fr.wedoany.com Rapport : Le 5 juin, lors de la conférence 2026 Tencent Cloud AI Industry Application, Tang Daosheng, vice-président exécutif senior de Tencent Group, s’est entretenu avec Yao Shunyu, scientifique en chef de l’IA chez Tencent. Interrogé sur les raisons de son arrivée chez Tencent et sa compréhension de la « seconde moitié de l’IA », Yao Shunyu a indiqué que la méthodologie de l’IA est devenue plus mature, et que la véritable difficulté réside dans la recherche de bons problèmes à résoudre. Tencent possède de nombreux bons problèmes et bons produits, ce qui constitue l’une des raisons importantes de son choix de rejoindre l’entreprise.
L’enjeu de cet échange ne réside pas dans une simple explication d’un mouvement de talents, mais dans la manière dont Tencent redéfinit sa capacité organisationnelle à l’ère où les grands modèles entrent dans la phase industrielle. Lors du précédent cycle de compétition dans l’IA, l’attention du secteur était fortement concentrée sur les paramètres des modèles, l’échelle d’entraînement, les résultats des classements, les coûts d’inférence et les capacités ponctuelles, les entreprises se comparant davantage sur la question « le modèle peut-il y parvenir ? ». La logique des « bons problèmes » proposée par Yao Shunyu déplace la perspective de la capacité du modèle elle-même vers les scénarios d’application réels : alors que les méthodes de pré-entraînement, post-entraînement, cadres d’agents et appels d’outils deviennent progressivement matures, le défi pour les équipes techniques n’est plus seulement de trouver un algorithme plus performant, mais de déterminer quels besoins utilisateurs, processus métiers et scénarios produits méritent réellement d’être reconstruits par l’IA. La particularité de Tencent réside dans la richesse de ses gammes de produits, couvrant de nombreux scénarios à haute fréquence tels que les réseaux sociaux, le contenu, les jeux, le bureau, les services cloud, la fintech et l’Internet industriel. Ces scénarios incluent à la fois des interactions massives avec les utilisateurs, des processus d’entreprise complexes et des expériences produit nécessitant un polissage à long terme. Pour une équipe IA, ce type de problèmes est plus proche du cœur de la compétition dans la seconde moitié que les indicateurs techniques abstraits : pour que la capacité du modèle entre dans les produits, il faut trouver une boucle fermée de tâches spécifiques, de données réelles, de retours stables et d’itérations durables.
Yao Shunyu a également mentionné que Tencent est globalement une entreprise qui fonctionne sur la base de la « confiance » plutôt que de simples « indicateurs », une culture importante pour construire une organisation IA à long terme.
Ce jugement correspond à une contradiction réelle dans la construction d’organisations IA. Les indicateurs à court terme peuvent rapidement stimuler le lancement de modèles, la mise en ligne de produits et la croissance des données, mais la R&D en IA de pointe nécessite souvent des cycles plus longs, permettant l’exploration, l’expérimentation et la collaboration interfonctionnelle. En particulier dans les phases de reconstruction des agents, des modèles de base, de l’infrastructure IA et des produits complexes, de nombreux résultats clés ne se manifestent pas immédiatement par une croissance d’un seul indicateur, mais se reflètent dans l’accumulation de capacités sous-jacentes, l’amélioration de l’expérience produit, la stabilité des systèmes d’ingénierie et l’adaptation aux scénarios à long terme. Si l’organisation ne fonctionne qu’autour des volumes d’appels à court terme, des scores de classement ou des conversions de trafic, l’équipe IA risque de tomber dans la recherche d’optima locaux ; si une plus grande confiance est accordée aux équipes de recherche et de produit dans une direction claire, il est plus probable que les modèles, produits, données et retours utilisateurs soient polis dans un même système à long terme. Actuellement, Tencent, en promouvant le grand modèle Hunyuan, les ensembles d’outils d’agents, l’AI Infra et les applications industrielles, a précisément besoin de cette capacité organisationnelle de « conception conjointe du modèle et du produit », pour que la R&D technique ne se détache pas des scénarios réels et que les équipes produit puissent comprendre les limites des capacités du modèle.
L’expression de Yao Shunyu sur la « seconde moitié de l’IA » indique également que l’industrie des grands modèles passe d’une phase d’explosion technologique à une phase de sélection des problèmes. La compétition future ne dépendra pas seulement de qui possède le modèle le plus performant à un moment donné, mais de qui peut continuellement trouver des problèmes à haute valeur ajoutée et intégrer les capacités du modèle dans les produits que les utilisateurs utilisent quotidiennement. Pour Tencent, cela signifie que l’IA ne se limite pas aux services cloud, aux plateformes de modèles ou aux nouveaux produits d’agents, mais doit progressivement pénétrer la communication sociale, la production de contenu, la collaboration bureautique, le développement de jeux, les services aux entreprises et les processus industriels. Plus il y a de bons problèmes, plus les retours pour l’itération des modèles sont riches ; plus il y a de bons produits, plus le chemin pour concrétiser les capacités de l’IA est clair.
Le point d’observation suivant se concentrera sur la capacité de Tencent à transformer les « bons problèmes » mentionnés par Yao Shunyu en résultats produits évolutifs. La compétition dans la seconde moitié de l’IA mettra davantage à l’épreuve la patience organisationnelle, la compréhension des produits, les capacités d’ingénierie et la densité des scénarios. Celui qui saura intégrer les capacités techniques dans des produits à haute fréquence et des processus industriels complexes aura plus de chances de faire passer les grands modèles de la démonstration de capacités à une véritable productivité.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
