L’Inde pousse ses premiers modèles d’IA indigènes sur le devant de la scène

L’IndiaAI Mission a dévoilé le 3 novembre à New Delhi trois modèles de fondation indigènes : EKA-1, développé par Soket AI Labs, et Dhīr 2B ainsi que Dhīr 5B, signés ZenteiQ AiTech Innovations. Pensés pour des usages allant des services publics à la cybersécurité, ils marquent une étape dans la stratégie indienne d’autonomie en intelligence artificielle. Le sujet compte aussi pour les entreprises et les administrations, car ces modèles sont conçus pour fonctionner localement, sans dépendre en permanence du cloud.

Des modèles calibrés pour l’Inde, pas pour faire joli dans une démo

EKA-1 est présenté comme un modèle hybride sparse de 26,3 milliards de paramètres, entraîné sur environ 7,5 billions de tokens. Il prend en charge les 22 langues officielles indiennes ainsi que l’anglais, avec des capacités en mathématiques, en code, en raisonnement et en applications agentiques. Soket AI Labs dit l’avoir conçu pour les besoins du secteur bancaire, des services financiers et de la cybersécurité. Abhishek Upperwal, CEO de Soket AI Labs, a déclaré : « With the support of the IndiaAI Mission, we have developed an advanced AI model specifically tailored to India's unique banking, financial services and cybersecurity landscape. It is designed to address sector-specific requirements, understand India's evolving digital ecosystem, and deliver solutions aligned with the country's needs and priorities, »

En face, Dhīr 2B et Dhīr 5B sont des assistants open source multilingues pensés pour le déploiement sur site et hors ligne dans les secteurs public, de la défense, de l’industrie et de l’éducation. ZenteiQ dit prendre en charge l’anglais et 10 langues indiennes. Les modèles visent l’automatisation documentaire, la recherche d’information et les services aux citoyens comme aux entreprises. Prof Sashikumar, CEO de ZenteiQ AiTech Innovations, a expliqué : « Models like Dhīr 2B and Dhīr 5B offer the flexibility to run across different computing platforms, including GPUs and TPUs. Their lightweight architecture also enables on-device deployment on mobile phones, without dependence on cloud connectivity, » puis : « This allows users to access AI capabilities locally while keeping data on their devices, enhancing privacy, security and accessibility, »

Ce que change le mode hors ligne pour les usages publics et industriels

Le choix du déploiement local n’est pas anodin. Dans les administrations, les armées, les usines ou les établissements d’enseignement, la connexion permanente au cloud n’est pas toujours possible, ni souhaitée. Des modèles capables de tourner sur des infrastructures variées, y compris sur mobile, réduisent la dépendance réseau et gardent les données plus près de leur source. C’est moins glamour qu’une démonstration en salon, mais souvent bien plus utile.

Les trois modèles ont été développés par des équipes sélectionnées dans le cadre du pilier Foundation Models du IndiaAI Innovation Centre. La mission publique a fourni un accès à une infrastructure nationale de calcul subventionnée, ainsi qu’un soutien pour les dépenses de recherche. S Krishnan, secrétaire au ministère indien de l’Électronique et des Technologies de l’Information, a estimé que ces modèles indigènes renforceraient l’autonomie technologique de l’Inde en IA et ouvriraient des gains de productivité pour le gouvernement, l’industrie, la recherche et l’éducation. Il a aussi cité AIKosh, la plateforme IndiaAI sur laquelle ces modèles pourront être mis à disposition de chercheurs, d’étudiants et de développeurs.

Une première vitrine pour une filière locale encore en construction

Sudeep Shrivastava, COO de IndiaAI, a présenté ces sorties comme le signe d’une montée en gamme de l’IA indienne, depuis des systèmes légers destinés aux usages du quotidien jusqu’à des modèles pensés pour des applications d’entreprise plus complexes. Le message est lisible : l’Inde veut montrer qu’elle ne se contente plus d’intégrer des modèles venus d’ailleurs, mais qu’elle peut aussi en produire pour ses propres besoins linguistiques, institutionnels et industriels. Reste maintenant à voir quels acteurs adopteront ces systèmes à grande échelle, et à quel rythme [à vérifier].