
Olala mini, le premier LLM d'OVH : ce qu'il vaut vraiment
Olala mini 7A1B, le premier LLM d'OVH, tourne sans carte graphique. Ce que veut dire 7A1B, ce que les chiffres ne disent pas, à quoi il sert en entreprise.
Le 17 novembre 2026, OVH a annoncé Olala mini 7A1B, son premier LLM, qui ouvre une famille baptisée Olala. Ses poids seront accessibles sur Hugging Face à partir du jeudi 19 novembre, selon l'AFP, sous licence Apache 2.0, le jour de l'AI Summit d'OVHcloud à Paris.
Le modèle annoncé en octobre dans La Tribune comme « très en avance sur son temps » est un petit modèle : 7 milliards de paramètres, dont un seul milliard travaille pour chaque mot produit. OVH le dit capable de tourner sur un simple processeur, sans carte graphique. OVH vise les tâches simples, à très petit coût, et laisse le reste aux grands modèles.
Personne ne sait encore ce qu'il vaut : OVH a publié des vitesses, pas un seul score de qualité. Pour une entreprise, l'intérêt tient à ce qu'il pourrait faire en local, sur des machines ordinaires, et c'est ce qu'il faudra mesurer dès la publication des poids.
Qu'est-ce qu'Olala mini, le LLM d'OVH ?
Olala mini 7A1B est un modèle de langage compact à poids ouverts, entraîné de zéro par OVH. Le nom se lit comme une fiche technique : 7 milliards de paramètres au total, dont un milliard activés pour chaque token, c'est-à-dire chaque mot ou morceau de mot que le modèle lit ou écrit.
Cette différence entre le total et l'actif vient de l'architecture. Olala mini est un mélange d'experts (mixture of experts, MoE) : chaque couche du modèle est découpée en 256 petits sous-réseaux, les experts, et un routeur n'en réveille que quelques-uns pour chaque token. Le modèle stocke 7 milliards de paramètres, mais n'en fait calculer qu'un milliard à chaque token. Notre guide mixture of experts ou modèle dense détaille ce compromis.
Le reste de la fiche est inhabituel. OVH décrit une attention hybride « Differential-TPA » associée à des couches Mamba-3. Ce sont trois idées de recherche récentes, publiées par d'autres :
- le Differential Transformer de Microsoft Research (2024) calcule l'attention comme la différence de deux cartes d'attention, pour atténuer le bruit sur les mots sans importance ;
- la Tensor Product Attention (2025) compresse les clés et les valeurs que le modèle garde en mémoire pendant qu'il lit un texte ;
- Mamba-3 (2026), d'Albert Gu, Tri Dao et leurs coauteurs, remplace une partie de l'attention par un modèle à espace d'états, dont le coût ne grimpe pas avec la longueur du texte.
Les trois visent le même but : moins de mémoire et plus de vitesse au moment de répondre. La façon dont OVH les assemble n'est pas décrite ; Next relève que le caractère « inédit » de l'architecture reste à étayer. Le rapport technique, annoncé avec les poids, devrait le dire.
Le communiqué parle d'« open source », mais OVH annonce les poids, le modèle de base, un rapport technique et une documentation de conformité à l'AI Act, pas le code d'entraînement ni les données. Olala mini est donc un modèle à poids ouverts, comme Llama ou Qwen ; la nuance est expliquée dans notre article open weight vs open source. La licence Apache 2.0 est l'une des plus permissives : usage commercial, modification et redistribution sans seuil ni contrat.
Pourquoi tourne-t-il sans carte graphique ?
Parce qu'il calcule peu. Un processeur graphique sert à multiplier très vite d'énormes matrices ; un processeur classique le fait lentement. Avec un milliard de paramètres actifs par token, Olala mini demande à peu près le calcul d'un modèle sept fois plus petit que sa taille totale, ce qui reste à la portée d'un processeur de serveur ou de poste récent.
Les chiffres annoncés vont dans ce sens. Selon le communiqué d'OVH, le modèle « atteint 160 tokens par seconde sur une RTX A4500 », une carte graphique professionnelle, et 50 tokens par seconde « sans GPU, sur un simple processeur ». La fenêtre de contexte, la longueur de texte que le modèle peut lire d'un coup, est de 32 000 tokens, soit quelques dizaines de pages.
