Giotto.ai, une société de Lausanne, a lancé le 27 octobre 2026 Giotto Alto et Giotto Solo, deux modèles présentés comme « les modèles d'IA souveraine européens les plus intelligents du marché ». L'hébergement européen, l'éditeur suisse et l'offre installable sur un seul GPU sont réels. Les performances, elles, reposent sur quatre benchmarks auto-déclarés que personne ne peut vérifier de façon indépendante.
Une PME française a déjà accès, avec des données traitées dans l'Union européenne, à des modèles dont les scores mesurés par des évaluateurs tiers dépassent ceux annoncés par Giotto. Le choix ne se joue donc pas sur le score affiché, mais sur trois questions : où sont traitées vos données, quel droit s'applique au fournisseur, et qui peut auditer le modèle.
En résumé
- ✓ Ce qui est réel : un éditeur suisse, un hébergement européen, un accès gratuit, une version qui tourne sur un seul GPU.
- ✓ Ce qui reste à vérifier : quatre benchmarks auto-déclarés, une origine du modèle non documentée, une clause qui interdit de publier un benchmark.
- ✓ Déjà disponibles avec traitement dans l'UE : Claude Opus 5, GPT-5.6 et Mistral Large 4, plus Kimi K3 chez des hébergeurs européens, chacun avec ses limites de souveraineté.
- ✓ La bonne méthode : tester 20 à 50 de vos propres cas, pas comparer des tableaux de scores.
Giotto Alto et Solo : ce qui a été annoncé le 27 octobre
Giotto.ai a présenté sa gamme le 27 octobre 2026, dans un message sur X et un communiqué diffusé par EQS. Deux modèles :
- Giotto Alto, le modèle de raisonnement phare. Il tourne sur huit GPU B300, sur un cloud européen, et il est gratuit sur cloud.giotto.ai et sur les applications iOS et Android.
- Giotto Solo, présenté comme « le modèle le plus intelligent qui tourne sur un seul GPU », pensé pour l'infrastructure propre du client.
Trois déploiements : cloud partagé européen (gratuit, ou API au forfait), cloud dédié en Suisse ou en Europe à la location mensuelle, et installation sur site sous licence annuelle, au prix fixé selon les GPU. Aucun tarif public. Le communiqué insiste sur l'absence de dépendance américaine (« no US dependency »).
L'équipe n'est pas une nouvelle venue. Fondée en 2017 par d'anciens étudiants en mathématiques de l'EPFL et dirigée par Aldo Podestà, Giotto.ai SA a terminé 2e du concours ARC-AGI en 2025 (11e en 2024). Elle vendait surtout à des organismes publics et des entreprises suisses, et affiche une certification ISO/IEC 27001:2022.
Benchmarks de Giotto : ce qui tient, ce qui reste à vérifier
Les chiffres de Giotto sont invérifiables en l'état : quatre tests, choisis et mesurés par l'éditeur. Ce qui suit n'est pas une accusation, ce sont les questions qu'un acheteur doit poser à n'importe quel modèle.
Quatre tests, dont deux proches du plafond
| Benchmark (auto-déclaré) | Alto | Solo | Comparé à |
|---|---|---|---|
| AIME 2026 (30 questions) | 100 % | 96,6 % | GPT 5.5, Claude Opus 4.8, Gemini 3.1 Pro, Kimi K3 |
| GPQA-Diamond | 91,9 % | 88,3 % | GPT 6 Astra, Claude Fable 5.1, Gemini 3.8 Flash |
| HLE (Humanity's Last Exam) | 52 % | 37,5 % | Claude Fable 5.1, Gemini 3.8 Flash |
| Math-500 | 99,8 % | 99,8 % | GPT 5, Claude Sonnet 4 (mai 2025) |
Math-500 est saturé : à 99,8 %, il ne distingue plus les bons modèles entre eux. AIME est un concours de 30 questions où plusieurs modèles frôlent déjà le maximum. Les modèles de comparaison changent d'un test à l'autre, et le dernier oppose Giotto à Claude Sonnet 4, sorti en mai 2025.
Surtout, rien ne mesure ce qui compte en entreprise : agents, code, documents longs, appel d'outils, qualité en français.
Absent des classements indépendants
Au 28 octobre 2026, Giotto n'apparaît pas sur benchlm.ai. Sur GPQA-Diamond, les dix premiers du classement vont de 93,5 % (Kimi K3) à 96 % (GPT-6 Astra), au-dessus des 91,9 % annoncés pour Alto. Sur HLE, Kimi K3 est à 56 %, Claude Opus 5 à 64,7 % et Kimi K3.1 Pro à 70 %, contre 52 % pour Alto.
