Kolibri d'Aleph Alpha offre aux institutions européennes plus qu'une promesse de souveraineté : des poids téléchargeables qu'elles peuvent conserver, adapter et exploiter sur l'infrastructure choisie. Le modèle allemand-anglais est disponible depuis le 3 octobre, avec une autre annonce de l'entreprise le 5 octobre. Sa proposition la plus forte est le contrôle du déploiement et du travail en allemand, pas une première place mondiale dans tous les tests.
Le gouvernement allemand n'a ni publié Kolibri ni choisi celui-ci comme modèle national de l'administration. Une société privée allemande a proposé un candidat pour administration, industrie, défense, aéronautique et autres secteurs réglementés. L'adoption dépend encore des évaluations, intégrations et marchés. Des coopérations préexistantes avec des organismes publics ne prouvent pas l'emploi de cette version pour des décisions importantes.
Un calcul parcimonieux ne signifie pas un petit modèle
Kolibri possède 78,1 milliards de paramètres et en active environ 3,46 milliards par token. Le mélange d'experts sélectionne six des 384 experts routés, avec un expert partagé dans chaque couche. Seules dix des 50 couches utilisent l'attention complète ; les autres une fenêtre glissante de 512 tokens. Cela réduit le calcul, mais l'ensemble des poids doit rester accessible.
Apache 2.0 autorise usage commercial, modification et redistribution. Des versions BF16 et FP8 moins précise existent ; la dernière occupe environ 78 Go selon la documentation. Les poids ouverts donnent une portabilité supérieure à une API, pas la reconstitution de chaque choix d'entraînement. Reproduire l'ensemble exige données, code, méthodes, expertise et calcul considérable.
Le modèle prend en charge sorties structurées, appels natifs d'outils et raisonnement désactivé, faible, moyen ou élevé. Une interface compatible OpenAI facilite l'intégration. La fiche prévoit des systèmes consultatifs où une personne examine la sortie avant l'action, non un décideur autonome pour les cas conséquents.
Le contexte maximal annoncé atteint 1.048.576 tokens, mais la longueur native d'entraînement étendu est 262.144. Les étapes précédentes utilisaient 16.384 et 65.536. Aleph Alpha recommande de rester au niveau natif ou en dessous pour les tâches complexes et l'efficacité ; le million est validé par extrapolation, pas entraîné nativement à cette longueur.
Une spécialisation allemande avec une divergence numérique
Aleph Alpha estime que l'allemand administratif demande plus que des réponses fluides d'un modèle anglophone. Références légales, mots composés, fonctions institutionnelles et hypothèses procédurales peuvent être déformés par traduction ou filtrage générique. Les filtres web allemands ont été adaptés et des textes parlementaires, juridiques et du domaine public intégrés.
Les récits divergent sur la part allemande : deux donnent 21,3% du préentraînement principal, soit environ 4.300 milliards de présentations de tokens sur 20.000 milliards ; un autre 23,9%, avec 62,5% anglais et 13,6% code. Un autre arrondit anglais/code à 62%/14%. Il ne s'agit pas de pourcentages harmonisés d'un même dénominateur. Cette divergence documentaire doit être éclaircie, pas corrigée par invention.
Le récit des données indique 390 milliards de tokens allemands utilisables après filtrage et déduplication initiaux, loin d'un objectif d'environ 4.000 milliards. Une chaîne Common Crawl dédiée a recueilli 1.300 milliards de tokens uniques, et des reformulations allemandes ont produit environ 1.000 milliards supplémentaires, en questions-réponses ou passages encyclopédiques. Constitution du corpus et présentations répétées sont des mesures distinctes, pas des données uniques à additionner.
Le vocabulaire bilingue de 128.000 tokens utilise UniBPE pour la morphologie allemande. L'entreprise indique 4,7 octets par token allemand et 4,2 en anglais, avec des découpages plus significatifs des composés administratifs. Une compression améliorée économise contexte et calcul, sans prouver la précision juridique.
Environ 800.000 exemples supervisés de raisonnement utilisaient des débuts de phrases allemands pour limiter la dérive vers l'anglais. Une explication lisible aide la vérification sans être nécessairement fidèle au calcul interne. Citations, prompts versionnés et journaux d'accès restent nécessaires. La limite de connaissances allemandes/anglaises est le 18 juin 2026 ; les faits nouveaux demandent recherche ou outils.
