Qu’est-ce que Oumi ?
Oumi est une plateforme hébergée pour créer des modèles et des agents sur mesure et les améliorer au fil du temps. Sa pièce maîtresse est FAiE, l'agent Frontier AI Engineer : vous décrivez la tâche en langage courant, et il propose des évaluateurs, mesure une base de référence, signale les lignes d'entraînement défectueuses, suggère une famille, une taille et une méthode d'entraînement, déploie un endpoint et regroupe les échecs en production pour qu'ils nourrissent le cycle suivant. Selon la documentation, il demande votre accord avant toute étape payante, sauf si vous activez Auto-approve.
Le 4 novembre 2026, Oumi a étendu FAiE des modèles aux agents. Vous définissez les outils de l'agent, les reliez à des versions simulées ou réelles, et évaluez ses décisions sur l'ensemble des appels d'outils et des tours de conversation ; Bring Your Own Harness permet à un agent qui tourne déjà ailleurs de garder son orchestration et de ne se connecter que pour l'évaluation et l'entraînement. L'apprentissage par renforcement GRPO pour les agents est en préversion privée.
Oumi PBC est basée à Seattle, a levé 10 millions de dollars en amorçage en janvier 2025 et s'appuie sur sa propre bibliothèque Apache 2.0 du même nom. Les recettes de la plateforme tournent sur cette bibliothèque, ce qui fonde l'affirmation d'Oumi selon laquelle les poids, les données et les recettes vous appartiennent et que vous pouvez partir avec.
Combien coûte Oumi ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Free | $0 | Jusqu'à 50 $ de crédits pendant 3 mois ; évaluation, synthèse de données et fine-tuning LoRA/QLoRA |
| Pro | $25/month | 25 $/mois de crédits, puis paiement à l'usage ; distillation on-policy, tâches simultanées, inférence avec mise à l'échelle automatique, 1 téléchargement de poids par mois |
| Enterprise | Custom | Votre propre VPC ou sur site, capacité GPU dédiée avec SLA de débit, RL et pipelines sur mesure |
Free : 0 $ avec jusqu'à 50 $ de crédits pendant 3 mois (25 $ avec une adresse personnelle). Pro : 25 $/mois avec 25 $/mois de crédits inclus, puis paiement à l'usage, avec 1 téléchargement des poids du modèle par mois. Enterprise : sur devis, dans votre propre cloud ou sur site. Usage : agent FAiE à 6,25 $ par 1M de tokens en entrée et 31,25 $ par 1M en sortie ; évaluation à 1 $ les 1 000 jugements ; synthèse de données à 1 $ les 1 000 lignes ; fine-tuning de 0,49 $ à 6,00 $ par million de tokens d'entraînement selon la taille du modèle ; distillation on-policy à 2,90 $ (A100) ou 4,00 $ (H100) l'heure GPU ; inférence en production de 3,00 $ à 10,00 $ l'heure GPU.
Oumi vaut-il le coup ?
Votre bot de support tourne sur un modèle de pointe qui coûte trop cher par réponse et se trompe encore sur vos règles de remboursement. La solution habituelle, entraîner un modèle plus petit sur vos propres exemples, demande des gens qui savent construire des évaluations, nettoyer des données et choisir une méthode d'entraînement. La plupart des équipes n'en ont pas.
L'agent d'Oumi, FAiE, fait cette planification à votre place. Vous dites ce que le modèle ou l'agent doit faire, et il propose une manière de le noter, mesure où il en est, trouve les exemples sur lesquels il échoue, en génère d'autres du même type, entraîne un candidat et le compare à la base de référence. Chaque étape attend votre accord, sauf si vous activez Auto-approve. Depuis le 4 novembre, il fait de même pour les agents, en notant leurs appels d'outils sur toute une conversation, et un agent qui tourne déjà ailleurs peut y rester.
L'argument, c'est le coût. Selon les études de cas d'Oumi elle-même, un modèle de 3B a égalé Qwen3-235B en SQL pour un coût 10 fois moindre chez Kaizen Gaming. Ce sont les chiffres d'Oumi, pas des chiffres indépendants. La promesse la plus utile est la portabilité : les recettes tournent sur la bibliothèque open source d'Oumi, donc en principe vous pouvez reconstruire le modèle sans la plateforme.
