Poids téléchargeables
Le modèle peut être exploité sans dépendre exclusivement d’un point d’inférence hébergé par Cohere.
Modèles d’IA canadiens
L’origine du modèle compte, mais ne suffit pas à définir la souveraineté.
Le Canada possède son propre écosystème de modèles de fondation, auquel appartient l’entreprise d’IA Cohere. Un modèle canadien peut réduire certaines dépendances externes, mais il faut encore décider où l’exécuter, où traiter les données et qui maîtrise l’architecture.
Underlabs évalue le système dans son ensemble, et non seulement la marque du modèle.
Le modèle dans le système
Le LLM compte, mais ne constitue pas tout le système.
Un grand modèle de langage interprète le langage, raisonne à partir de l’information et génère des réponses. Dans un système d’entreprise, il fonctionne habituellement avec une application, des données internes, des outils et des systèmes d’affaires.
La souveraineté dépend de tout ce parcours, et non seulement du nom du modèle.
- 01Utilisateur
- 02Application
- 03Données et récupération
- 04Modèle de langage
- 05Outils et systèmes
- 06Réponse ou action
Une capacité canadienne bien réelle
Le Canada développe aussi des modèles de fondation.
Le Canada possède aussi sa propre capacité en technologies d’IA. Sa stratégie nationale actuelle considère les modèles de fondation, le calcul souverain et l’infrastructure nationale comme des capacités stratégiques. Elle présente Cohere, fondée à Toronto en 2019, comme une entreprise canadienne de modèles de pointe axée sur les usages d’entreprise et gouvernementaux.
Ce contexte confirme l’existence d’une capacité commerciale canadienne. Il ne signifie pas pour autant qu’un modèle canadien convient à chaque système.
Cohere comme étude de cas
Command A+ illustre l’intérêt architectural des poids ouverts.
En septembre 2026, la documentation officielle décrit Command A+ comme un modèle à mélange clairsemé d’experts destiné aux charges d’entreprise, avec raisonnement, outils, sorties structurées, entrées texte et image et prise en charge multilingue.
Licence permissive
Il est publié sous licence Apache 2.0, ce qui offre une grande souplesse de déploiement. Il ne s’agit pas d’un avis juridique.
Déploiement privé efficace
Cohere documente une configuration minimale W4A4 comprenant un B200 ou deux H100, soit un besoin matériel relativement contenu pour un modèle de cette échelle.
Capacités d’entreprise
Le raisonnement, les outils, les sorties structurées, le multilinguisme et une fenêtre de contexte de 128 000 jetons sont pertinents pour les systèmes d’affaires.
Fiche vérifiée : lancé le 20 mai 2026; 218 milliards de paramètres au total et environ 25 milliards actifs; sortie texte; sortie maximale de 64 000 jetons; 48 langues, dont le français. Documentation officielle de Command A+.
Des termes précis
Des poids ouverts ne signifient pas toujours que le logiciel est libre.
Poids ouverts
Les paramètres entraînés du modèle peuvent être téléchargés et exécutés indépendamment.
Code source ouvert
Selon le contexte, le terme peut impliquer une ouverture plus large du code, des poids, de la méthode d’entraînement, des données ou de la licence.
Cohere décrit Command A+ comme open source et le publie sous Apache 2.0. Underlabs emploie néanmoins le terme plus précis « modèle à poids ouverts » lorsqu’il est question de télécharger et de déployer les paramètres.
Origine et déploiement
Modèle canadien ≠ système d’IA canadien.
La nationalité du modèle et le contrôle de son inférence sont deux décisions distinctes.
OrigineDéploiement
Exécuté à l’externe
Exécuté en privé au Canada
Modèle canadien
Modèle canadien, inférence externe
Origine canadienne, mais infrastructure et inférence toujours gérées à l’externe.
Modèle canadien, calcul canadien privé
Peut combiner développement canadien, résidence, inférence privée et contrôle de l’infrastructure.
Modèle international
Modèle international, API externe
Souvent le déploiement le plus simple, avec une excellente capacité, mais une inférence contrôlée à l’externe.
Modèle international à poids ouverts, calcul canadien privé
Origine non canadienne, avec résidence canadienne et inférence contrôlée par le client.
La souveraineté est architecturale. La nationalité du modèle est une variable à l’intérieur de cette architecture.
Cinq aspects à distinguer
La nationalité du modèle ne détermine pas celle des données.
Ces distinctions rendent les exigences vérifiables et évitent de transformer un choix de fournisseur en promesse de souveraineté.
Origine du modèle
Où le modèle a-t-il été développé?
Résidence des données
Où résident les renseignements de l’organisation?
Lieu d’inférence
Où le modèle s’exécute-t-il réellement?
Maîtrise de l’infrastructure
Qui maîtrise les ressources de calcul?
Maîtrise des opérations
Qui peut accéder au système, le modifier ou le désactiver?
Ces cinq aspects exigent des réponses distinctes.
Quand l’origine compte
L’origine est un critère de plus, pas une réponse en soi.
L’origine canadienne peut avoir une valeur stratégique, opérationnelle ou d’approvisionnement, à condition que le modèle réponde d’abord aux besoins de la charge de travail.
Secteur public
La capacité nationale peut compter lorsque l’approvisionnement ou l’autonomie stratégique l’exige, sans rendre les modèles canadiens obligatoires.
