3 min 45 s1,1 s

Graphique : coût et durée par million de caractères traduits de l'anglais vers le français. Coût : Olala Translate 0 €, gratuit à ce jour ; gpt-oss-120b chez Cerebras 0,47 € ; DeepL 23,65 €. Durée cumulée des appels : Olala 51 min 29 s, gpt-oss-120b 4 min 42 s, DeepL 3 min 45 sGraphique : coût et durée par million de caractères traduits de l'anglais vers le français. Coût : Olala Translate 0 €, gratuit à ce jour ; gpt-oss-120b chez Cerebras 0,47 € ; DeepL 23,65 €. Durée cumulée des appels : Olala 51 min 29 s, gpt-oss-120b 4 min 42 s, DeepL 3 min 45 s

Olala ne coûte rien aujourd'hui, et rien n'indique combien de temps cela durera. Le catalogue d'AI Endpoints l'affiche à 0 €, sans mention de durée ni de préversion.

Le prix de DeepL est celui du dépassement de l'offre API Growth, 27,50 $ par million de caractères, que nous avons converti en euros. Sur la grille française, l'offre Growth coûte 23,80 € par mois facturés à l'année, avec 12 millions de caractères par an inclus, puis 22 € TTC par million supplémentaire. Le volume inclus revient lui aussi à 23,80 € le million. L'ordre de grandeur ne change pas : DeepL coûte environ 50 fois plus que gpt-oss-120b servi par Cerebras, dont les tokens de raisonnement sont pourtant facturés.

La lenteur d'Olala sur AI Endpoints est son vrai point faible : 16 secondes par extrait en médiane, contre une à deux secondes pour les deux autres. C'est celle du service (gratuit), pas celle du modèle : mesurée deux jours après la mise en ligne, elle peut encore s'améliorer, et les poids publiés permettent de servir Olala sur une infrastructure plus rapide. Pour un traitement de fond, elle compte de toute façon peu. Lancés en parallèle, les 600 appels de traduction du test, toutes méthodes confondues, ont tenu en 13 minutes. C'est la traduction instantanée, dans une interface où l'utilisateur attend sa réponse, qui ne convient pas et qui nécessite un déploiement du modèle sur une autre infrastructure pour être efficace.

Les trois méthodes sont-elles fiables ?

Sur 600 appels de traduction, aucun n'a échoué, aucun n'a renvoyé de réponse vide. Olala et DeepL ont traduit les 200 textes qui leur revenaient, dans les deux sens. Olala a dû découper un seul extrait en deux, pour tenir dans ses 8 000 tokens de contexte.

gpt-oss-120b a commis la seule faute grave du test : sur un court extrait d'un dossier de fabrication, il a renvoyé le texte anglais tel quel, sans erreur ni avertissement, alors que son prompt lui demande de tout traduire. En production, une vérification automatique de la langue de sortie suffit à rattraper ce cas, mais elle doit exister. Olala, qui ne sait faire que traduire, n'a rien laissé passer de tel.

Quel LLM de traduction choisir pour une entreprise ?

Aucun des trois ne gagne partout, et chacun a son terrain.

Celui d'Olala Translate, ce sont les documents de travail, lus en interne ou par une machine. Indexer une base documentaire multilingue, permettre à un assistant de répondre à partir de documents écrits dans une autre langue, traduire des rapports pour une lecture interne : c'est la fidélité qui compte, et Olala la tient au niveau de DeepL. Il est servi en France, gratuitement à ce jour, et ses poids libres peuvent s'installer sur ses propres serveurs, pour des documents qui ne doivent pas sortir. La lenteur importe peu quand la traduction tourne en tâche de fond. Pour des documents financiers, son domaine annoncé, et avec un glossaire, il pourrait faire mieux que dans notre test, qui ne les utilisait pas.

DeepL garde celui de la publication. Un site, une brochure, un contrat qui sera signé : quand le texte sera lu tel quel, les 0,2 point de fluidité de DeepL comptent. Même alors, un texte juridique mérite une relecture humaine, ce que la fiche d'Olala rappelle d'ailleurs pour sa propre traduction.