L'entrée est bon marché. Pro coûte 25 $ par mois avec 25 $ de crédits. Le fine-tuning d'un modèle jusqu'à 16B paramètres coûte 0,49 $ par million de tokens d'entraînement, donc 10 millions de tokens d'exemples sur trois passes reviennent à environ 14,70 $. L'agent FAiE lui-même est facturé 6,25 $ par million de tokens en entrée et 31,25 $ par million en sortie, et chaque jugement d'évaluation coûte 1 $ les 1 000.
Le hic : ce qui est bon marché, c'est l'entraînement ; ce qui coûte, c'est de garder un modèle en ligne. Une H100 dédiée au service coûte 8,00 $ l'heure, environ 5 760 $ pour un mois allumée, et la grille la place au-dessus de la H200, plus récente, à 6,50 $, ce qui ressemble à une erreur. Pro autorise un téléchargement des poids du modèle par mois : partir avec vos poids est donc possible, mais rationné. Côté données, le centre de confiance liste des rapports SOC 2 Type 2, SOC 3 et HIPAA accessibles sur demande, et cite OpenAI, Anthropic, AWS et Google parmi les sous-traitants, mais Oumi ne publie aucune déclaration sur l'utilisation des données clients pour entraîner ses propres modèles. GRPO pour les agents est en préversion privée, et la page d'accueil affiche encore un texte provisoire là où devrait figurer l'économie réalisée par un client.
Notre avis : Oumi a du sens quand une seule tâche précise génère déjà une grosse facture de modèle et que vous savez décrire ce qu'est une bonne réponse. Pour une équipe qui veut ajuster ses prompts et suivre des traces, un outil de traçage comme Braintrust est le pas le plus court.
Là où il fait la différence
Une responsable produit chez un assureur de 40 personnes qui paie un modèle de pointe pour lire des déclarations de sinistre
Obtenir la même qualité d'extraction avec un modèle moins cher que nous contrôlons
Décrivez les champs à FAiE, chargez quelques centaines de formulaires annotés, laissez-le construire des évaluateurs et une base de référence, puis affinez un petit modèle ouvert. L'entraînement sous 16B paramètres coûte 0,49 $ par million de tokens ; le service sur une A100 dédiée coûte 3,00 $ l'heure, donc l'économie dépend du volume.
Un ingénieur dans une start-up de voyage dont l'agent de réservation choisit le mauvais outil
Comprendre pourquoi l'agent échoue et corriger le modèle, pas seulement le prompt
Connectez l'agent existant via Bring Your Own Harness, pour que son orchestration reste en place, et laissez FAiE noter les appels d'outils sur des conversations entières et transformer les échecs en données d'entraînement. L'apprentissage par renforcement avec GRPO nécessite une demande d'accès à la préversion privée.
Une data scientist de l'équipe d'analyse d'un hôpital qui ne peut pas envoyer de données patients à une API publique
Entraîner et faire tourner un modèle spécialisé dans notre propre compte cloud
Enterprise ajoute le déploiement dans votre propre VPC ou sur site, sur devis ; le centre de confiance liste un rapport HIPAA, disponible sur demande. Demandez la politique de conservation des données et les clauses contractuelles sur l'entraînement avant de charger des dossiers.
Avant de vous engager
- Mise en route
- Inscription en libre-service avec 50 $ de crédits pour une adresse professionnelle (25 $ pour une personnelle) ; décrivez une tâche à FAiE et il établit un plan, propose des évaluateurs et mesure une base de référence avant tout entraînement.
- Intégrations
- Modèles ouverts comme Qwen, Gemma, Llama, DeepSeek, GLM et Kimi hébergés par Oumi ; modèles OpenAI, Anthropic et Google via vos propres clés ou au prix du fournisseur ; endpoints déployés pour votre application ; agents d'autres harness via Bring Your Own Harness ; la bibliothèque open source Oumi et son serveur oumi-mcp.
- Données et confidentialité
- Le centre de confiance liste des rapports SOC 2 Type 2, SOC 3 et HIPAA et une politique de conservation des données, le tout accessible sur demande ; parmi les sous-traitants figurent ClickHouse, Google, OpenAI, Anthropic et AWS. Oumi ne publie aucune déclaration sur l'utilisation des données clients pour entraîner ses propres modèles. Enterprise peut tourner dans votre VPC ou sur site. Quels outils d’IA s’entraînent sur vos données ?
- Coût à grande échelle
- Entraîner coûte peu, servir non : un endpoint H100 dédié coûte 8,00 $ l'heure, environ 5 760 $ par mois s'il reste allumé, en plus des tokens de l'agent FAiE à 6,25 $/31,25 $ par million et des évaluations à 1 $ les 1 000 jugements.