Un entraînement documenté n'est pas facilement reproductible
Aleph Alpha indique une fin du préentraînement le 11 septembre après 21 jours sur 768 Nvidia B200, avec 38 interruptions imprévues et reprises automatiques depuis checkpoints. Elle annonce 392.000 heures GPU pour cette phase. La chaîne a traité plus de 200.000 milliards de tokens bruts avant sélection ; préentraînement 20.000 milliards, étape intermédiaire 3.440 milliards, adaptation longue 200 milliards.
Le post-entraînement apporte d'autres quantités : 174 milliards de tokens synthétiques, mélange supervisé 268 milliards après filtrage et association à des données sous licences permissives, et plus de 1,2 million de tâches choisies d'apprentissage par renforcement. Ces volumes par étape ne sont pas des documents uniques et ne s'ajoutent pas simplement aux proportions du corpus principal.
L'énergie estimée des phases divulguées atteint 950 MWh, frais du centre de données compris, mais hors ajustement supervisé, renforcement, petits essais et certaines autres activités. L'entreprise décrit une liste de blocage de plus de 4,5 millions d'URL et des contrôles de licences, origine légale, retraits et données tierces. La documentation permet l'examen, sans résoudre automatiquement tous les droits d'auteur et la vie privée.
L'entraînement a eu lieu en Allemagne et Finlande, avec contrôle allemand/européen revendiqué sur développement et chaîne d'approvisionnement. Cela dépasse le stockage local des prompts, mais implique encore puces étrangères, logiciels, énergie et spécialistes. La souveraineté gouverne les dépendances restantes, elle ne les élimine pas.
Matériel et long contexte restent des contraintes
Les minima répertoriés incluent deux A100 80 Go, deux H100 SXM5 ou une H200, B200 ou B300. Certaines recommandations mentionnent deux H100 SXM5 ou H200, à côté de configurations récentes à un accélérateur. 3,46 milliards de paramètres actifs n'en font pas un modèle de bureau ordinaire de cette taille.
Dans un test interne, la version 78 milliards traitait 18 requêtes simultanées d'environ 256.000 tokens sur deux H100, contre trois pour une version expérimentale 123 milliards, et décodait 28% plus vite. Ce n'est pas une garantie d'achat : précision, lots, logiciels, longueurs d'entrée/sortie, mémoire, communication et objectifs de service modifient le coût.
Kolibri Base obtient 69,8 sur RULER à 256.000 tokens et 63,2 à un million. La longueur maximale n'assure pas l'exploitation fiable de tous les détails. Les preuves peuvent se perdre entre répétitions, contradictions et instructions malveillantes. Une recherche respectant les permissions, avec citations traçables, peut être préférable au chargement d'un dossier entier incluant des données personnelles sans pertinence.
Ancrage prometteur, résultats contrastés
Merlin-Arthur crée des contextes documentaires probants et des versions volontairement incomplètes : répondre avec preuves, s'abstenir sans. Aleph Alpha rapporte 44% d'abstention sur des questions sans support dans un test interne contre 15% pour Kolibri Origin. Son proxy administratif allemand passe de 0,54 à 0,75. Ce sont des évaluations de l'entreprise, pas une fiabilité opérationnelle auditée.
Les proxies clients privés couvrent aussi automobile, semi-conducteurs, entraînements industriels et aéronautique. Ils peuvent mieux représenter le travail que les tests académiques, mais ne sont pas reproductibles sans tâches, prompts, notation et références. Réponses correctes ou infondées, refus justifiés ou inutiles et précision des citations comptent. Beaucoup de refus peuvent échanger utilité contre prudence.
Les résultats mathématiques internes incluent AIME 2025: 96,9 anglais/87,5 allemand ; AIME 2026: 96,0/90,0. GPQA Diamond vaut 84,3/81,3. Certains comparatifs avec Mistral, Qwen, Nvidia appuient la compétitivité, y compris contre quatre fois plus de paramètres actifs sur certains tests, pas une supériorité universelle.
Outils et agents sont moins homogènes. BFCL v4 global vaut 61,4 contre 67,2 pour le Qwen3.6 35B-A3B cité ; multi-tour 47,5. TerminalBench 2.1 donne 27,7, inférieur aux Qwen3.6, Nemotron 3 Super et Qwen3.8 dense indiqués. Les agents métiers atteignent 94,7 télécoms,76,7 aérien,38,1 banque ; d'autres gagnent plusieurs lignes. Prompts, budgets de raisonnement, traductions, contamination et notation affectent les comparaisons.