Systèmes d’entreprise sensibles
Certaines organisations veulent réduire les dépendances étrangères dans leurs systèmes critiques.
Secteurs réglementés
La souplesse du déploiement et la maîtrise des données peuvent compter davantage que la nationalité du modèle.
Indépendance à long terme
Des poids téléchargeables peuvent permettre de continuer à exploiter un modèle sans dépendre exclusivement d’une API publique.
Exigences bilingues
La performance en français et en anglais doit être mesurée directement sur les tâches réelles.
Technologie canadienne
Une organisation peut préférer une technologie développée au Canada lorsque sa capacité répond au besoin.
Le meilleur modèle pour le travail
Un modèle international peut être le bon choix.
OpenAI, Anthropic, Google ou un autre fournisseur peut offrir de meilleurs résultats pour une tâche donnée : raisonnement, code, multimodalité, contexte, agents, coût, latence, outils ou écosystème.
Si les exigences de souveraineté permettent l’inférence externe, ce peut être la bonne architecture. Underlabs ne sacrifie pas la qualité du système au seul motif de la nationalité du modèle, sauf si les exigences du client justifient ce compromis.
- Capacité
- Qualité du raisonnement
- Exactitude
- Utilisation d’outils
- Langues
- Latence
- Contexte
- Confidentialité
- Licence
- Déploiement
- Matériel
- Coût
Évaluation en conditions réelles
Évaluez les modèles à partir des tâches réelles du client.
Les classements généraux donnent des repères. Ils ne mesurent pas nécessairement la qualité pour les documents, les outils, les formats, le vocabulaire et les types d’erreurs propres au système.
Underlabs compare l’exactitude, les hallucinations, le raisonnement, le français et l’anglais, les sorties structurées, l’utilisation d’outils, la latence, le coût, le matériel, la confidentialité et la souplesse du déploiement.
Model AModel BModèle canadienModèle privé
Comparer les résultats et les contraintesPrévoir la portabilité
Le meilleur modèle peut changer.
Le modèle le plus performant aujourd’hui peut ne plus l’être dans six mois. Une couche de service Underlabs peut réduire le couplage direct entre l’application et un fournisseur unique.
Un remplacement n’est jamais assuré d’être simple. Les API, les formats d’appel d’outils, les invites, les fenêtres de contexte et les sorties structurées diffèrent. L’abstraction réduit la dépendance inutile; elle ne supprime pas le travail d’intégration et d’évaluation.
ApplicationCouche IA Underlabs
CohereModèle externeModèle privé
Plus que les LLM
Une architecture peut combiner plusieurs modèles spécialisés.
Les embeddings, reclasseurs, modèles de vision, transcription, traduction, classification, OCR, code et autres modèles spécialisés peuvent mieux servir une étape précise que le LLM principal.
Petit modèle privé+récupération+règles d’affaires+outils
Pour une charge de travail bien délimitée, cette combinaison peut offrir un meilleur système d’affaires grâce à des coûts, une latence, une infrastructure et un contrôle plus prévisibles. Ce n’est pas une affirmation générale de supériorité sur les modèles de pointe.
Français et anglais
La prise en charge d’une langue doit être testée, pas présumée.
Command A+ documente le français parmi ses 48 langues. Cela ne prouve pas automatiquement une performance égale pour la terminologie d’affaires québécoise, le vocabulaire gouvernemental canadien, le service à la clientèle, le français québécois informel ou un domaine spécialisé.
Même tâche réelleEnglishFrançaisFrançais canadien, s’il y a lieuComparer les résultats
Processus de sélection Underlabs
Choisir à partir de résultats probants et préserver la capacité d’évolution.
L’expertise durable réside dans la sélection, l’évaluation, l’intégration et le déploiement privé de modèles, et non dans la dépendance à Cohere ou à un autre fournisseur.
- 01
Définir la charge de travail
Préciser le résultat attendu, les données, les outils et le coût d’une erreur.
- 02
Identifier les exigences de souveraineté
Décider ce qui doit rester au Canada et ce qui peut utiliser des services externes.
- 03
Présélectionner les modèles
Comparer des options canadiennes et internationales, privées et gérées, grandes et petites.
- 04
Évaluer les tâches réelles
Mesurer la qualité, les erreurs, les langues, les sorties structurées, les outils et la latence.
- 05
Évaluer l’infrastructure
Vérifier si le modèle peut réellement fonctionner dans l’environnement requis.
- 06
Comparer l’économie complète
Inclure l’inférence, les GPU, l’exploitation, l’ingénierie et la mise à l’échelle.
- 07
Intégrer avec discernement
Réduire la dépendance inutile sans prétendre que tous les modèles sont interchangeables.
- 08
Réévaluer
Reprendre les essais à mesure que les modèles et les besoins évoluent.
Du modèle au calcul
Un modèle déployable en privé doit encore fonctionner quelque part.
Le choix du modèle mène à la prochaine décision : capacité GPU, nuage canadien, centres de données privés, stockage, réseau et serveurs d’inférence. Le modèle ne peut pas être choisi indépendamment de l’environnement de calcul disponible.
Un modèle adapté à la charge de travail
Comparez les modèles qui répondent réellement à vos exigences.
Présentez-nous les tâches, les données, les langues, les outils, les contraintes d’infrastructure et le périmètre de souveraineté. Underlabs peut évaluer les options canadiennes et internationales sans imposer de fournisseur.