fr.wedoany.com Rapport : Alibaba a dévoilé lundi son plus grand modèle d'IA à ce jour, Qwen3.8-Max, élargissant ainsi son portefeuille de produits d'IA destinés aux entreprises. Ce modèle à poids ouverts adopte une architecture de mélange d'experts (MoE), avec un total de 2,4 billions de paramètres, dont seulement environ 95 milliards sont activés lors de l'inférence. Il vise à prendre en charge des tâches de codage, de raisonnement et multimodales avec une efficacité d'inférence accrue, ciblant les charges de travail d'ingénierie logicielle et les opérations à forte intensité de connaissances.
Selon le calendrier prévu, la version à poids ouverts sera publiée la semaine prochaine via Model Studio d'Alibaba Cloud. Alibaba a déclaré sur la plateforme X que ce modèle « fait partie des modèles les plus puissants aujourd'hui, comparable aux modèles d'IA de pointe, juste derrière Claude Fable 5 ».
En matière de tests de référence, Alibaba a comparé Qwen3.8-Max à Claude Opus 4.8 d'Anthropic, Claude Fable 5 et GPT-5.6 Sol d'OpenAI sur des benchmarks de programmation, notamment SWE-bench Pro et le benchmark personnalisé d'Alibaba, NL2Repo-Bench. Pour évaluer les concurrents, les outils de programmation fournis par chaque fournisseur ont été utilisés : Claude Code pour les modèles Anthropic et Codex pour GPT-5.6 Sol, en rapportant le score publié le plus élevé de chaque concurrent dans les configurations disponibles.
Charlie Dai, vice-président et analyste principal chez Forrester Research, estime que cette publication montre qu'Alibaba réduit l'écart avec les leaders des modèles propriétaires, mais ce qui mérite davantage l'attention, c'est la maturation rapide des modèles à poids ouverts. Selon lui, dans les scénarios de déploiement sensibles aux coûts, en ingénierie logicielle, en personnalisation sectorielle et en souveraineté, les entreprises disposent désormais d'alternatives fiables aux modèles propriétaires de pointe, où l'ouverture est souvent aussi importante que la performance absolue du modèle.
Alibaba a également rapporté trois tests de projets de codage multi-jours non supervisés : les modèles ont accompli les tâches de manière autonome à partir d'un dossier de projet vierge, sans aucune assistance humaine, l'un d'eux ayant prétendument pris 16 jours pour se terminer de manière autonome. Les applications destinées aux entreprises incluent la conformité juridique, l'analyse financière, l'ingénierie, la recherche quantitative et la création de contenu multimodal. Alibaba affirme que le modèle est conçu pour exécuter des processus métier complets, plutôt que des tâches individuelles assistées par IA.
Amit Jena, responsable du développement IA chez Kanerika, a contesté l'affirmation selon laquelle un projet d'ingénierie logicielle aurait été réalisé de manière autonome en 16 jours : « Que s'est-il passé pendant ces 16 jours ? Combien de fois un humain est-il intervenu ? Les résultats ont-ils été soumis à une revue de code ? » Il a également rappelé que les poids ouverts et les points de terminaison d'API ouverts sont deux choses différentes : « Sans dépôt de code, licence et fiche modèle, les poids ouverts ne sont qu'une intention ».
Concernant la conception n'activant qu'environ 95 milliards de paramètres, Dai estime que, pour les acheteurs d'entreprise, l'efficacité de l'inférence est devenue plus importante que la taille brute du modèle, car elle réduit considérablement les coûts de service et les exigences d'infrastructure. Jena, quant à lui, affirme que l'efficacité n'est plus le problème clé ; c'est le débit d'évaluation qui constitue la véritable contrainte. Nitish Tyagi, analyste principal senior chez Gartner, souligne que cette publication montre que les coûts de déploiement de l'IA subissent des pressions concurrentielles. Gartner avait précédemment prédit que, sans un renforcement du contrôle des coûts, les dépenses en programmation IA pourraient dépasser les salaires des développeurs ordinaires. Tyagi estime que la combinaison de poids ouverts, d'une architecture de mélange d'experts et d'une fenêtre de contexte de 1 million de jetons rend le développement logiciel assisté par IA économiquement plus viable.
Tyagi avertit également que les entreprises ne doivent pas se limiter aux coûts d'inférence lors de l'évaluation d'un déploiement en production. De nombreuses organisations hors de Chine pourraient se montrer prudentes à l'égard des modèles hébergés en Chine ; un déploiement via des fournisseurs de cloud hyperscale ou une infrastructure locale entraînerait des coûts supplémentaires. Les modèles à poids ouverts manquent généralement de la protection d'indemnisation offerte par les fournisseurs d'IA commerciaux ; les entreprises doivent donc mettre en place leurs propres contrôles de sécurité, de gouvernance et d'analyse de code afin de détecter les risques de droits d'auteur et de propriété intellectuelle avant le déploiement en production.
Jena a également souligné que Qwen3.8-27B, publié en même temps que le modèle phare mais presque ignoré par les médias, pourrait être un choix plus pratique pour la plupart des organisations, car il peut fonctionner sur leur propre infrastructure et être affiné avec leurs propres données. Dai recommande aux dirigeants d'entreprise de privilégier l'évaluation de la transparence et du coût total de possession plutôt que les chiffres à la une ; la question centrale est de savoir si Qwen3.8 peut apporter des résultats commerciaux mesurables, une fiabilité de niveau entreprise, un coût total de possession inférieur et des options de souveraineté numérique par rapport aux modèles concurrents.
