La startup française H Company a publié le 28 septembre sur Hugging Face la série de modèles Holo4, conçue spécifiquement pour les « agents de pilotage d'ordinateur » : lire une capture d'écran, cliquer à la souris, taper au clavier, et aussi appeler du code, des serveurs MCP et des API pour accomplir des tâches. Cette génération compte deux versions principales : Holo4-27B, un modèle dense de 27 milliards de paramètres, et Holo4-35B-A3B, un modèle à mélange d'experts totalisant 35 milliards de paramètres dont environ 3 milliards sont activés à chaque inférence. Les poids sont publiés sous licence Apache 2.0.
Il existe aussi un Holotron4 Nano, entraîné à partir du Nemotron 3 Nano Omni de Nvidia, avec une configuration 30B-A3B.
H Company a son siège à Paris, a été fondée en 2024 par une équipe comptant plusieurs anciens chercheurs de DeepMind, et a levé environ 220 millions de dollars en amorçage dès sa première année. La série Holo est sa ligne de produits principale ; selon le blog officiel, Holo4 a été entraîné en poursuivant l'entraînement de la génération précédente.
Scores et positionnement
H Company s'appuie principalement sur OSWorld 2.0, un benchmark qui évalue les modèles sur des tâches multi-étapes dans un véritable environnement de bureau. Comparaison publiée sur le blog officiel :
- Holo4-27B : 61,7 %
- Claude Opus 5.5 : 81,8 %
- Claude Opus 5 : 70,2 %
- GPT-5.6 Sol : 66,2 %
Ces chiffres montrent que Holo4-27B se rapproche déjà du modèle propriétaire phare de la génération précédente, tout en accusant un net retard sur Opus 5.5, actuellement le plus performant. Selon H Company, sur les tâches à long déroulement, Holo4 « ne serait devancé que par les quelques modèles propriétaires les plus puissants », avec un nombre de paramètres inférieur de plusieurs ordres de grandeur et un coût par tâche bien plus bas.
Les chiffres de coût figurent dans la fiche du modèle : Holo4-35B-A3B obtient 34,5 % sur AutomationBench, pour environ 0,02 dollar par tâche. Pour les autres modèles cités dans le blog, le coût par tâche n'apparaît que sous forme de graphique, sans valeur précise.
Les démonstrations couvrent la modélisation 3D, la conception de jeux vidéo et l'automatisation de processus métier en entreprise. Tous ces scores ont été obtenus dans le cadre de test propre à H Company, qui précise que le modèle doit être utilisé avec son propre framework d'exécution hai-agents ; aucune reproduction indépendante des résultats n'est disponible pour l'instant.
Ce que cela représente pour les développeurs chinois
D'abord, sur les fondations : la fiche du modèle Holo4-35B-A3B indique que son socle est Qwen3.6-35B-A3B d'Alibaba, avec une fenêtre de contexte maximale de 262 144 tokens. Les équipes chinoises connaissent déjà bien le déploiement, la quantification et l'optimisation d'inférence de cette architecture ; en reprenant les poids de Holo4, la chaîne d'outils n'a quasiment rien à changer.
Ensuite, la question de l'exécution locale. Holo4-27B est proposé dans plusieurs formats — BF16, FP8, NVFP4 et Q4 GGUF — et une fois quantifié en 4 bits, il pourrait tenir sur une carte graphique grand public de 24 Go de VRAM ; c'est une estimation approximative, le résultat réel dépendant de la résolution des captures d'écran et de la longueur du contexte. Le modèle 35B-A3B, qui n'active qu'environ 3 milliards de paramètres à chaque appel, a l'avantage côté vitesse d'inférence.
Les agents de pilotage d'ordinateur ont un problème incontournable : ils doivent capturer l'écran en continu et l'envoyer au modèle. Avec des modèles propriétaires comme Opus ou GPT, ces captures doivent transiter par un cloud situé à l'étranger — une contrainte que beaucoup d'environnements internes dans la finance, l'administration ou l'industrie n'acceptent pas. La licence Apache 2.0 autorisant l'usage commercial et la modification, un modèle open source capable de tourner en local et de dépasser les 60 % de score offre une option réellement utilisable dans ces cas de figure.
H Company propose par ailleurs un service hébergé via sa propre API H Models, dont le tarif n'a pas encore été annoncé.
Sources : blog officiel de H Company, fiche modèle Hugging Face, CocoLoop ; le score OSWorld 2.0 se base sur le blog de H Company, et le score AutomationBench ainsi que le coût par tâche sur la fiche modèle — chiffres communiqués par le fabricant.