OVHcloud lance son propre LLM open source : architecture, calendrier, pique à Mistral, tout ce que l’on sait

L’hébergeur français, qui se présente comme le leader européen du cloud, veut aussi fabriquer ses propres modèles d’IA. Octave Klaba, revenu à la tête d’OVHcloud il y a un an, annonce un grand modèle de langage maison, publié en open source et présenté comme « très en avance sur son temps ». Derrière la formule, il y a une architecture héritée d’une start-up rachetée en mars, un budget modeste face aux géants et une pique appuyée contre Mistral AI.

L’essentiel

• OVHcloud termine l’entraînement de la première version de son LLM et vise une publication en open source fin novembre 2026, selon Octave Klaba. Une autre déclaration évoque un lancement début 2027.
• Le modèle cible trois usages : la cybersécurité, le code et les agents pour la finance, les ressources humaines, le juridique et la logistique.
• L’architecture vient en grande partie de Dragon LLM, rachetée en mars 2026, qui a déjà publié un modèle hybride de 3 milliards de paramètres sous licence Apache 2.0.
• OVHcloud veut financer ce chantier sur ses propres résultats : 1,145 milliard d’euros de chiffre d’affaires et un premier flux de trésorerie positif depuis son entrée en bourse.
• Octave Klaba qualifie Mistral d’« ESN de l’IA » et met en doute sa valorisation de plus de 21 milliards d’euros.

Ce qu’Octave Klaba a annoncé le 20 octobre

L’annonce tombe le jour de la publication des résultats annuels d’OVHcloud, le 20 octobre 2026, dans une interview accordée à La Tribune. Octave Klaba y donne le calendrier le plus précis à ce jour : « Nous sommes en train de terminer l’entraînement de la v1. Nous pensons le publier en open source fin novembre. » Il ajoute que le modèle « sera différent des autres, et très en avance sur son temps, sur le plan de l’architecture ».

Le même jour, l’agence Reuters rapporte des propos un peu différents : un premier modèle d’IA lancé début 2027, construit sur une architecture de type « mixture of experts », dans laquelle plusieurs sous-modèles spécialisés se partagent le travail. Le communiqué officiel des résultats ne tranche pas. Il cite seulement Octave Klaba : « Nous avons redéfini notre stratégie IA, et en 2027 nous entrons dans la phase de déploiement. »

Les deux dates peuvent se concilier : une première version ouverte publiée pour la communauté fin novembre, puis une offre commerciale complète début 2027. Mais rien ne le confirme officiellement, et l’AI Summit du 19 novembre devrait clarifier le calendrier.

Le projet n’est pas né cette semaine. En juin, à VivaTech, OVHcloud avait annoncé son intention de concevoir et d’entraîner sa propre famille de modèles, sur le principe des gammes d’Anthropic ou d’OpenAI, avec une ouverture du code « à partir du moment où nous serons suffisamment bons », selon Octave Klaba. Il estimait alors le coût d’un modèle de pointe entre 150 et 200 millions d’euros, contre près d’un milliard il y a quelques années.

Ce que l’on sait du futur modèle d’OVHcloud

Le nom, la taille et les performances du modèle restent inconnus. Les déclarations d’Octave Klaba et de l’entreprise donnent malgré tout de quoi dresser un premier portrait.

Le choix des usages en dit long. La cybersécurité et le code sont deux domaines où les clients techniques d’OVHcloud, développeurs et entreprises du numérique, consomment déjà beaucoup d’IA, notamment via des assistants comme GitHub Copilot. Les agents spécialisés pour la finance ou le juridique visent les secteurs réglementés, sensibles à l’endroit où leurs données sont traitées.

Octave Klaba justifie aussi la faisabilité du projet par la chute des coûts. Selon lui, entraîner un modèle coûte au moins vingt fois moins cher qu’il y a deux ans, une baisse qu’il illustre par l’exemple du chinois DeepSeek, grâce aux progrès du matériel et de l’architecture des modèles.

Dragon LLM, la brique derrière l’architecture « en avance »

Pour comprendre ce qu’OVHcloud entend par une architecture différente, il faut remonter au rachat de Dragon LLM. Annoncé le 25 mars 2026, c’est la première acquisition d’OVHcloud, et elle a servi à lancer son laboratoire d’IA, dédié à l’entraînement et à l’ajustement de modèles souverains. Dragon LLM est l’ancienne Lingua Custodia, une start-up française spécialisée dans l’IA pour la finance. Son dirigeant, Olivier Debeugny, est aujourd’hui présenté comme le patron d’OVHai LLM, l’entité qui porte les modèles du groupe.

En octobre 2025, avant le rachat, Dragon LLM avait dévoilé une architecture du même nom, présentée comme une alternative au Transformer, le socle de GPT, Claude ou Llama. Son principe : un modèle hybride, qui mélange des couches Transformer classiques et des couches dites Gated DeltaNet, une famille d’architectures récurrentes qui retiennent le contexte sans tout recalculer à chaque mot. L’entreprise revendiquait des performances équivalentes avec un tiers de la puissance de calcul, et deux fois plus d’utilisateurs servis sur le même matériel. Ces chiffres n’ont pas été vérifiés de façon indépendante.

Le seul modèle publié aujourd’hui par OVHai LLM donne une idée concrète du travail. La fiche de Dragon-3B-Base-alpha sur Hugging Face décrit un modèle de base d’environ 3 milliards de paramètres, entraîné sur 3 500 milliards de tokens du corpus FineWeb-2, avec le soutien d’EuroHPC sur les supercalculateurs JUPITER et Leonardo. Il est publié sous licence Apache 2.0, l’une des plus ouvertes, qui autorise l’usage commercial.

