Kolibri est un nouveau modèle à poids ouverts publié officiellement par l'entreprise allemande d'IA Aleph Alpha le 3 octobre 2026. La date coïncidait avec la Journée de l'unité allemande. Dans son billet officiel « Kolibri Has Landed », Aleph Alpha a annoncé que l'ensemble des poids est disponible sur Hugging Face, dans le dépôt Aleph-Alpha/Kolibri-1, sous licence Apache 2.0 : chacun peut le télécharger, l'héberger soi-même et l'utiliser commercialement. Il ne vise pas les classements de chatbots, mais les secteurs régulés comme l'administration publique, l'industrie et l'aérospatial, où les données ne peuvent pas quitter le réseau interne.
Les chiffres : un grand corps, un petit appétit
| Élément | Kolibri 1 |
|---|---|
| Paramètres totaux | 78,1 milliards |
| Paramètres actifs par token | Environ 3,46 milliards |
| Architecture | MoE, 50 couches, 384 experts |
| Contexte | Jusqu'à 1 048 576 tokens ; l'éditeur recommande de rester à 262 144 ou moins au quotidien |
| Taille des poids | Environ 78 Go (FP8) |
| Licence | Apache 2.0 |
L'intérêt d'une architecture en mélange d'experts est que les paramètres totaux fixent la capacité de connaissances, tandis que les paramètres actifs fixent le coût de calcul de chaque étape. Kolibri n'active qu'environ 3,5 milliards de paramètres par token : son coût d'inférence ressemble à celui d'un petit modèle, mais les 78,1 milliards de paramètres doivent résider en mémoire. Le matériel minimal officiel est de deux cartes A100 80 Go, deux H100, ou une seule H200, B200 ou B300. Il peut tourner dans le centre de données de l'entreprise, pas sur un portable.
L'allemand a été entraîné, pas traduit
Aleph Alpha insiste sur sa conception bilingue : l'allemand représente 21,3 % du corpus de pré-entraînement, la traduction automatique environ 6 % seulement, et l'équipe a construit un tokenizer adapté à la formation des mots allemands, au motif qu'un texte traduit garde l'empreinte culturelle de sa langue source. L'entraînement a eu lieu sur des infrastructures en Allemagne et en Finlande, avec 20 000 milliards de tokens filtrés à partir de plus de 200 000 milliards de tokens bruts.
Dans les évaluations de l'éditeur, Kolibri obtient 96,9 à AIME 2025, 84,3 à GPQA Diamond et 85,9 à LiveCodeBench v6, avec une moyenne allemande de 70,8 qui le place en tête des modèles MoE ouverts comparables. Deux réserves s'imposent : tous ces chiffres viennent d'Aleph Alpha, la réplication indépendante reste à venir ; et dans le même tableau, le modèle dense Qwen3.8 27B fait mieux en allemand, avec environ huit fois plus de calcul par token.
Ce qu'il vend vraiment, c'est la souveraineté
Aleph Alpha définit la souveraineté en deux couches. La première concerne la fabrication : sélection des données, entraînement et évaluation ont été menés sous droit européen, pensés dès le départ pour l'AI Act de l'UE, le code de pratique pour l'IA à usage général et le RGPD. La seconde concerne la remise au client : des poids ouverts signifient que le client peut installer le modèle chez lui, et qu'un arrêt de service du fournisseur ne peut plus affecter un système déjà déployé.
Deux détails montrent une visée production. D'abord l'apprentissage de l'abstention : avec le protocole Merlin-Arthur, Kolibri apprend à répondre « je ne sais pas » quand le contexte ne fonde aucune réponse, plutôt que d'en inventer une, ce qui compte davantage pour l'administration et la conformité que deux points de benchmark. Ensuite, quatre niveaux de raisonnement (aucun, bas, moyen, haut) et l'appel d'outils sont déjà disponibles, avec un plugin d'inférence officiel fondé sur vLLM : le chemin de déploiement est prêt.
Trois calculs avant de l'adopter
Le premier est la mémoire : à partir de 78 Go de poids, deux cartes de 80 Go constituent le ticket d'entrée, mieux vaut donc vérifier le budget matériel. Le deuxième est la langue : Kolibri n'est optimisé en profondeur que pour l'allemand et l'anglais, les tâches en chinois ne sont pas son terrain. Le troisième est la vérification : les scores de l'éditeur sont une référence, pas une preuve ; avant tout usage régulé, il faut tester sur ses propres documents la précision de l'abstention et les questions sur longs textes. Pour les institutions européennes et les équipes qui servent des clients européens, la valeur de Kolibri n'est pas son nombre de paramètres, mais le fait de réunir en un seul ensemble des données qui ne quittent pas la juridiction, un modèle auditable et un déploiement qu'aucun fournisseur ne peut éteindre.