Comparer un score auto-déclaré à un classement tiers reste imparfait, car les protocoles diffèrent. C'est justement le problème quand aucun tiers ne peut mesurer, ce que rappelle aussi une note de contexte de la communauté sous le message de lancement. Notre guide pour évaluer un LLM en entreprise détaille pourquoi ces tests publics disent peu de vos usages.
L'origine du modèle et la clause anti-benchmark
Giotto ne publie ni ses poids, ni son architecture, ni son nombre de paramètres, ni son modèle de base. Dans les heures qui ont suivi le lancement, des utilisateurs ont publié des captures où Alto, interrogé sur son identité, répond être un modèle Kimi de Moonshot AI servi sous le nom « giotto-model » (relayé ici). Giotto n'a pas commenté publiquement à ce jour.
Une auto-identification n'est pas une preuve : un modèle entraîné sur des réponses d'un autre peut se tromper sur sa propre identité. C'est un signal compatible avec un modèle construit sur les poids ouverts de Kimi, ou affiné et distillé à partir de lui. Sans poids publiés, personne ne peut trancher.
Ce serait d'ailleurs légal : la licence de Kimi K3 n'exige un accord séparé qu'au-delà de 20 millions de dollars de chiffre d'affaires annuel tiré de sa revente en API, et une mention « Kimi K3 » visible qu'au-delà de 100 millions d'utilisateurs mensuels. Le chercheur Alexander Doria l'a d'ailleurs rappelé sur X le 27 octobre : K3 est sous « une licence sur mesure, qui exige un accord dédié avec divulgation complète au-delà de 20 millions de chiffre d'affaires ». Bâtir sur un bon modèle ouvert et l'héberger proprement en Europe a de la valeur. Le sujet est la transparence, et ce que recouvre le mot « souverain ».
Dernier point, signalé par Alexander Doria sur X avec une capture de l'article 4.1 du contrat de licence de Giotto. Parmi les restrictions imposées à l'utilisateur :
Contrat de licence Giotto.ai, article 4.1
« ii) reverse engineer, decompile, disassemble, extract, replicate, reconstruct the Model or attempt in any way to derive the Model source code, parameters or architecture; »
« vi) benchmark the Model for publication without Giotto.ai's prior written consent; »
Autrement dit : interdit de chercher à reconstituer l'architecture ou les paramètres du modèle, et interdit de publier un benchmark sans accord écrit. Le commentaire d'Alexander Doria tient en deux mots : « Wonder why. » (on se demande bien pourquoi).
Ces clauses existent ailleurs dans des contrats de logiciel. Mais pour un modèle qui se vend sur ses scores et sur la souveraineté, elles produisent un effet précis : ni l'origine du modèle ni ses performances ne peuvent être vérifiées publiquement par un tiers sans l'accord de l'éditeur.
IA européenne : quels modèles plus performants tournent déjà dans l'UE ?
Fin octobre 2026, une PME peut déjà utiliser, avec des données traitées dans l'Union européenne, des modèles dont les scores indépendants dépassent ceux annoncés pour Alto. Chacun se situe à un niveau de souveraineté différent.
| Modèle | Où | Traitement dans l'UE | Droit du fournisseur | Poids auditables | Repère (benchlm, 28/10) |
|---|---|---|---|---|---|
| Giotto Alto | Cloud Giotto (Europe, Suisse) | Annoncé | Suisse | Non | Non classé (auto-déclaré : GPQA 91,9 %, HLE 52 %) |
| Claude Opus 5, Sonnet 5 | Amazon Bedrock, profil d'inférence EU | Oui | États-Unis | Non (éditeur identifié) | Opus 5 : HLE 64,7 % |
| GPT-5.6 Sol, GPT-5.5 | Microsoft Foundry, EU Data Zone Standard | Oui | États-Unis | Non (éditeur identifié) | GPT-5.6 Sol : GPQA 94,6 % |
| Kimi K3 | Nebius (Amsterdam), Lyceum (Berlin) | À obtenir par écrit | Fournisseur européen, éditeur chinois | Oui | GPQA 93,5 %, HLE 56 % |
| Mistral Large 4 | API Mistral, Europe | Oui | France | Annoncés pour le 31 octobre 2026 | Sous les modèles ci-dessus |
Sources : profil EU de Bedrock (eu.anthropic.claude-opus-5), Data Zone UE de Foundry, fournisseurs européens de Kimi K3. Kimi K3 y coûte environ 3 $ en entrée et 15 $ en sortie par million de tokens (octobre 2026). Avec environ 1,4 To en FP4, il ne tient pas sur un nœud H100, d'où son absence chez OVHcloud, Scaleway ou IONOS.