La mémoire, elle, ne colle pas. OVH annonce un GPU d'au moins 8 Go, or un MoE doit garder tous ses experts en mémoire, même ceux qui dorment : 7 milliards de paramètres au format BF16 pèsent environ 14 Go, à deux octets chacun. ActuIA relève l'écart et y voit une version compressée ou un chargement partiel des experts, que le communiqué n'explique pas. Le même site note que la RTX A4500 de la mesure a 20 Go de mémoire, pas 8, et le processeur des 50 tokens par seconde n'est pas nommé. Aucune condition de test n'accompagne d'ailleurs ces débits, ni longueur des textes ni nombre de requêtes simultanées, souligne Next.
Rien de rédhibitoire : compressés en 8 bits, 7 milliards de paramètres pèsent environ 7 Go, et 3,5 Go en 4 bits, au prix d'une perte de qualité qu'il faudra mesurer. Mais la configuration réelle se lira dans les fichiers publiés jeudi, pas dans le communiqué.
Que vaut Olala mini face aux autres petits modèles ?
Impossible à dire aujourd'hui, et c'est le principal reproche qu'on peut faire à cette annonce. OVH a publié des vitesses, pas un seul score de qualité. Le 20 octobre, Octave Klaba promettait pourtant à La Tribune que les clients pourraient « voir sa vitesse, sa consommation de mémoire et la qualité de ses réponses ». Deux sur trois, pour l'instant.
La concurrence est connue. Dans la même catégorie, Mistral publie Ministral 3 en 3, 8 et 14 milliards de paramètres, et Alibaba Qwen 3.5 9B, tous sous Apache 2.0. OVH sert même déjà Qwen 3.5 9B sur son service d'API, AI Endpoints, à 0,12 dollar par million de tokens en entrée. Olala mini devra montrer qu'il fait au moins aussi bien, en français notamment, pour justifier qu'on change de modèle.
Le seul retour d'usage vient de Qwant, qui l'a adopté, selon le communiqué, pour sa « réponse flash » : des réponses 20 % plus rapides et des coûts de fonctionnement divisés par trois, par rapport au modèle précédent, un modèle de Mistral selon Next. Le chiffre vient d'OVH, pas de Qwant, et le client n'est pas indépendant : Qwant est contrôlé par Synfonium, détenue à 75 % par Octave et Miroslaw Klaba, les fondateurs d'OVH. Un premier client maison n'a rien d'anormal ; il ne prouve pas pour autant que le modèle convienne à d'autres.
Dernière limite, le contexte. 32 000 tokens suffisent pour répondre à une question ou résumer un document court. Pour interroger une base documentaire ou faire travailler un agent sur un long dossier, c'est peu : Qwen 3.8 27B, sur le même catalogue d'OVH, en lit 262 144. OVH annonce 128 000 tokens pour la version 1.1, d'ici la fin de l'année.
OVH a-t-il changé de pari ?
Oui, et c'est plutôt une bonne nouvelle. En juin 2026, OVHcloud disait vouloir développer des modèles d'IA de pointe, selon Reuters. En octobre, l'ambition se resserrait sur trois domaines, la cybersécurité, le code et les agents métiers, et le premier modèle ne couvrirait « pas exactement les trois ». En novembre sort un petit modèle généraliste ; les modèles spécialisés sont renvoyés à une version 2.0 qui, d'après le communiqué, « dépassera les 100 milliards de paramètres », sans date.
Le calendrier, lui, a été tenu. Octave Klaba avait annoncé à La Tribune une publication « fin novembre », quand Reuters rapportait le même jour un premier modèle « in early 2027 ». C'est La Tribune qui avait raison. Notre article sur la stratégie IA d'OVHcloud détaille ce qui existait déjà autour de ce modèle, des GPU à AI Endpoints.
Les moyens sont modestes, et OVH le revendique. L'entraînement s'est fait sur trois supercalculateurs publics européens, Jupiter en Allemagne, MeluXina au Luxembourg et Jean Zay en France, grâce à un soutien public qui, selon OVH, « représente l'équivalent de 7 M€ en heures de calcul ». Ce montant n'est pas le coût du modèle, que personne n'a publié. Côté équipes, Octave Klaba parle à l'AFP d'« un peu moins d'une centaine de personnes » sur l'IA, réparties dans trois laboratoires parisiens, contre plus de 1 000 salariés chez Mistral. « On veut montrer qu'il est possible d'entraîner un modèle avec peu de moyens », ajoute-t-il.