Ces résultats, publiés par l’équipe elle-même, placent ce petit modèle au niveau de ses concurrents directs, sans les écraser. Il s’agit d’une version « alpha », non ajustée pour la conversation, très loin d’un modèle de pointe. La fiche annonce des versions de 3 et 7 milliards de paramètres entraînées sur plus de 10 000 milliards de tokens, ainsi que des déclinaisons spécialisées. Rien n’indique pour l’instant que la v1 attendue fin novembre reprendra exactement cette architecture, mais c’est l’expertise dont OVHcloud dispose en interne.

OVHcloud contre Mistral : la pique d’Octave Klaba

L’interview a surtout fait parler pour sa charge contre Mistral AI, le champion français des modèles ouverts. Octave Klaba compare la start-up à une « ESN de l’IA », c’est-à-dire une entreprise de services qui intègre de l’IA chez de grands clients, et s’interroge sur sa valorisation. Il oppose les 1,6 million de clients d’OVHcloud aux quelques dizaines ou centaines de grands contrats de Mistral, et présente son groupe comme un fournisseur de cloud qui ajoute de l’IA, et non l’inverse.

La comparaison mérite d’être posée avec les chiffres connus des deux entreprises.

La pique a une part de calcul. Mistral est à la fois un partenaire potentiel et un concurrent direct : ses modèles tournent chez les hébergeurs, y compris chez OVHcloud, qui propose déjà des modèles ouverts de tiers, dont ceux de Mistral, sur ses offres d’IA. En lançant ses propres modèles, OVHcloud veut ne plus dépendre d’un fournisseur qui pourrait devenir un rival. Octave Klaba résume ce risque à propos des géants américains, qui pourraient selon lui exploiter les données de leurs clients pour leur faire concurrence : dans ce cas, « nous n’aurons plus que nos yeux pour pleurer ».

Les comptes d’OVHcloud peuvent-ils financer une IA de pointe ?

L’annonce arrive au moment où OVHcloud sort la tête de l’eau. L’exercice clos le 31 août 2026 marque le premier flux de trésorerie disponible positif depuis l’introduction en bourse d’octobre 2021, et une croissance au-dessus des objectifs.

Pour 2027, OVHcloud vise une croissance supérieure à 10 % et une marge d’EBITDA au-delà de 42,5 %. Le groupe dispose de 110 mégawatts de capacité libre dans ses propres centres de données, ce qui lui laisse de la place pour héberger des GPU sans construire de nouveaux sites.

Le budget reste sans rapport avec celui des laboratoires américains, ou même de Mistral, qui vient de lever 3 milliards d’euros. Le résultat net de 9,4 millions d’euros ne couvre qu’une fraction des 150 à 200 millions estimés pour un modèle de pointe. Le pari repose donc sur trois leviers : la baisse des coûts d’entraînement, l’accès aux supercalculateurs publics européens et une architecture plus économe que les modèles classiques. La croissance du cloud public, à près de 19 % sur l’année, montre que la demande des clients existe. Elle reste loin de celle des hyperscalers américains, dont certains dépassent 40 % sur un trimestre.

Pourquoi OVHcloud veut ses propres modèles

Le LLM n’est qu’une pièce d’une stratégie plus large. Octave Klaba décrit cinq étages sur lesquels OVHcloud veut jouer : les GPU dans ses centres de données, l’orchestration de l’entraînement et de l’inférence, la vente de tokens à la demande, les outils pour héberger des applications construites avec l’IA, et enfin des applications pour les utilisateurs finaux.

Ce dernier étage s’appelle OVHai Workspace. Présenté en juin, il réunit messagerie, stockage, visioconférence et un moteur de recherche doté d’agents capables d’automatiser des tâches dans plusieurs applications. Une version bêta est prévue en novembre. Les rachats de l’année s’inscrivent dans le même plan : Seald pour le chiffrement de bout en bout en janvier, Dragon LLM pour les modèles en mars, Gladia pour la reconnaissance vocale en juillet.

L’argument central reste la souveraineté. Pour les entreprises et les administrations européennes, utiliser un modèle américain comme ceux d’OpenAI, de Google ou d’Anthropic suppose d’envoyer leurs données à un acteur soumis au droit américain. OVHcloud, qui possède ses centres de données et fabrique ses serveurs, veut proposer une chaîne complète, du matériel au modèle, sous juridiction européenne.

Ce qu’il faudra vérifier à la sortie du modèle

Les promesses d’Octave Klaba se jugeront sur pièces. Plusieurs points diront si le modèle tient la comparaison avec Mistral, Qwen ou Llama.

1. La licence : un modèle « open source » au sens strict publie ses poids sous une licence permissive comme Apache 2.0. Certains éditeurs ne publient que les poids, avec des restrictions d’usage.
2. La taille et les performances : le nombre de paramètres et les résultats sur des tests reconnus, publiés et reproductibles par des tiers.
3. L’architecture : la publication du code et d’une documentation technique qui laisse vérifier les gains revendiqués en mémoire et en calcul.
4. Le français : la qualité dans les langues européennes, argument naturel pour un acteur qui se dit souverain.
5. La disponibilité : la possibilité de le faire tourner soi-même, et son intégration dans les offres d’inférence d’OVHcloud, avec un prix au token.

OVHcloud arrive tard dans une course où Mistral a plusieurs années d’avance et où les laboratoires américains et chinois sortent un modèle par mois. Son atout est ailleurs : une base de 1,6 million de clients à qui proposer le modèle directement, sur une infrastructure qu’il possède. Reste à savoir si un hébergeur peut devenir un laboratoire d’IA crédible avec un budget bien inférieur à celui de ses concurrents.