Deux pièges. Les modèles les plus récents n'ont pas toujours leur version européenne : Claude Fable 5.1 n'a pas de profil EU sur Bedrock, GPT-6 Astra pas de Data Zone UE, et Gemini 3.1 Pro n'offre qu'un point d'accès global sur Vertex AI. Et Mistral Large 4, s'il reste moins fort au sommet que ces modèles, suffit pour l'extraction, le classement ou l'assistant documentaire.
IA souveraine : la grille à trois niveaux pour une PME française
« Souverain » recouvre trois questions, à poser séparément à chaque fournisseur, Giotto compris.
- Où sont traitées les données ? Datacenter dans l'UE, garanti par contrat, pas seulement annoncé.
- Quel droit s'applique au fournisseur ? Bedrock et Foundry traitent les données en Europe, mais Amazon et Microsoft restent soumis au CLOUD Act américain. C'est le vrai avantage d'un acteur suisse comme Giotto ou français comme Mistral. La Suisse est hors UE, mais elle bénéficie d'une décision d'adéquation de la Commission européenne, confirmée lors du réexamen de janvier 2024.
- D'où viennent les poids, et qui peut les auditer ? Un modèle d'origine chinoise hébergé en Europe n'envoie pas de données en Chine. La question est celle d'une provenance non auditée, pas d'un transfert.
Ce troisième niveau a fait débat le jour du lancement. Dans le fil ouvert par Alexander Doria, un utilisateur a résumé une position que nous partageons largement, et Alexander Doria lui a répondu :
Échange sur X, 27 octobre 2026 (traduit de l'anglais)
« Je ne pense pas que post-entraîner des modèles chinois fasse vraiment avancer la souveraineté européenne. »
« Si seulement on les post-entraînait sérieusement… »
Un utilisateur de X, puis la réponse d'Alexander Doria (voir le fil)
Les deux remarques se rejoignent. Partir d'un modèle ouvert n'a rien de honteux, presque tout le monde le fait. Pour qu'il y ait souveraineté au sens fort, il faut un vrai travail sur le modèle, documenté, et une provenance que l'acheteur peut connaître. Héberger en Europe un modèle conçu ailleurs règle le niveau 1, pas le niveau 3.
Notre comparatif Copilot ou IA souveraine française détaille le volet CLOUD Act, et la checklist RGPD et souveraineté reprend les contrôles contractuels.
Cabinet comptable ou d'avocats
Bilans, liasses, dossiers contentieux : ces données relèvent du secret professionnel, et le niveau 2 compte autant que le niveau 1. Un fournisseur européen ou suisse a un vrai argument, à condition de pouvoir dire au client quel modèle traite son dossier.
Sous-traitant aéronautique ou défense
Les donneurs d'ordre exigent souvent la traçabilité de toute la chaîne logicielle. Ici, le niveau 3 devient bloquant : un modèle à poids publiés, hébergé sur un serveur interne ou chez un hébergeur français, passe plus facilement un audit qu'un modèle fermé dont la provenance n'est pas écrite. Notre panorama des LLM open source en entreprise liste les candidats.
À retenir
Pour la plupart des PME, la question n'est pas « quel modèle a le meilleur score », mais « quel modèle, à quel niveau de souveraineté, pour quel cas ». Les données courantes vont souvent sur un modèle américain traité dans l'UE, les données sensibles sur un fournisseur européen ou un modèle hébergé chez vous. C'est ce choix par flux que structure notre offre d'IA souveraine.
Quoi faire lundi avant de choisir un modèle souverain
- Demander par écrit l'origine des poids et la fiche du modèle : modèle de base, données d'entraînement, lieu de traitement, sous-traitants.
- Tester sur 20 à 50 de vos propres cas (contrats, emails, dossiers) plutôt que sur AIME. Mesurer le taux de réussite, le coût par tâche et la latence.
- Lire les conditions d'utilisation, en particulier l'usage des données saisies dans la version gratuite et la clause sur les benchmarks.
- Mettre en face un modèle documenté avec traitement dans l'UE (Claude Opus 5 sur Bedrock, GPT-5.6 sur Foundry, Mistral Large 4), sur le même jeu de cas. Notre guide pour choisir un modèle d'IA pour automatiser aide à composer la liste.
- Ne rien migrer sur la foi d'un tableau de scores, celui de Giotto comme celui d'un autre éditeur.
Vous hésitez entre plusieurs modèles hébergés en Europe ?
On rejoue vos cas sur plusieurs modèles hébergés en Europe, à prompt et données identiques, avant de choisir. Vous voyez la qualité, le coût par tâche et le niveau de souveraineté de chacun.