- Limites
- La distillation on-policy tourne sur 8 GPU selon disponibilité ; Pro autorise 1 téléchargement de poids par mois ; GRPO pour les agents est en préversion privée ; plusieurs questions de la FAQ tarifaire du site n'ont pas encore de réponse.
Les points forts
- FAiE planifie évaluations, corrections de données et entraînements, avec accord à chaque étape payante
- Les recettes tournent sur la bibliothèque Oumi sous Apache 2.0, donc le travail est portable
- Fine-tuning dès 0,49 $ par million de tokens d'entraînement pour les modèles jusqu'à 16B
- Bring Your Own Harness évalue et réentraîne des agents qui tournent ailleurs
- Avec votre propre clé OpenAI, Anthropic ou Google, Oumi ne facture rien pour cette inférence
Les points faibles
- La création d'agents a été lancée le 4 novembre 2026 ; GRPO pour les agents est en préversion privée
- Pro n'autorise qu'1 téléchargement des poids du modèle par mois
- Neuf compteurs distincts dans la grille rendent la facture mensuelle difficile à prévoir
- Aucune déclaration publiée sur l'entraînement avec les données clients
- Les chiffres de performance viennent des études de cas d'Oumi
Idéal pour
Les équipes produit sans spécialistes ML qui veulent remplacer un modèle de pointe coûteux, sur une tâche précise et bien définie, par un modèle plus petit qui leur appartient.
Alternatives à Oumi
Oumi : questions fréquentes
- Oumi vaut-il le coup ?
- Oumi est une voie crédible pour qu'une équipe sans ingénieurs ML entraîne son propre modèle, mais les fonctions d'agents ont moins de deux semaines et la facture compte neuf compteurs distincts. Nous lui donnons 3.8 sur 5.
- Combien coûte Oumi ?
- Free : 0 $ avec jusqu'à 50 $ de crédits pendant 3 mois (25 $ avec une adresse personnelle). Pro : 25 $/mois avec 25 $/mois de crédits inclus, puis paiement à l'usage, avec 1 téléchargement des poids du modèle par mois. Enterprise : sur devis, dans votre propre cloud ou sur site. Usage : agent FAiE à 6,25 $ par 1M de tokens en entrée et 31,25 $ par 1M en sortie ; évaluation à 1 $ les 1 000 jugements ; synthèse de données à 1 $ les 1 000 lignes ; fine-tuning de 0,49 $ à 6,00 $ par million de tokens d'entraînement selon la taille du modèle ; distillation on-policy à 2,90 $ (A100) ou 4,00 $ (H100) l'heure GPU ; inférence en production de 3,00 $ à 10,00 $ l'heure GPU.
- Quels sont les inconvénients de Oumi ?
- La création d'agents a été lancée le 4 novembre 2026 ; GRPO pour les agents est en préversion privée; pro n'autorise qu'1 téléchargement des poids du modèle par mois; neuf compteurs distincts dans la grille rendent la facture mensuelle difficile à prévoir; aucune déclaration publiée sur l'entraînement avec les données clients; les chiffres de performance viennent des études de cas d'Oumi.
- À qui s’adresse Oumi ?
- Les équipes produit sans spécialistes ML qui veulent remplacer un modèle de pointe coûteux, sur une tâche précise et bien définie, par un modèle plus petit qui leur appartient.
- Combien coûte Oumi pour une équipe ou en production ?
- Entraîner coûte peu, servir non : un endpoint H100 dédié coûte 8,00 $ l'heure, environ 5 760 $ par mois s'il reste allumé, en plus des tokens de l'agent FAiE à 6,25 $/31,25 $ par million et des évaluations à 1 $ les 1 000 jugements.
- Oumi est-il sûr pour les données de l’entreprise ?
- Le centre de confiance liste des rapports SOC 2 Type 2, SOC 3 et HIPAA et une politique de conservation des données, le tout accessible sur demande ; parmi les sous-traitants figurent ClickHouse, Google, OpenAI, Anthropic et AWS. Oumi ne publie aucune déclaration sur l'utilisation des données clients pour entraîner ses propres modèles. Enterprise peut tourner dans votre VPC ou sur site.
- Quelles sont les meilleures alternatives à Oumi ?
- Les alternatives les plus proches que nous avons testées sont Together AI, Fireworks AI et Braintrust.
Réponses vérifiées le 16 nov. 2026.