AI21 Labs : modèles Jamba, architecture hybride, Maestro et usages en entreprise

AI21 Labs est une entreprise israélienne d'intelligence artificielle installée à Tel-Aviv. Elle s'est fait connaître comme éditeur de modèles de langage pour les entreprises, avec une particularité technique : sa famille Jamba repose sur une architecture hybride qui associe des couches Transformer et des couches Mamba. Depuis 2026, l'entreprise se présente surtout comme un fournisseur d'outils pour orchestrer les agents IA et optimiser leur coût.

Elle a été fondée en 2017 par Yoav Shoham, chercheur en intelligence artificielle et professeur émérite à Stanford, Ori Goshen et Amnon Shashua, également cofondateur de Mobileye. Son premier produit grand public, l'assistant d'écriture Wordtune, sort en 2020. En 2021, elle présente Jurassic-1, un grand modèle de langage accessible par l'API d'AI21 Studio, suivi de Jurassic-2 en 2023. En mars 2024, elle publie Jamba, premier modèle hybride SSM-Transformer de taille industrielle, dont les poids sont distribués sous licence Apache 2.0. Suivent Jamba 1.5 (2024), 1.6 et 1.7 (2025), déclinés en versions Mini et Large, puis Jamba Reasoning 3B en octobre 2025 et la famille Jamba2 en janvier 2026. En parallèle, l'entreprise lance en 2025 Maestro, un système d'orchestration d'agents.

Quelle est la situation d'AI21 Labs en 2026 ?

L'année 2026 marque un tournant. Des discussions de rachat avec NVIDIA, rapportées fin 2025, n'aboutissent pas, puis des négociations avec l'opérateur de cloud Nebius sont rapportées au printemps et se soldent par un partenariat commercial plutôt que par un rachat. En mai 2026, AI21 Labs annonce cesser de vendre ses modèles seuls, jugeant ce modèle économique insuffisamment durable, et réduit ses effectifs de plus de 60 %. L'entreprise se concentre désormais sur l'optimisation des agents : choisir automatiquement le modèle et la configuration qui offrent le meilleur rapport entre coût et qualité. Son site met en avant AI21 Gateway, en bêta, et un service de post-entraînement. En juillet 2026, Amnon Shashua annonce son intention de quitter l'entreprise.

À retenir : AI21 Labs reste une référence pour l'architecture hybride des modèles Jamba, dont les poids restent téléchargeables. Mais l'entreprise ne se positionne plus comme vendeur de modèles : son offre actuelle porte sur l'orchestration et l'optimisation des agents.

Le catalogue se divise en deux générations. Les modèles Jurassic, purement Transformer, ont fait connaître l'entreprise de 2021 à 2023. Les modèles Jamba, depuis 2024, reposent sur l'architecture hybride et partagent tous une fenêtre de contexte de 256 000 tokens. Les versions évoluent et certaines sont retirées de l'API : vérifiez la documentation officielle au moment du choix.

Jamba2 Mini compte 52 milliards de paramètres, dont 12 milliards actifs pour chaque token, et Jamba Large 1.7 398 milliards, dont 94 milliards actifs. Les modèles de 3 milliards de paramètres, Jamba Reasoning 3B et Jamba2 3B, appartiennent à la catégorie des SLM : ils fonctionnent sur un ordinateur portable tout en conservant le contexte long de la famille.

Qu'est-ce que l'architecture hybride SSM-Transformer ?

Un Transformer compare chaque token à tous les précédents grâce au mécanisme d'attention. Le coût de ce calcul et la taille du cache qui stocke les tokens déjà lus augmentent avec la longueur du contexte, ce qui rend les très longs documents coûteux en mémoire GPU. Les modèles à espace d'états (State Space Models, ou SSM), dont Mamba est le représentant le plus connu, résument au contraire la séquence dans un état de taille fixe, mis à jour token après token : leur coût croît linéairement et leur mémoire reste stable.

Jamba alterne les deux types de couches : une majorité de couches Mamba pour l'efficacité, et quelques couches d'attention pour conserver la précision du Transformer sur la recherche d'informations dans le contexte. Il y ajoute un mélange d'experts (Mixture of Experts), qui n'active qu'une partie des paramètres pour chaque token. Le résultat est un modèle qui traite de longs contextes avec un cache plus petit et un débit plus élevé qu'un Transformer de taille comparable. En contrepartie, cette architecture est moins répandue : tous les outils d'inférence, de quantification ou de fine-tuning ne la prennent pas en charge aussi bien que les Transformers classiques. Pour revoir les bases, consultez notre article sur les Transformers.

La réponse demande de distinguer l'entreprise, chaque modèle et la licence associée. AI21 Labs est une société commerciale : Maestro, AI21 Gateway, le post-entraînement et l'API sont des services propriétaires. Ses modèles Jamba, en revanche, sont tous publiés avec leurs poids, mais pas sous la même licence.

• Poids ouverts sous Apache 2.0 : le premier Jamba (2024), Jamba Reasoning 3B (2025) et la famille Jamba2 (2026). Cette licence autorise l'usage commercial, la modification et la redistribution.
• Poids sous Jamba Open Model License : les versions Jamba Mini et Jamba Large 1.5 à 1.7. Cette licence propre à AI21 autorise la recherche et l'usage commercial, mais exclut l'usage commercial pour les organisations dont le chiffre d'affaires annuel dépasse 50 millions de dollars, sauf accord avec AI21. Elle doit être lue avant un déploiement.
• Modèles historiques fermés : Jurassic-1 et Jurassic-2 n'étaient accessibles que par l'API et ne sont plus proposés.

Comme chez la plupart des laboratoires, il s'agit de modèles « à poids ouverts » plus que de projets open source au sens strict : les données et le code d'entraînement ne sont pas publiés. Les poids et les fiches de licence se consultent sur Hugging Face, sous l'organisation ai21labs. L'arrêt de la vente des modèles seuls, annoncé en 2026, ne retire pas les poids déjà publiés, mais rend incertaines les versions futures.

À retenir : les poids publiés restent utilisables selon leur licence, même si l'entreprise change de stratégie. C'est l'un des intérêts des modèles ouverts face aux services fermés.

Cohere est le point de comparaison le plus pertinent : les deux entreprises sont nées hors des États-Unis à la fin des années 2010, visent les entreprises plutôt que le grand public, mettent en avant le déploiement privé et les contextes longs, et publient une partie de leurs poids. Leurs trajectoires ont divergé en 2026.

Lequel choisir ? Les deux répondent à des besoins différents en 2026. Pour un fournisseur de modèles avec une gamme suivie, des modèles d'embedding et de reranking et une plateforme d'agents, Cohere correspond mieux. AI21 Labs reste pertinent si vous voulez héberger un modèle hybride ouvert sous Apache 2.0 pour de très longs contextes, ou si vous cherchez une couche d'optimisation des coûts devant des agents qui utilisent d'autres modèles. Dans tous les cas, évaluez la qualité sur vos données, le coût au volume réel et la solidité contractuelle du fournisseur.