Olala mini : le premier LLM d’OVHcloud tient sur PC
OVHcloud dévoile Olala mini, son premier LLM. Un modèle compact, ouvert, pensé pour tourner sur PC ou via Hugging Face.

OVHcloud entre dans les modèles de langage avec Olala mini 7A1B, son premier LLM. Le modèle doit être présenté lors de l’OVHcloud AI Summit, annoncé au Carrousel du Louvre à Paris le 19 novembre 2026, selon la page officielle de l’événement.
L’intérêt est clair pour un professionnel : un modèle compact, publié sous licence Apache 2.0, annoncé comme utilisable sur une machine locale, y compris sans carte graphique dédiée. Reste une question centrale : ce que l’on peut vraiment en attendre, faute de benchmarks publics à ce stade.
Ce qui change concrètement
Olala mini 7A1B est le premier grand modèle de langage d’OVHcloud. Selon Frandroid, il compte 7 milliards de paramètres, mais n’en active qu’un milliard à chaque requête. C’est le principe du mélange d’experts, ou MoE : le modèle contient plusieurs sous-réseaux spécialisés et n’en mobilise qu’une partie pour répondre.
OVHcloud met aussi en avant une architecture à attention hybride. Elle combine Differential-TPA, qui compresse et filtre l’attention classique, et Mamba-3, qui traite le texte comme un flux avec un résumé de taille fixe. L’objectif est de réduire les besoins mémoire et d’augmenter le débit.
Les chiffres annoncés sont ambitieux pour un petit modèle. Frandroid rapporte un débit de 160 tokens par seconde sur une Nvidia RTX A4500 et 50 tokens par seconde sur processeur. Le modèle disposerait d’une fenêtre de contexte de 32 000 tokens. Une version 1.1 est annoncée comme devant monter à 128 000 tokens et améliorer le raisonnement mathématique, mais elle n’est pas encore disponible.
Le point le plus important pour les entreprises est peut-être la licence. D’après ActuIA, les poids du modèle doivent être publiés sur Hugging Face sous licence Apache 2.0. Cette licence est permissive et facilite les usages professionnels, y compris l’intégration dans des produits internes ou commerciaux, sous réserve de respecter ses conditions.
Comment l'essayer
La publication des poids est prévue sur Hugging Face le 19 novembre 2026, selon ActuIA. Le lancement officiel doit avoir lieu le même jour pendant l’OVHcloud AI Summit, dont la page indique une tenue au Carrousel du Louvre, à Paris.
Sur machine locale, OVHcloud annonce un fonctionnement avec une carte graphique dotée d’au moins 8 Go de mémoire, voire sur un processeur sans GPU, selon Frandroid. Aucun modèle précis de processeur n’est communiqué pour le débit annoncé de 50 tokens par seconde. Le prix d’utilisation locale n’est pas communiqué : si les poids sont bien publiés sous Apache 2.0, le coût dépendra surtout de ta machine, de l’hébergement et de l’exploitation.
Pour Hugging Face, il faut distinguer deux sujets. La publication des poids d’Olala mini est annoncée. En parallèle, Hugging Face documente OVHcloud AI Endpoints comme fournisseur d’inférence, avec un accès via un token Hugging Face et l’URL de base https://router.huggingface.co/v1. Hugging Face indique aussi qu’il existe une facturation directe via une clé API OVHcloud ou une facturation routée par Hugging Face. En revanche, la disponibilité d’Olala mini dans ce service d’inférence n’est pas confirmée.
La disponibilité en France n’est pas présentée comme une contrainte spécifique. OVHcloud communique plus largement sur une infrastructure européenne et sur des datacentres opérés sous droit européen. Pour un usage strictement local, la question de localisation dépend surtout de ton poste de travail.
Pour qui, et pour quoi faire
Olala mini vise d’abord les usages où la compacité compte plus que la performance maximale. Pour une PME, une DSI ou une équipe produit, le cas d’usage le plus réaliste est un assistant interne limité : résumé de tickets, reformulation de réponses support, classification d’e-mails, extraction de points clés dans des documents courts ou réponse à des questions simples sur une base documentaire maîtrisée.
Exemple concret : un service support peut tester Olala mini pour pré-rédiger des réponses à partir d’un historique de tickets et d’une FAQ. Le modèle n’a pas besoin de remplacer un expert. Il peut proposer une première version, classer l’urgence, suggérer une catégorie ou résumer un échange long avant passage à un humain.
Le fait de pouvoir exécuter le modèle sur un PC, si les promesses matérielles se confirment, ouvre aussi un usage intéressant pour les environnements sensibles. Tu peux prototyper sans envoyer immédiatement tes données vers un grand modèle externe. Cela ne dispense pas d’un audit sécurité, mais cela donne une marge de manœuvre aux équipes qui veulent garder le contrôle de leurs données.
Le premier usage cité publiquement concerne Qwant. Selon Frandroid, le moteur l’utilise pour Réponse Flash, avec des réponses 20 % plus rapides et des coûts de fonctionnement divisés par trois par rapport à un modèle précédent non nommé. Ce retour est utile, mais il reste limité : Qwant est lié à Synfonium, détenue majoritairement par Octave et Miroslaw Klaba, comme le rappelle ActuIA.
Limites et points de vigilance
La première limite est simple : il n’y a pas encore de benchmark public communiqué. Un débit élevé ne dit rien, à lui seul, sur la qualité des réponses, la robustesse en français, le raisonnement, le code ou la fiabilité documentaire.
La contrainte mémoire mérite aussi d’être vérifiée. ActuIA souligne qu’un modèle de 7 milliards de paramètres en BF16 pèse environ 14 Go, alors qu’OVHcloud annonce un fonctionnement possible avec 8 Go de mémoire GPU. L’écart peut s’expliquer par une compression, une quantification ou un chargement partiel des experts, mais le détail n’est pas encore établi publiquement.
Autre point : la RTX A4500 citée pour les 160 tokens par seconde dispose de plus de mémoire que les 8 Go minimum annoncés. Le processeur utilisé pour les 50 tokens par seconde n’est pas nommé. Avant de bâtir un service dessus, il faudra donc tester sur ton propre matériel.
Enfin, Olala mini reste un modèle compact. Il peut être pertinent pour résumer, classer ou répondre à des questions simples. Il ne faut pas en déduire qu’il remplacera un modèle généraliste plus grand pour du raisonnement long, du développement complexe ou des tâches agentiques avancées.
L'avis NXUS
Olala mini est intéressant parce qu’il ramène le sujet LLM à une question très concrète : où tourne le modèle, avec quelle mémoire, sous quelle licence, et avec quel contrôle des données. Pour une entreprise, le bon réflexe sera de commencer par un test étroit, sur un cas mesurable, plutôt que de chercher un assistant universel.
La licence Apache 2.0 et la publication annoncée des poids sont de bons signaux pour l’adoption professionnelle. Mais il faut attendre les benchmarks, la documentation technique complète et les retours d’exécution locale avant d’en faire un composant critique.
Si tu veux l’évaluer, prépare trois tests simples : qualité des réponses sur tes données, vitesse sur ton matériel, coût d’exploitation réel. C’est là que l’intérêt d’Olala mini se vérifiera, ou non.
Sources
Source : ovhcloud.com
Rudy Molinillo