La justification n'a pas changé, dans le communiqué : « On ne peut pas juste compter sur la générosité de certains Labs à partager leurs modèles LLM en open source ». « L'open source actuel, c'est chinois », résumait-il devant l'Assemblée nationale en septembre, et les éditeurs durcissent déjà les licences de leurs modèles phares. Nous pensons que ce pari réduit est le bon. Un petit modèle publié vaut mieux qu'un grand modèle promis : chacun peut le tester et le comparer, et il apprend à OVH à entraîner, ce que l'achat de Dragon LLM en mars avait commencé. Reste à savoir si un acteur de cette taille peut suivre le rythme des laboratoires sur la version 2.0, où le coût change d'échelle.
OVH sous-traite-t-il l'inférence ?
Pour Olala mini lui-même, la question ne se pose pas : des poids sous Apache 2.0 tournent là où on les installe. Elle se pose pour le service qui le servira, et OVH n'a pas encore dit si Olala rejoindrait AI Endpoints. Sur ce service, notre réponse est : non, aucun tiers ne fait tourner les modèles, avec deux réserves.
Le critère le plus souvent oublié dans la souveraineté de l'IA est l'opérateur, la société qui fait réellement tourner les processeurs graphiques. Mistral signe ses contrats depuis une société française, mais sa liste de sous-traitants désigne CoreWeave comme fournisseur d'inférence, et Microsoft et Google comme infrastructure. Ce sont des sociétés américaines, soumises au droit américain même quand leurs serveurs sont en Europe, comme nous l'expliquions dans notre article sur CoreWeave.
Chez OVH, la liste des sous-traitants du groupe renvoie aux conditions de chaque service pour nommer les sociétés tierces. Celles d'AI Endpoints n'en nomment aucune et précisent qu'OVH en assure la maintenance, alors que le même document nomme Aiven pour les bases de données managées. Le contractant est OVH SAS, et le capital est contrôlé à près de 80 % par la famille Klaba. Contractant, opérateur et contrôle sont donc européens : AI Endpoints rejoint Scaleway dans le petit groupe des services d'inférence européens de bout en bout, selon les critères de notre page IA souveraine. Ce sont aussi les deux fournisseurs d'inférence d'ATG.
Première réserve, le lieu n'est pas écrit dans le contrat. Depuis le 10 novembre, la documentation d'OVH dit l'infrastructure « hébergée en Europe » et ne nomme plus Gravelines. Le catalogue déclare la France pour chacun des 21 modèles, et l'adresse du service pointe vers un répartiteur de charge d'OVH à Gravelines : ce sont des indices solides, pas un engagement. Les filiales d'OVH au Canada et au Royaume-Uni figurent aussi parmi les sous-traitants du groupe, pour tous les services hors SecNumCloud et Trusted Cloud.
Seconde réserve, SambaNova. Une partie d'AI Endpoints repose sur les machines de ce fabricant américain. Il n'est pas déclaré comme sous-traitant, donc il ne traite pas les données au sens du contrat, mais rien ne dit s'il administre ses machines à distance. Un dernier détail compte pour les développeurs : appeler OVH par Hugging Face, dont il est fournisseur d'inférence depuis novembre 2025, fait passer les requêtes par une société américaine.
À quoi peut servir Olala mini en entreprise ?
Les petits modèles ont un terrain : les tâches simples qui se répètent par milliers. Classer des messages, extraire des champs d'un formulaire, reformuler, détecter une langue, répondre court à partir d'un texte fourni. Sur ces tâches, un modèle d'un milliard de paramètres actifs peut suffire, et son coût par requête devient négligeable.
Olala mini y ajoute deux arguments. Il tourne sur du matériel ordinaire : un serveur existant, un poste de travail, peut-être un portable, sans acheter de carte graphique. Et sa licence Apache 2.0 permet de l'installer où l'on veut, y compris sur des machines coupées d'internet, ce qui règle d'un coup la question de qui voit les données. Notre article sur le serveur IA local chiffre le matériel nécessaire pour un modèle plus gros.
Ses limites sont aussi nettes. Pour rédiger un document, raisonner sur un dossier, coder ou piloter un agent, un modèle de 27 milliards de paramètres ou plus reste à nos yeux nécessaire, et 32 000 tokens de contexte ferment la porte aux longs documents. Olala mini n'est pas non plus disponible sur le catalogue d'AI Endpoints au 17 novembre : pour l'utiliser, il faudra l'héberger soi-même, au moins dans un premier temps.
Ce qu'une DSI peut en retenir
Rien ne presse, et rien n'interdit d'essayer. Le bon réflexe, à nos yeux, tient en quatre points :
- Attendre les poids et le rapport technique du 19 novembre avant toute conclusion : taille réelle des fichiers, versions compressées, scores publiés, langues couvertes.
