Kolibri : un modèle d’IA allemand pour votre centre de données

Aleph Alpha a publié Kolibri le 3 octobre : un modèle allemand de 78 milliards de paramètres. Ses poids Apache 2.0 tournent sur le matériel de l’exploitant. Pour l’administration et l’industrie, la souveraineté dépend ainsi de leur propre centre de données. La licence, l’origine des données et le rapprochement prévu avec Cohere en limitent la portée.

L’essentiel en bref

À lire aussi :Soofi S : souverain ne signifie pas vainqueur  /  AWS Sovereign Cloud : ce qui est vraiment séparé

Un modèle allemand à exploiter soi-même

Aleph Alpha a publié Kolibri 1 le 3 octobre sur Hugging Face. Le modèle compte 78 milliards de paramètres et en mobilise 3,46 milliards par token. Le fabricant de Heidelberg a formulé brièvement sa position dans son annonce sur X : les poids appartiennent désormais aux utilisateurs et s’exploitent sous Apache 2.0 sur leur propre matériel.

Kolibri a été construit en Allemagne et entraîné sur une infrastructure en Allemagne et en Finlande, avec 768 GPU B200. Selon l’annonce, 21,3 pour cent des tokens de pré-entraînement sont allemands ; la fiche modèle indique une part un peu plus élevée pour le corpus de pré-entraînement.

Le pré-entraînement a porté sur 20 000 milliards de tokens ; toutes les phases d’entraînement comprises, on atteint près de 24 000 milliards.

Comme domaine d’application, Aleph Alpha cite un travail souverain à mission critique dans des secteurs réglementés : administration publique, industrie, ainsi que l’aéronautique et le spatial. En exploitation autonome, les requêtes et les données peuvent rester dans le centre de données de l’exploitant.

Qu’est-ce qu’un modèle à poids ouverts ? Un modèle à poids ouverts est un modèle d’IA entraîné dont le fabricant libère les poids en téléchargement. Les exploitants peuvent ainsi l’exécuter sur leurs propres serveurs ; les requêtes ne passent pas par une interface cloud du fabricant. Savoir si le code d’entraînement, les données et les procédés sont eux aussi ouverts dépend de chaque publication.

Ce que l’exploitation en propre exige

En FP8, Kolibri occupe environ 78 Go de mémoire. Comme minimum, Aleph Alpha cite deux A100 en version 80 Go, deux H100 SXM5 ou une seule H200, B200 ou B300. Le modèle tient ainsi sur un seul serveur GPU actuel.

Kolibri est entraîné sur un contexte de 262 144 tokens. Le fabricant l’a validé jusqu’à 1 048 576 tokens ; pour l’efficacité et les tâches complexes, il recommande toutefois au maximum la longueur entraînée.

Les premières mesures du forum de développeurs de Nvidia montrent que Kolibri tourne aussi sur un poste de travail. Sur une seule DGX Spark, un utilisateur avec le vLLM standard a atteint environ 20 tokens par seconde en décodage, un second, avec une version optimisée, environ 48. Dans les deux cas, il s’agit de mesures isolées, sans lien avec le fabricant.

Licence et origine des données

Avec Kolibri, Apache 2.0 s’applique aux poids et aux fichiers de configuration. Sont expressément exclus le code sous-jacent, l’architecture du modèle, les réglages de paramètres et tout procédé d’entraînement. Pour l’exploitation, Aleph Alpha requiert son propre paquet aleph-alpha-inference.

Les exploitants gardent ainsi les poids sous une licence libre, indépendamment de qui possédera le fabricant à l’avenir. Pour le fonctionnement continu, ils restent dépendants de son paquet d’inférence.

Pour les données d’entraînement synthétiques, Aleph Alpha a utilisé des modèles d’autres fabricants. Selon le Tech-Report, GLM-5.2 et GLM-5.3 de Z.ai ainsi que Qwen3.8-27B de l’équipe Qwen d’Alibaba sont les principaux modèles avec lesquels le fabricant a produit des données synthétiques et régénéré des parties de jeux de données ouverts.

Le professeur de Wharton Ethan Mollick a relevé le sujet le jour de la publication. Le nouveau modèle souverain de l’Europe serait affiné avec des données que GLM et Qwen auraient produites, écrivait-il sur X. Quiconque mesure aussi la souveraineté à l’aune de l’origine des données d’entraînement trouve ici la limite de la promesse.

Comment Kolibri se comporte en allemand

Dans le tableau du fabricant, Kolibri atteint 70,8 points au score global allemand et se place ainsi juste devant GPT-OSS 120B et Qwen3.5 35B-A3B.

Le modèle dense Qwen3.8 27B domine nettement avec 79,9 points. Mais il active par token près de 8 fois plus de paramètres que Kolibri.

Le patron d’Aleph Alpha, Ilhan Scheer, a annoncé le 4 octobre Kolibri 1.1, plus vite que prévu. Pour le prédécesseur interne, il a cité une progression en allemand de 46 à 71 points en trois mois.

Le fabricant avant la fusion

Kolibri paraît un peu plus de deux semaines après la signature par Aleph Alpha et Cohere, le 16 septembre, d’un accord contraignant en vue d’un regroupement. La société commune doit se présenter sous le nom de Cohere, avec des sièges à Berlin et à Toronto. Le bureau de Heidelberg doit être conservé comme centre de recherche.

Les entreprises du groupe Schwarz mettent pour le projet germano-canadien 500 millions d’euros à disposition, sous forme de financement structuré. La transaction ne sera réalisée qu’avec les approbations finales des autorités.

Pour les exploitants, la question de savoir qui se trouve derrière Kolibri se déplace. Les poids de Kolibri 1 restent utilisables sous Apache 2.0 ; leur exploitation requiert le paquet d’inférence du fabricant. Le Kolibri 1.1 annoncé lui-même viendra d’un fabricant qui doit à l’avenir se présenter sous le nom de Cohere.

Questions fréquentes

Source de l’image : générée par IA (octobre 2026)

Traduit de l’original allemand par intelligence artificielle. La version allemande fait foi.