Reste la traduction de masse à bas coût, terrain de gpt-oss-120b sur une inférence rapide. Il obtient la même note globale que DeepL pour une fraction du prix, à vitesse comparable. C'est la méthode à retenir pour traduire des millions de caractères chaque mois, à condition d'ajouter le contrôle de langue décrit plus haut. Nous détaillons ce calcul pour un lecteur non technique dans notre guide pour payer la traduction 50 fois moins cher que DeepL.

Pour un responsable informatique soucieux de souveraineté, le choix d'Olala a un argument de plus : un modèle français, servi en France par un hébergeur européen, qui traduit aussi fidèlement que la référence du marché.

DeepL est lui aussi européen : la société est allemande, elle a installé ses propres supercalculateurs en Suède et sa politique de confidentialité indique que les documents sont traités « sur notre infrastructure dans l'EEE ». Mais ses conditions générales l'autorisent à traiter les textes de ses clients sur une infrastructure « détenue ou exploitée par des fournisseurs cloud tiers », qu'elles ne nomment pas, et lui laissent le choix du lieu de traitement. Sa liste de sous-traitants n'est pas publiée en accès libre : impossible de savoir, de l'extérieur, si un hyperscaler américain intervient. Chez OVHcloud, propriétaire de ses data centers, le modèle est servi depuis la France ; notre compréhension est que l'hébergeur opère toute sa chaîne d'IA en propre, sans sous-traiter à un hyperscaler.

gpt-oss-120b est d'ailleurs aussi au catalogue d'AI Endpoints, à 0,08 € et 0,40 € par million de tokens en entrée et en sortie : moins cher encore que chez Cerebras, mais plus lent, 52 tokens par seconde au routeur de Hugging Face le 20 novembre. Nous ne l'avons pas testé là.

Traduire les documents d'un projet d'IA ou d'un chatbot

Un assistant qui répond à partir des documents d'une entreprise, chatbot interne ou moteur de réponse sur une base documentaire, bute vite sur les langues. Les contrats sont en anglais, les procédures en français, les rapports de la filiale en allemand : une question posée en français retrouve mal un passage écrit en anglais. Traduire les documents au moment de les indexer règle le problème. L'assistant cherche dans une seule langue, puis répond dans celle de l'utilisateur.

C'est exactement la situation de notre test : des PDF convertis en Markdown, découpés en extraits de 8 000 caractères, traduits un par un. Et c'est là que le volume change l'équation. Au tarif de notre test, traduire une base de 50 millions de caractères coûte environ 1 180 € avec DeepL, 24 € avec gpt-oss-120b chez Cerebras, et rien aujourd'hui avec Olala. Chaque nouveau document s'ajoute ensuite à la facture.

Le modèle n'est qu'une pièce de la chaîne. Il faut aussi convertir les PDF sans perdre les tableaux, découper sans couper une clause en deux, respecter la limite de contexte du modèle, vérifier la langue de chaque traduction, relancer les échecs et décider où les documents sont traités. Chez ATG, nous avons étudié et mis en œuvre toute cette chaîne, ce benchmark compris. Nos clients n'ont pas à la construire ni à refaire ces mesures : la plateforme ATG prend en charge la traduction de leurs documents, et nous choisissons avec eux le modèle selon leurs contraintes de coût et de souveraineté.

Les limites de ce test

Les notes viennent d'un seul juge automatique, pas de traducteurs professionnels. Jev est sûr de lui sur la fidélité, beaucoup moins sur la fluidité, qu'il note 3 pour la majorité des textes : les petits écarts de style doivent être lus avec prudence. Les documents sont synthétiques, créés par un modèle de langue pour des entreprises fictives, et nous n'avons testé que l'anglais vers le français. Le corpus est généraliste (contrats, technique, qualité, finance), alors qu'Olala est annoncé pour la finance. Enfin, c'est un instantané du 20 novembre 2026 : prix, modèles et vitesses évoluent vite.

