
Olala mini arrive chez OVHcloud, mais ses scores de qualité manquent encore

Dans son communiqué du 17 novembre 2026, OVHcloud annonce depuis Roubaix Olala mini 7A1B, premier modèle de sa famille Olala, et indique que Qwant l’utilise déjà pour Réponse Flash. Le modèle compte sept milliards de paramètres, dont un milliard activé par requête.
Le Blog du Modérateur situe la publication des poids et du rapport technique au 19 novembre sur Hugging Face, sous licence Apache 2.0. Olala mini a donc un usage déclaré chez Qwant, tandis que sa diffusion ouverte reste annoncée. Aucun score public ne permet encore de situer la qualité de ses réponses face à celle d’autres modèles.
Ce que décrivent les caractéristiques d’Olala mini

Olala mini est un mélange d’experts : son architecture répartit les paramètres entre 256 experts par couche et n’en sollicite qu’une partie pour chaque requête. Cette organisation vise à réduire le calcul nécessaire à la génération d’un texte. Elle s’accompagne d’une attention hybride combinant Differential-TPA et Mamba-3. Ces noms décrivent la construction du modèle ; ils ne donnent aucun résultat sur sa capacité à suivre une consigne ou à répondre juste.
La fenêtre de contexte annoncée atteint 32 000 tokens, soit une limite sur la quantité de texte prise en compte dans une interaction. Le seuil affiché pour l’exécution est une carte graphique de 8 Go de mémoire. Les débits annoncés sont de 160 tokens par seconde sur une RTX A4500 et de 50 sur un processeur seul ; le processeur et les conditions de mesure ne sont pas détaillés. Le seuil de mémoire et la vitesse sur la RTX A4500 sont deux indications distinctes, pas une mesure commune sur une carte de 8 Go.
Le format BF16 mentionné pour le modèle stocke chaque paramètre sur deux octets. Un calcul direct donne donc environ 14 Go pour sept milliards de paramètres, avant les autres besoins de mémoire : l’activation d’une fraction des experts ne suffit pas, à elle seule, à expliquer le seuil de 8 Go. Une compression des poids ou une autre organisation de leur chargement pourrait réduire la mémoire requise, mais la configuration exacte n’est pas précisée.
Publication annoncée, utilisation déjà engagée
Olala mini est le premier représentant d’une famille de modèles. La licence Apache 2.0 et la mise à disposition des poids sur Hugging Face sont prévues ; il faut distinguer cette disponibilité annoncée de l’intégration déjà déclarée chez Qwant. L’usage dans un service existant ne signifie pas que les développeurs disposent déjà des fichiers pour exécuter eux-mêmes le modèle.
La publication promise comprend également un modèle de base préentraîné, un rapport technique et une documentation relative à l’AI Act. Les poids permettront d’exécuter le modèle dans une configuration que d’autres pourront examiner. Le rapport devra rendre lisibles les méthodes d’évaluation et leurs résultats ; la documentation réglementaire répond à une autre question, celle des informations fournies sur son développement.
L’entraînement a mobilisé Jupiter, MeluXina et Jean Zay, trois supercalculateurs publics européens équipés de GPU GH200, A100 et H100. Le soutien est évalué à l’équivalent de 7 millions d’euros en heures de calcul. Ce montant valorise des ressources d’entraînement : il ne constitue pas un prix d’utilisation du modèle. L’exécution sur une machine plus petite concerne une autre étape et ne permet pas, à elle seule, de déduire le coût d’un service commercial.
Ce que le déploiement chez Qwant permet de conclure

L’analyse d’ActuIA rappelle que les gains de 20 % sur la rapidité des réponses et les coûts de fonctionnement divisés par trois pour Réponse Flash sont des chiffres d’OVHcloud, comparés à un modèle précédent non nommé. Elle relève aussi que Qwant appartient à Synfonium, détenue à 75 % par Octave et Miroslaw Klaba et à 25 % par la Caisse des Dépôts. Ce retour porte donc sur un service lié aux mêmes actionnaires, sans constituer une mesure indépendante publiée par un client extérieur.
La comparaison concerne Réponse Flash dans son ensemble. Une réponse peut arriver plus vite parce que le modèle génère plus rapidement, mais aussi parce que la longueur des réponses, la préparation des requêtes ou l’infrastructure ont changé. Sans protocole de comparaison ni description du modèle précédent, il serait excessif d’attribuer chaque gain au seul Olala mini. La baisse des coûts ne fournit pas non plus un tarif par requête transposable à un autre service.
Pour un moteur de recherche, une latence réduite et une dépense moindre peuvent compter dans le choix d’un modèle. L’adoption déclarée par Qwant renseigne sur son adéquation à une fonction précise, avec les contraintes de ce moteur. Elle n’établit ni la qualité des résumés en français, ni la fiabilité des réponses sur d’autres tâches.
La qualité attend des mesures comparables
Un débit de génération mesure la vitesse de production des tokens ; un score de qualité mesure le résultat d’une tâche définie. Pour Réponse Flash, les questions décisives portent sur la fidélité aux pages résumées, les affirmations erronées et la capacité à reconnaître une recherche sans réponse suffisante. Une réponse plus rapide pourrait perdre son intérêt si ces erreurs augmentaient. Aucun taux publié ne permet encore de trancher.
Le rapport technique devra fournir des résultats sur la compréhension du français, le suivi d’instructions et le raisonnement, ainsi que sur la génération de code si cet usage est revendiqué. Une comparaison reproductible demande les modèles confrontés, la version exacte des poids, les jeux de questions, la méthode de notation et les paramètres de génération. Pour interpréter les vitesses, il faudra aussi connaître le matériel, la précision numérique et la taille des entrées et sorties.
La mise en ligne annoncée des poids et du rapport lors de l’OVHcloud AI Summit doit apporter les conditions nécessaires pour examiner les débits, la mémoire requise et la qualité des réponses hors du service de Qwant.
À lire aussi :
Articles similaires


DeepSeek V4.1 Flash remplace bientôt Pro : attention au routage automatique

LightOnOCR-3 lit tableaux et manuscrits : le score français reste à auditer

Voxtral 3 promet l’agent vocal sous la seconde, sans mesure complète

OVHcloud ou Scaleway : le produit comparé peut inverser l’écart de prix

KIDS Act : pas de réseaux sociaux avant 13 ans, une heure entre 13 et 15 ans
Abonnez-vous à notre newsletter
Recevez directement les dernières actualités sur le Web3, l’IA et les cryptomonnaies.