fr.wedoany.com Rapport : Le 5 juin, lors de la conférence 2026 Tencent Cloud AI Industry Application, Yao Shunyu, scientifique en chef de l’IA chez Tencent, a déclaré que la priorité absolue de la seconde moitié de l’IA est de construire une organisation AGI à long terme en Chine. Il a résumé la construction actuelle des capacités d’IA en trois parties : consolider les travaux de base tels que le pré-entraînement et le post-entraînement, transformer les technologies fondamentales en produits à réelle valeur sociale, et continuer à explorer de nouveaux paradigmes de recherche et de nouvelles opportunités.
Le cœur de ce jugement est de recentrer la concurrence de l’IA, passant d’une capacité de modèle unique à une capacité organisationnelle à long terme.
Ces dernières années, la concurrence dans le secteur des grands modèles s’est fortement concentrée sur l’échelle des paramètres, les données d’entraînement, le coût d’inférence, les performances des classements et l’explosion des applications ponctuelles. Le monde extérieur a également pris l’habitude d’évaluer les progrès d’une entreprise en IA à l’aide d’indicateurs à court terme. Cependant, à mesure que le pré-entraînement, le post-entraînement, l’apprentissage par renforcement, l’appel d’outils, la compréhension multimodale et les frameworks d’agents ont progressivement mûri, les défis auxquels sont confrontées les équipes techniques ont changé : les méthodes de base ont déjà formé une voie relativement claire, et ce qui est vraiment rare, c’est un système organisationnel capable de poser continuellement de bonnes questions, d’approfondir régulièrement les capacités fondamentales, d’intégrer les modèles dans des produits réels et de permettre une exploration à long terme de la recherche de pointe. Yao Shunyu décompose l’IA en trois parties : Foundation, Product et Frontier, soulignant en réalité qu’une organisation AGI ne peut pas se concentrer uniquement sur la recherche en laboratoire, ni se limiter à des emballages de produits rapides et superficiels, et encore moins se détacher des utilisateurs réels et des problèmes industriels. La couche de base doit solidifier le pré-entraînement, le post-entraînement, les données, l’infrastructure et l’ingénierie des modèles ; la couche produit doit intégrer les modèles dans les réseaux sociaux, le travail bureautique, le contenu, les jeux, les services aux entreprises et les processus industriels, formant une boucle de rétroaction utilisateur et d’itération de modèle ; la couche de pointe doit continuer à explorer de nouveaux paradigmes de modèles, des formes d’agents, des capacités multimodales, l’IA incarnée et les opportunités technologiques futures possibles. Si ces trois éléments sont déséquilibrés, l’équipe IA risque de tomber dans un état « avec modèle mais sans scénario », « avec produit mais sans base » ou « avec exploration mais difficile à concrétiser ».
L’accent mis par Yao Shunyu sur une organisation AGI à long terme est également lié à la structure de produits propre à Tencent. Tencent possède de nombreux scénarios à haute fréquence tels que WeChat, QQ, Tencent Meeting, Tencent Docs, Tencent Cloud, les jeux, l’écosystème de contenu et les services aux entreprises. Ces produits peuvent fournir à l’IA des tâches réelles, des contextes réels et des retours continus.
La concurrence dans la seconde moitié de l’IA dépendra de plus en plus de la « densité des problèmes ». Plus un modèle est général, plus il est nécessaire de trouver des problèmes suffisamment spécifiques, fréquents et complexes pour valider et améliorer ses capacités. Pour Tencent, la double scène de l’Internet grand public et de l’Internet industriel signifie que l’IA n’est pas seulement un outil indépendant, mais peut entrer dans les processus quotidiens de communication, de recherche, de création, de collaboration, de service client, de R&D, de marketing et de gestion des utilisateurs. Yao Shunyu a précédemment déclaré que trouver des problèmes devient plus difficile dans la seconde moitié de l’IA, et que Tencent a de nombreux bons problèmes et bons produits, ce qui fait écho à la construction d’une organisation AGI à long terme. Une organisation IA mature doit comprendre simultanément les modèles, les produits et les utilisateurs, capable à la fois de faire du pré-entraînement et du post-entraînement une base stable, et d’obtenir continuellement de nouvelles données, de nouveaux retours et de nouvelles tâches via les scénarios produits ; elle doit à la fois répondre aux besoins d’efficacité immédiats et réserver un espace d’exploration pour les futures nouvelles formes d’interaction et de nouvelles formes d’application. Pour les grandes entreprises, la difficulté de la pérennisation de l’organisation IA réside dans l’évitement d’être complètement tirée par des KPI à court terme, tout en ne devenant pas un département de recherche pure déconnecté des activités. L’« organisation AGI à long terme » dont parle Yao Shunyu se rapproche davantage d’une équipe composite reliant la recherche fondamentale, les systèmes d’ingénierie, les scénarios produits et l’exploration de pointe.
Cette voie montre également que l’industrie de l’IA passe du « cycle de publication de modèles » au « cycle de construction organisationnelle ». Ce qui détermine réellement la compétitivité à long terme d’une entreprise d’IA n’est peut-être pas qu’une publication de modèle soit en tête, mais sa capacité à construire durablement des données de haute qualité, une infrastructure de calcul stable, une excellente équipe de recherche, de solides interfaces produits, un retour d’information réel et un mécanisme d’exploration ouvert. Le pré-entraînement et le post-entraînement déterminent la hauteur de la base, la transformation des produits détermine la valeur sociale, et l’exploration de pointe détermine les possibilités futures. Si Tencent veut développer des capacités durables dans la seconde moitié de l’IA, elle doit maintenir ces trois parties à long terme dans un même système, permettant aux capacités des modèles, aux scénarios utilisateurs et aux paradigmes de recherche de se stimuler mutuellement.
Les points d’observation ultérieurs se concentreront sur la capacité de Tencent à traduire cette pensée organisationnelle en résultats concrets de produits et de technologies. Cela inclut l’itération ultérieure du modèle Hunyuan, le déploiement de la matrice de produits agents, l’expansion des services d’IA d’entreprise, l’avancement des capacités de programmation IA et multimodales, et la capacité à former une boucle de collaboration plus efficace entre l’équipe de recherche fondamentale et les produits à haute fréquence de Tencent. La seconde moitié de l’IA ne testera pas seulement les paramètres des modèles et la vitesse de publication, mais surtout la capacité d’une entreprise à identifier et résoudre des problèmes à long terme, et à cristalliser les capacités technologiques en une productivité durable.
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