- Le tester sur ses propres données, sur une tâche simple et volumineuse, face au petit modèle déjà en place (Ministral 3, Qwen 3.5 9B ou un petit modèle fermé). La vitesse annoncée ne dit rien de la qualité sur un cas réel.
- Archiver les poids et le fichier de licence de la version testée : une version publiée sous Apache 2.0 le reste, quoi que décide OVH ensuite.
- Ne pas en faire un modèle unique : une passerelle LLM permet de router les tâches simples vers un petit modèle et le reste vers un plus gros, et de changer de modèle sans réécrire l'application.
Questions fréquentes sur Olala, le LLM d'OVH
Qu'est-ce qu'Olala mini 7A1B ?
Olala mini 7A1B est le premier grand modèle de langage d'OVH, annoncé le 17 novembre 2026. C'est un mélange d'experts de 7 milliards de paramètres, dont environ 1 milliard actifs pour chaque token, répartis entre 256 experts par couche. Il combine une attention hybride (Differential-TPA) et des couches Mamba-3, lit 32 000 tokens de contexte et sera publié sous licence Apache 2.0.
Quand Olala sera-t-il disponible ?
OVH a annoncé Olala mini le 17 novembre 2026. Ses poids, le modèle de base, un rapport technique et une documentation de conformité à l'AI Act sont attendus sur Hugging Face le jeudi 19 novembre, jour de l'OVHcloud AI Summit à Paris. Une version 1.1 à 128 000 tokens de contexte est prévue d'ici la fin de 2026, une version 2.0 de plus de 100 milliards de paramètres sans date.
Olala est-il open source ?
Pas au sens strict. OVH publie les poids du modèle sous licence Apache 2.0, qui autorise l'usage commercial, la modification et la redistribution. Mais ni le code d'entraînement ni les données d'entraînement ne sont annoncés, selon Next : Olala mini est un modèle à poids ouverts, comme Llama, Qwen ou Ministral.
Peut-on faire tourner Olala sans carte graphique ?
Selon OVH, oui : le modèle atteindrait 50 tokens par seconde sur un simple processeur, et 160 tokens par seconde sur une carte RTX A4500. Ces débits viennent du communiqué, sans conditions de test. Les 7 milliards de paramètres pèsent environ 14 Go en BF16 : les 8 Go de mémoire annoncés supposent une version compressée, à vérifier dans les fichiers publiés.
Olala est-il disponible sur OVHcloud AI Endpoints ?
Pas au 17 novembre 2026. Le modèle n'apparaît ni dans le catalogue d'AI Endpoints ni dans la liste des modèles de son API, et OVH n'a annoncé aucun prix d'utilisation. Il faudra donc, au moins au départ, l'héberger soi-même à partir des poids publiés sur Hugging Face.
OVH sous-traite-t-il l'inférence d'AI Endpoints ?
Non, selon ses documents contractuels. Les conditions d'AI Endpoints ne nomment aucun tiers sous-traitant, alors que la liste des sous-traitants d'OVH renvoie à ces conditions pour les sociétés extérieures au groupe, et OVH assure lui-même la maintenance du service. Deux réserves : le lieu d'hébergement n'est pas garanti par contrat (la documentation dit « Europe », le catalogue déclare la France pour tous les modèles), et le rôle de SambaNova, dont les machines font tourner une partie du service, n'est pas documenté.
Olala est-il un concurrent de Mistral ?
Sur les petits modèles, oui, et déjà chez un client : Qwant a remplacé un modèle de Mistral par Olala mini pour sa « réponse flash », selon Next. Avec 7 milliards de paramètres, Olala mini se mesure aux Ministral 3 de Mistral (3, 8 et 14 milliards), tous sous Apache 2.0, sans comparaison de qualité publiée à ce jour. Ailleurs, les deux ne jouent pas le même jeu : Mistral vend aussi de grands modèles et accompagne les entreprises qui les déploient, avec plus de 1 000 salariés selon l'AFP, quand OVH compte un peu moins d'une centaine de personnes sur l'IA. La version 2.0 d'Olala, au-delà de 100 milliards de paramètres, rapprocherait les deux sur les grands modèles, mais elle n'a pas de date.
Pour l'instant, Olala mini prouve qu'OVH sait entraîner et publier un modèle ; sa qualité reste à démontrer. La question intéressante arrive jeudi, avec les poids : un modèle européen compact, sans restriction de licence, peut-il tenir face à Qwen et Ministral sur les tâches simples d'une entreprise française ? Les scores du rapport technique donneront une première indication, et les tests sur des cas réels diront s'il mérite une place dans le système d'information.


