La mission IndiaAI a dévoilé trois modèles de fondation maison à New Delhi le 3 novembre 2026 : EKA-1 de Soket Labs, et Dhīr 2B et Dhīr 5B de ZenteiQ. Cette sortie a été présentée par le secrétaire du ministère de l'Électronique et des Technologies de l'information (MeitY), S. Krishnan, aux côtés de hauts responsables du MeitY et d'IndiaAI, et elle constitue une déclaration délibérée d'autonomie technologique — des modèles construits en Inde, pour les langues indiennes, et pour des contextes où envoyer des données vers un cloud lointain n'est pas toujours souhaitable ni possible.

Les trois modèles ne sont pas trois versions de la même idée. EKA-1 est le poids lourd : Soket Labs le décrit comme un modèle de langage hybride ouvert et clairsemé de 26,3 milliards de paramètres, entraîné sur environ 7 500 milliards de tokens, couvrant les 22 langues de la huitième annexe de la Constitution indienne en plus de l'anglais. Le PDG de Soket, Abhishek Upperwal, a indiqué que le modèle a été adapté au paysage indien de la banque, des services financiers et de la cybersécurité, visant l'analyse de documents, l'aide à la conformité et les flux de sécurité internes articulés autour du langage réglementaire indien et de la communication client multilingue. Point important : l'annonce de lancement n'établit pas qu'EKA-1 a déjà été adopté par des banques ou déployé dans des systèmes opérationnels de cyberdéfense — cela reste à prouver.

Dhīr 2B et 5B adoptent l'approche inverse. Les modèles de ZenteiQ sont des assistants multilingues open source et légers, prenant en charge l'anglais et 10 langues indiennes, conçus pour être déployés en toute sécurité sur site et pour fonctionner hors ligne, y compris sur des téléphones mobiles sans connexion cloud. Cette conception convient aux environnements de défense, gouvernementaux, industriels et éducatifs, ainsi qu'aux zones à connectivité faible ou peu fiable, où l'automatisation documentaire, la recherche de connaissances et les services aux citoyens doivent continuer à fonctionner. Les petits modèles changent aussi l'équation des coûts : ils peuvent tourner sur du matériel qu'une organisation possède déjà, plutôt que de louer de l'inférence à grande échelle pour chaque requête.

Ensemble, ces trois modèles esquissent une stratégie nationale à deux vitesses — de grands modèles pour le raisonnement complexe et le travail d'agents, de petits modèles pour les usages sensibles en matière de confidentialité, à faible connectivité et à coûts contraints — développée dans le cadre du pilier IndiaAI Innovation Centre (Foundation Models), avec un accès promis via des plateformes comme AIKosh pour les chercheurs, les étudiants et les innovateurs. La réserve honnête : le gouvernement n'a pas fourni de résultats de benchmarks indépendants complets comparant ces modèles aux alternatives internationales établies, et les chiffres détaillés de déploiement ne sont pas encore disponibles. Le vrai test viendra quand les chercheurs pourront essayer les modèles, publier des évaluations indépendantes et faire état de pilotes nommés dans la banque, l'administration ou l'éducation.

Sources