Red Hat · 28 octobre 2026 · Data & AI
Atos utilise Red Hat AI pour créer des modèles spécialisés au service d’une IA souveraine
Atos utilise Red Hat AI dans un projet d’analyse de contenus de réseaux sociaux en allemand selon 14 catégories, notamment des indicateurs de contenus nuisibles. L’article présente cette démarche dans le contexte de la souveraineté de l’IA, qui implique de maîtriser les données, l’infrastructure et l’adaptation des modèles.
Ce qui est annoncé
Red Hat présente un projet dans lequel Atos utilise Red Hat AI pour spécialiser de petits modèles dans l’analyse de contenus de réseaux sociaux principalement rédigés en allemand. Le traitement vise à répartir les informations dans 14 catégories, notamment pour repérer des indices de contenus préjudiciables, et à restituer les résultats selon une structure JSON définie. Atos s’appuie sur la génération de données synthétiques pour constituer les jeux d’entraînement nécessaires à cet ajustement, tout en recherchant la maîtrise des données, des modèles et du processus d’entraînement.
Les évaluations rapportées montrent que Phi-4 Mini, après ajustement, améliore son score global jusqu’à 26,4 % par rapport à ses versions de référence et atteint environ 99 % de sorties JSON valides, sans dispositif supplémentaire imposant le format. Sur cette tâche précise, le modèle Qwen 2.5 7B ajusté dépasse GPT-4.1, tandis que Phi-4 Mini s’en approche. Ces résultats concernent le cas étudié et ne démontrent pas une supériorité générale des petits modèles.
Ce que ça change pour les entreprises
Pour les DSI, ce retour d’expérience invite à distinguer deux besoins : apporter des connaissances au modèle, notamment par le RAG, ou modifier son comportement pour une tâche spécialisée. Lorsqu’un système attend des informations extraites dans un format stable, l’ajustement du modèle peut être une piste à évaluer. La régularité des réponses structurées reste alors un critère important pour l’intégration aux traitements existants.
Le projet a été conçu en envisageant potentiellement des millions d’enregistrements quotidiens : le coût d’inférence et la latence sont donc des paramètres de choix. Un modèle plus petit mérite d’être comparé aux solutions généralistes sur le besoin réel, sans présumer du résultat. La souveraineté porte aussi sur la capacité à adapter les modèles et à choisir leur infrastructure d’exécution, au-delà de la seule localisation des données.
Comment UNEETY peut vous accompagner
Une ESN comme UNEETY peut accompagner le cadrage des usages, la définition des critères d’évaluation et l’intégration de modèles spécialisés au système d’information. Cet accompagnement peut également couvrir la sécurisation des données et des traitements, ainsi que l’adoption par les équipes IT.
Découvrez notre offre Data & AI ou contactez-nous.
Source : annonce Red Hat du 28 octobre 2026.