Le 5 août 2026, la feuille de route interministérielle de la stratégie nationale pour l'intelligence artificielle a placé en tête de ses priorités des modèles d'IA souverains et open source, adaptés aux besoins de l'administration. Le choix de la méthode reste ouvert, et trois voies existent. On peut entraîner un modèle de zéro, adapter un modèle ouvert existant ou spécialiser un modèle par les données sans le modifier. Chacune demande des volumes de données, une puissance de calcul et des délais très différents.
Ce que prévoit la feuille de route
La réunion interministérielle, présidée par le ministre de l'Enseignement supérieur et de la Recherche scientifique Kamel Baddari, a retenu cinq axes, selon le compte rendu publié par IT Mag.
Modèles souverains
Des modèles gouvernementaux open source, conçus pour les besoins de l'administration, avec un code transparent et des développeurs locaux.
Calcul national
Des centres de calcul haute performance sur le territoire, pour entraîner les modèles localement.
Données et éthique
Le stockage des données publiques dans des centres nationaux sécurisés et un cadre contre les biais.
Les deux autres axes portent sur la formation et sur le passage de la recherche à l'entreprise. Une commission conjointe suit la mise en œuvre. Reste à choisir la méthode, et ce choix dépend de trois ressources : les données, le calcul et le temps.
Voie 1, entraîner un modèle de zéro
Entraîner un modèle de zéro donne la maîtrise complète de ses données d'apprentissage et de son comportement. Les ordres de grandeur sont pourtant considérables. Publié le 3 octobre 2026 par l'éditeur allemand Aleph Alpha sous licence Apache 2.0, le modèle Kolibri compte 78,1 milliards de paramètres, dont environ 3,5 milliards actifs pour chaque token. Son pré-entraînement a mobilisé 768 GPU NVIDIA B200 pendant 21 jours, sur 20 000 milliards de tokens, puis d'autres étapes ont porté le total à environ 24 000 milliards.
Kolibri couvre l'anglais et l'allemand, deux langues pour lesquelles les textes abondent. L'arabe standard dispose de corpus importants, la darija et le tamazight beaucoup moins. Cette voie relève d'un programme national doté de moyens de calcul dédiés. Une entreprise ne la porte pas seule.
Voie 2, adapter un modèle ouvert
La deuxième voie part d'un modèle ouvert déjà entraîné et l'ajuste à une langue ou à un domaine. Les modèles Atlas-Chat, consacrés à la darija marocaine, illustrent cette approche. Leurs auteurs ont ajusté des modèles Gemma 2 en trois tailles (2, 9 et 27 milliards de paramètres) avec une méthode économe, à partir d'environ 458 000 exemples d'instructions.
Ces exemples combinent des ressources existantes en darija, des données rédigées à la main, des données synthétiques et des instructions traduites puis contrôlées. Sur leurs tests en darija, ces modèles dépassent des modèles généralistes plus grands. Une telle démarche reste à la portée d'un partenariat entre universités et entreprises, à condition de réunir des données de qualité pour la darija algérienne.
Voie 3, spécialiser par les données
La troisième voie ne modifie pas le modèle. Un assistant documentaire, ou RAG, retrouve dans les documents de l'entreprise les passages utiles et les fournit au modèle, qui répond en citant ses sources. Les connaissances métier restent dans vos documents, sur vos serveurs. Cette voie se déploie en quelques semaines et se met à jour à chaque nouveau document, sans réentraînement.
Un précédent algérien montre la valeur de données ciblées. Publié en 2021, DziriBERT, un modèle de langue consacré au dialecte algérien, a été entraîné sur plus d'un million de tweets, soit environ 150 Mo de texte. Ses auteurs indiquent qu'il dépasse des modèles entraînés sur des volumes bien plus importants, en particulier sur la darija écrite en caractères latins.
