OVHcloud a dévoilé ce 17 novembre 2026 Olala mini 7A1B, le premier modèle de sa famille de modèles de langage. Entraîné à partir de zéro sur des supercalculateurs publics européens, il est conçu pour tourner en local et sert déjà à générer les réponses flash du moteur de recherche Qwant. Son lancement officiel est prévu le jeudi 19 novembre, lors de l’OVHcloud AI Summit.
Pour une PME qui cherche à traiter certains documents sur son propre matériel, l’annonce ouvre une piste concrète. À son lancement, il faudra vérifier ce que le modèle sait faire sur des données métier et les ressources nécessaires pour l’exécuter au quotidien.
À quoi correspondent les 7 milliards de paramètres ?
Olala mini compte 7 milliards de paramètres au total, dont environ 1 milliard mobilisé pour traiter un token. Son architecture à mélange d’experts (MoE) sélectionne, à chaque étape de traitement, une partie des blocs de calcul disponibles. OVHcloud annonce 256 experts par couche, une architecture hybride combinant Differential-TPA et Mamba-3, ainsi qu’une fenêtre de contexte de 32 000 tokens, soit le volume de texte que le modèle peut traiter dans un même contexte.
L’activation d’une partie des paramètres réduit le calcul nécessaire par token. Pour dimensionner une machine, il faut toutefois prendre en compte l’ensemble des poids, leur format et la mémoire utilisée pendant l’exécution. À titre d’ordre de grandeur, 7 milliards de paramètres stockés en BF16 représentent environ 14 Go pour les poids seuls à raison de deux octets par paramètre. La configuration exacte derrière le seuil de 8 Go reste à préciser.
Peut-on faire tourner Olala mini sur un PC ordinaire ?
OVHcloud annonce que le modèle peut fonctionner avec 8 Go de mémoire vidéo et qu’il peut aussi s’exécuter sur un processeur seul. Les chiffres de débit concernent deux configurations distinctes.
| Configuration | Débit ou compatibilité annoncé par OVHcloud |
|---|---|
| GPU avec 8 Go de mémoire vidéo | Exécution possible. Débit à préciser. |
| NVIDIA RTX A4500, dotée de 20 Go | 160 tokens par seconde. |
| Processeur sans GPU | 50 tokens par seconde. Le communiqué ne précise pas le modèle de processeur. |
La fiche NVIDIA permet de situer la mesure à 160 tokens par seconde sur une carte professionnelle de 20 Go. Pour reproduire les chiffres sur un PC de bureau, il faudra connaître le format des poids, le logiciel utilisé et la longueur du texte testé. La prise en charge par Ollama ou LM Studio reste aussi à vérifier à la sortie.
Qwant fournit un premier retour en production
Qwant utilise déjà Olala mini pour ses réponses flash. D’après OVHcloud, les réponses sont 20 % plus rapides et le coût de fonctionnement a été divisé par trois par rapport au modèle que Qwant utilisait auparavant pour cette fonctionnalité. La qualité des réponses sur d’autres tâches reste à évaluer.
Le modèle a été entraîné sur Jupiter, MeluXina et Jean Zay. OVHcloud chiffre le soutien public à l’équivalent de 7 millions d’euros en heures de calcul. La mise à disposition des poids doit permettre à d’autres organisations de choisir où elles exécutent le modèle et comment elles l’intègrent à leurs outils.
Quels usages une PME peut-elle tester ?
Un premier essai peut porter sur une tâche répétitive dont le résultat est facile à vérifier. Une équipe de support peut, par exemple, classer des tickets ou préparer des brouillons à partir de procédures internes. Une équipe administrative peut extraire des références et des dates de documents texte, puis comparer les résultats à un relevé validé manuellement.
Pour un assistant documentaire, un test simple consiste à demander une réponse accompagnée du passage source. Sur quelques dizaines de demandes représentatives, l’équipe peut mesurer la part de réponses correctes, les oublis et le temps nécessaire pour relire chaque résultat. Ces mesures permettent de décider si l’exécution locale apporte un gain sur le processus complet.
Où télécharger Olala mini, et quelle suite pour OVHcloud ?
La publication est prévue sur Hugging Face sous licence Apache 2.0 lors du lancement du 19 novembre. OVHcloud annonce la diffusion des poids, du modèle de base préentraîné, d’un rapport technique et d’une documentation relative à l’AI Act. Le rapport technique devrait préciser les conditions de test et les formats disponibles.
OVHcloud prévoit une version 1.1 d’ici la fin 2026, avec un contexte porté à 128 000 tokens et un raisonnement mathématique amélioré. La version 2.0, annoncée à plus de 100 milliards de paramètres, vise les agents IA pour les entreprises, le DevOps cloud et la cybersécurité.
À lire aussi — Quelle carte graphique pour Ollama ?

1 commentaire sur « Olala mini 7A1B : le premier modèle d’OVHcloud mise sur l’IA locale »