Le gouvernement a plusieurs voies, pas un champion unique
F13 avec le Bade-Wurtemberg et un déploiement cité destiné à 80.000 utilisateurs publics établissent des relations institutionnelles, pas un usage productif de Kolibri. Un cas nommé doit indiquer flux, utilisateurs actifs, contrôle humain, catégories d'erreurs et temps gagné après vérification. Des milliers de personnes éligibles à un pilote ne sont pas un usage quotidien.
SAP et OpenAI ont annoncé OpenAI for Germany en septembre 2025, associant technologie OpenAI, Delos Cloud de SAP et dispositifs Microsoft Azure. L'accent porte sur exploitation nationale, contrats et support géré, non propriété de la chaîne du modèle. Les services gérés fournissent capacité, surveillance et mises à jour ; les poids portables renforcent continuité et contrôle des versions, avec des responsabilités transférées au client.
KIPITZ fédéral propose déjà résumés, traduction, rédaction, réécriture et dialogue et prévoit une architecture indépendante du cloud avec modèles ouverts adaptés. Aucune annonce citée ne sélectionne Kolibri. Les pilotes Agentic AI Hub couvrent planification, autorisations, transcription et services publics ; l'appel d'outils seul ne fournit ni permissions ni agent complet.
Les alternatives incluent Mistral, OpenEuroLLM, Soofi allemand-anglais sur le German Industrial AI Cloud de Deutsche Telekom et les modèles ouverts Meta, Qwen, Nvidia. Mistral participe aussi à des initiatives publiques, dont des déploiements français et une coopération franco-allemande explorée avec SAP. Des options remplaçables renforcent davantage la souveraineté qu'un champion national unique.
L'évaluation indépendante constitue une autre voie. MÖVE de Bundesdruckerei a commencé avec neuf jeux allemands et sept critères d'administration/droit, sécurité, durabilité et valeurs démocratiques ; BSI et Fraunhofer AISEC participent à la sécurité. Une autre étude de 39 modèles et 13 fournisseurs ne trouve aucun leader universel, avec énergie estimée variant plus de 60 fois. Les deux meilleurs atteignent seulement 0,671 sur 4.788 positions de 64 partis. Kolibri n'y est pas évalué directement : l'origine européenne ne prouve pas une compétence institutionnelle allemande.
Le contrôle doit résister à l'usage et aux changements d'entreprise
Le rapprochement proposé Aleph Alpha–Cohere reste soumis à approbation réglementaire. Les récits décrivent un groupe Berlin/Toronto de plus de 1.000 salariés sous le nom Cohere. Kolibri est déjà achevé, tandis que le rapprochement proposé attend encore son approbation et n'est pas entré en vigueur. Recherche et distribution accrues peuvent aider, mais les acheteurs veulent clarté sur propriété intellectuelle, juridictions, support, versions et continuité. Les poids actuels Apache 2.0 restent disponibles sous ces termes ; l'ouverture future est distincte.
Le code GPAI de l'UE est volontaire et aide les fournisseurs à démontrer les obligations pertinentes de l'AI Act. Signature, conception RGPD ou licence ouverte ne certifient ni chaque application ni toutes les données d'entraînement. Rédaction, recherche et décisions de prestations ont des risques différents ; le déployeur reste responsable du but, des personnes, de la sécurité, du contrôle, des journaux et des recours.
Les poids portables laissent des dépendances possibles dans adaptateurs, index, orchestration et surveillance. Injection de prompt, extraction, documents empoisonnés et appels dangereux exigent des contrôles applicatifs. Lire des manuels autorisés ne doit pas donner pouvoir de commander des équipements ; l'assistance documentaire n'implique pas un accès illimité au mail.
La prochaine preuve est une réplication indépendante et un usage nommé durable : allemand juridique et municipal, variations régionales, dossiers inaccessibles, politiques contradictoires/anciennes, permissions révoquées, instructions malveillantes, énergie, latence et reprise. Les versions hébergées ou adaptées doivent être comparées à celle téléchargeable. La souveraineté devient crédible quand les institutions peuvent inspecter, exploiter, remplacer et gouverner un service fiable, non quand nationalité ou million de tokens remplacent ces tests.
Sources et lectures complémentaires
Publication de Kolibri · Analyse des données allemandes · Recherche sur le raisonnement allemand · OpenAI for Germany · Rapprochement proposé avec Cohere · Fiche du modèle Kolibri · Référence du récit principal · Poids BF16 · Benchmark MÖVE · Plateforme fédérale KIPITZ · Étude indépendante de gouvernance · Gouvernance des accès documentaires · Référence du deuxième récit · Annonce du5octobre · Code GPAI de l'UE · Référence du troisième récit