Le tableau suivant résume les trois voies. Les besoins indiqués sont des ordres de grandeur, qui varient selon la taille du modèle visé.
| Voie | Données nécessaires | Calcul | Pour qui |
|---|---|---|---|
| Entraîner de zéro | Des milliers de milliards de tokens | Des centaines de GPU pendant des semaines | Programme national |
| Adapter un modèle ouvert | Des centaines de milliers d'exemples de qualité | Quelques GPU pendant des jours | Universités, consortiums, éditeurs |
| Spécialiser par les données | Vos documents, plus un jeu d'évaluation | Un serveur d'inférence | Toute organisation |
Le vrai goulot, les données
Quelle que soit la voie, la ressource la plus rare reste la donnée. Les textes et enregistrements en darija et en tamazight sont dispersés, rarement annotés, et souvent écrits dans plusieurs alphabets. Les jeux d'évaluation publics, qui permettraient de comparer les modèles sur les langues du pays, manquent encore. La collecte doit en outre respecter la loi 18-07 sur la protection des données personnelles, notamment pour les enregistrements vocaux.
Notre article sur le traitement automatique de la darija détaille les difficultés techniques propres à cette langue.
« Un modèle souverain se construit d'abord avec des données et des tests en darija, en arabe et en tamazight. Les GPU viennent ensuite. »
Ce que les entreprises peuvent faire dès maintenant
Une entreprise n'a pas besoin d'attendre un modèle national pour tirer parti de l'IA dans ses langues.
- Choisir un modèle ouvert hébergé sur site, dont les poids et la licence permettent un usage commercial durable.
- Constituer un jeu de questions de référence dans les langues réellement utilisées par les équipes et les clients.
- Comparer plusieurs modèles sur ce jeu avant tout déploiement, puis à chaque nouvelle version.
- Brancher le modèle sur les documents de l'entreprise plutôt que de chercher à le réentraîner.
- Conserver ses données, son index et ses évaluations, pour pouvoir changer de modèle sans repartir de zéro.
Le jour où un modèle algérien sera disponible, une organisation qui a suivi ces étapes pourra l'évaluer sur ses propres critères et l'adopter sans reconstruire son système. Notre guide de l'infrastructure GPU en Algérie traite du dimensionnement matériel.
Un projet d'IA en arabe ou en darija ?
Le diagnostic IA évalue les modèles ouverts sur vos propres documents et vos questions réelles, dans vos langues, avant de choisir une architecture.
Demander mon diagnostic IAQuestions fréquentes
L'Algérie prévoit-elle de développer ses propres modèles d'IA ?
La feuille de route interministérielle présentée le 5 août 2026 place en premier axe des modèles d'IA gouvernementaux souverains et open source, adaptés aux besoins de l'administration. Elle prévoit aussi des centres de calcul sur le territoire national et le stockage des données publiques dans des centres nationaux sécurisés.
Combien coûte l'entraînement d'un modèle de langage de zéro ?
Les ordres de grandeur sont considérables. Le modèle Kolibri, publié en octobre 2026 par l'éditeur allemand Aleph Alpha, a été pré-entraîné pendant 21 jours sur 768 GPU NVIDIA B200, avec environ 24 000 milliards de tokens au total. Peu d'acteurs disposent de tels moyens et de tels volumes de données.
Peut-on adapter un modèle existant à la darija ?
Oui. Les modèles Atlas-Chat, consacrés à la darija marocaine, ont été obtenus en ajustant des modèles ouverts existants avec environ 458 000 exemples d'instructions. Ils dépassent sur la darija des modèles généralistes plus grands. La même démarche est envisageable pour la darija algérienne, à condition de réunir les données.
Une entreprise doit-elle attendre un modèle algérien pour lancer un projet d'IA ?
Non. Un assistant documentaire s'appuie sur un modèle ouvert hébergé sur site et répond à partir des documents de l'entreprise. Ce qui compte est d'évaluer ce modèle sur ses propres questions, dans ses langues, avant de le déployer.
Quel est le principal obstacle à un modèle de langage algérien ?
Les données. Les textes et enregistrements en darija et en tamazight restent rares, dispersés et peu annotés, et les jeux d'évaluation publics manquent. Leur collecte doit respecter la loi 18-07 sur les données personnelles. La puissance de calcul et le financement viennent ensuite.
Sources
- IT Mag, feuille de route interministérielle pour la stratégie nationale de l'IA, 5 août 2026
- Aleph Alpha, « Kolibri has landed », octobre 2026
- Atlas-Chat, adaptation de grands modèles de langage à la darija marocaine, arXiv 2409.17912
- DziriBERT, un modèle de langue pour le dialecte algérien, arXiv 2109.12346