Avec 0,6 milliard de paramètres actifs, Lara Mini dépasse des modèles plus gros de Google, Meta ou Alibaba. Et pose une vraie question à l’IA européenne.
En bref
- Translated lance Lara Mini, modèle multilingue compact
- Il domine l’open source jusqu’à 2 milliards de paramètres
- Son entraînement mise sur 45 langues, pas l’anglais seul
L’Europe n’a pas les mêmes budgets de calcul que les géants américains ou chinois. C’est là que Translated essaie d’ouvrir une brèche avec Lara Mini, un modèle qui ne cherche pas à gagner par la force brute, mais par la qualité des données et par un vrai choix de design, le multilingue dès le départ.
Une piste européenne crédible face à la course au calcul
Chez Translated, l’idée est simple, et franchement intéressante pour l’écosystème. Si l’on peut produire un bon modèle avec moins de GPU, moins de temps et une meilleure sélection des corpus, alors l’IA européenne n’est pas condamnée à courir derrière les hyperscalers.
Le modèle a été entraîné en 11,5 jours sur 512 GPU du supercalculateur Leonardo, opéré par le consortium CINECA à Bologne. L’entreprise, fondée à Rome en 1999 par la linguiste française Isabelle Andrieu et l’informaticien italien Marco Trombetti, y voit un premier résultat concret obtenu avec des moyens de calcul limités.
Petit modèle, gros score
Les chiffres, eux, sont assez secs. 0,6 milliard de paramètres actifs, pour un score global qui place Lara Mini devant tous les modèles open source évalués jusqu’à 2 milliards de paramètres actifs, sur un ensemble de tests mêlant anglais, compréhension multilingue, mathématiques et code.
Et la comparaison pique un peu pour les grands noms. Translated dit faire mieux que des modèles de Google, Meta ou Alibaba, alors que certains ont été entraînés sur six fois plus de données. Le modèle dépasse aussi plusieurs références affichant cinq à treize fois plus de paramètres actifs, notamment Llama 3.1 8B, Gemma 4 E4B et Ministral 3 3B. En français, il prend la tête parmi les modèles comparables évalués.
Le multilingue ne plombe pas l’anglais
C’est le point le plus intéressant. La plupart des modèles ouverts qui documentent leurs données restent très centrés sur l’anglais, avec au mieux 12 % de textes dans d’autres langues. Translated a pris le chemin inverse, en entraînant Lara Mini sur 6 000 milliards de tokens répartis dans 45 langues et cultures, dont les 24 langues officielles de l’Union européenne.
En gros, un tiers du corpus n’est pas en anglais. Et quand l’entreprise remplace ces textes par de l’anglais en fin d’entraînement, les performances en anglais ne montent que de 0,3 point, alors que les performances multilingues chutent de 2,8 points. Marco Trombetti résume la thèse ainsi, « Pendant trop longtemps, l’IA a traité la diversité des langues humaines comme un problème à résoudre. Nous pensons l’inverse ».
Un modèle ouvert, déjà branché sur la suite
Les poids du modèle, son rapport technique et un benchmark de raisonnement multilingue couvrant 110 variantes linguistiques sont ouverts à la recherche et aux usages non commerciaux. Pas anecdotique.
Et ce n’est qu’un début pour Translated. Lara Mini s’inscrit dans la famille Lara 4, qui doit alimenter la prochaine génération de Lara Translate. L’ambition est claire, mieux capter le sens, le contexte et les nuances culturelles pour accélérer la traduction et en relever la qualité.