Par transparence : ATG est client d'OVHcloud, qui héberge notre plateforme. Ce test n'a été ni commandé ni relu par OVHcloud, DeepL ou Cerebras.

Questions fréquentes sur Olala Translate et les LLM de traduction

Olala Translate est-il gratuit ?

Oui, à la date du 20 novembre 2026 : le catalogue d'OVHcloud AI Endpoints l'affiche à 0 € par million de tokens, en entrée comme en sortie, sans durée annoncée. Un prix peut apparaître plus tard. Les poids du modèle sont aussi publiés gratuitement sur Hugging Face, sous licence Apache 2.0, pour l'installer sur ses propres serveurs.

Olala Translate est-il meilleur que DeepL ?

Il est aussi fidèle, pas aussi fluide. Sur 100 extraits de documents d'entreprise traduits de l'anglais vers le français, Olala et DeepL obtiennent la même note de fidélité au sens (4,46 et 4,45 sur 5), mais DeepL écrit un français plus naturel (3,89 contre 3,69) et devance Olala de 0,09 point sur la note globale. Olala est gratuit à ce jour, DeepL coûte environ 22 à 24 € par million de caractères.

Quelles langues Olala Translate traduit-il ?

Dix-huit langues selon sa fiche Hugging Face : anglais, français, allemand, espagnol, italien, néerlandais, portugais, suédois, danois, norvégien, finnois, polonais, tchèque, russe, arabe, chinois (simplifié et traditionnel), japonais et coréen. Notre test ne couvre que l'anglais vers le français.

Peut-on faire tourner Olala Translate sur ses propres serveurs ?

Oui. Les poids sont publiés sous licence Apache 2.0, qui autorise l'usage commercial. Avec environ un milliard de paramètres actifs, le modèle est léger, mais il demande pour l'instant vLLM avec un réglage particulier, les outils grand public comme Ollama ne chargeant pas encore l'architecture d'Olala.

Un LLM peut-il remplacer DeepL pour traduire des documents ?

Pour des documents de travail, oui : dans notre test, Olala Translate et gpt-oss-120b conservent le sens aussi bien que DeepL, gratuitement pour le premier à ce jour, 50 fois moins cher pour le second. Pour un texte publié tel quel, DeepL reste plus naturel. Un LLM généraliste demande aussi de vérifier la langue de sortie : gpt-oss-120b a rendu un texte sur 100 sans le traduire.


Olala Translate a deux jours et fait déjà jeu égal avec DeepL sur l'essentiel, le sens. La prochaine étape est de le mettre à l'épreuve sur son terrain annoncé, les documents financiers, avec un glossaire métier, et dans les autres langues qu'il couvre. Si vous traduisez de gros volumes de documents et voulez savoir ce que donnerait ce test sur les vôtres, parlons-en.

Partager :

Articles similaires

Alternative à DeepL : 50 fois moins cher, voire gratuitIA

Alternative à DeepL : 50 fois moins cher, voire gratuit

Alternative à DeepL : un modèle d'IA ouvert traduit vos documents avec la même qualité globale, 50 fois moins cher. Nos mesures, les pièges, la marche à suivre.

7 min
Qwen 4 27B vs Qwen 3.8 27B : que faut-il en attendre ?IA

Qwen 4 27B vs Qwen 3.8 27B : que faut-il en attendre ?

Qwen4-Max est sorti le 16 novembre, sans poids. Qwen 4 27B se fait attendre. Ce qui est confirmé, et ce que vaut Qwen 3.8 27B face à Mistral.

18 min
Mis à jour le
Olala mini, le LLM d'OVH : ses benchmarks et ce qu'il vautIA

Olala mini, le LLM d'OVH : ses benchmarks et ce qu'il vaut

Olala mini 7A1B, le premier LLM d'OVH, est sur Hugging Face. Ses scores face à Qwen et Ministral, comment le lancer en local, à quoi il sert en entreprise.

12 min
Mis à jour le

Intéressé par nos solutions ?

Découvrez comment Ask This Guy peut vous aider à accélérer avec l'IA

Réserver une démo