Alibaba lance son plus puissant modèle pour défier les États-Unis

Alibaba lance son plus puissant modèle pour défier les États-Unis

Alibaba revient au premier plan de la compétition mondiale sur les grands modèles de langage avec Qwen3-Max-Preview, présenté comme le modèle « le plus grand et le plus capable » jamais conçu par le groupe chinois. L’annonce, relayée par The Verge dans son article intitulé China’s Alibaba takes another swipe at America’s AI supremacy, ne se limite pas à une nouvelle référence technique dans la gamme Qwen. Elle constitue aussi une démonstration de force dans une industrie où les capacités de calcul, l’accès aux puces avancées, la qualité des données et la capacité à attirer les développeurs sont devenus des enjeux géopolitiques.

Selon les éléments rapportés par le média américain, Qwen3-Max-Preview dépasse le seuil de mille milliards de paramètres. Alibaba le positionne face aux systèmes les plus avancés développés aux États-Unis, notamment dans des domaines devenus centraux pour les clients professionnels : la programmation, le raisonnement et l’exécution de tâches complexes par des agents logiciels. Le groupe revendique des performances de premier rang dans ses propres comparaisons, notamment face à des modèles de laboratoires américains et chinois.

Cette affirmation doit, à ce stade, être lue pour ce qu’elle est : une revendication du fournisseur. Dans le secteur des modèles de frontière, les annonces de benchmarks publiées par les éditeurs sont devenues indispensables à la communication produit, mais elles ne remplacent ni des évaluations indépendantes, ni des tests menés sur des charges de travail réelles, ni une observation durable des coûts et de la fiabilité. La portée concrète de Qwen3-Max-Preview dépendra donc des conditions d’accès, de la documentation technique, des tarifs éventuels et de la possibilité, pour des tiers, de reproduire ou de contester les résultats avancés par Alibaba.

Pour les entreprises européennes et françaises, l’intérêt de cette offensive dépasse le duel symbolique entre Pékin et la Silicon Valley. L’existence d’alternatives plus nombreuses aux offres américaines peut élargir le choix des modèles disponibles pour des usages de développement, de recherche, de support client ou d’automatisation. Mais cette diversification soulève simultanément des questions de conformité, de localisation des données, de souveraineté technologique, de dépendance à une infrastructure cloud étrangère et de lisibilité juridique. L’annonce d’Alibaba ouvre donc une nouvelle option potentielle, sans effacer les contraintes qui encadrent son adoption sur le marché européen.

Un retour offensif dans la course aux modèles de frontière

Alibaba n’est pas un nouvel entrant dans l’intelligence artificielle générative. Le conglomérat de Hangzhou, fondé en 1999, s’est construit autour du commerce électronique, avant de développer une activité cloud devenue l’un des piliers de sa stratégie technologique. Alibaba Cloud, lancé en 2009, donne au groupe un levier essentiel dans la course à l’IA : l’accès à une infrastructure de calcul, à des services destinés aux entreprises et à un canal de distribution pour les modèles, les API et les outils de développement.

La famille Qwen, également connue sous son nom chinois Tongyi Qianwen, a été introduite publiquement par Alibaba en 2023, au moment où les grands groupes technologiques chinois accéléraient leurs réponses à la vague déclenchée par ChatGPT. Depuis, Alibaba a décliné cette famille dans plusieurs tailles et pour plusieurs usages. Cette stratégie a permis au groupe d’exister à la fois sur le terrain des modèles généralistes et dans l’écosystème des modèles pouvant être adaptés ou intégrés par des développeurs.

Le lancement de Qwen3-Max-Preview marque cependant un changement d’échelle dans le discours. Alibaba ne met plus seulement en avant une famille de modèles compétitive ou une offre intégrée à son cloud. Il choisit de se comparer explicitement à la frontière technologique mondiale. Le seuil de plus de mille milliards de paramètres annoncé par l’entreprise vise à signaler l’ampleur de l’investissement consenti dans l’entraînement du modèle. Ce chiffre ne résume pas à lui seul les capacités d’un système, mais il demeure un marqueur de puissance dans une industrie où les acteurs communiquent rarement de façon détaillée sur leur architecture, leurs données d’entraînement ou leur budget de calcul.

Mise à jour du 24/08/2026 — Alibaba a publié les poids ouverts de Qwen3.8-2.4T-A95B, version dérivée de son Qwen3.8-Max : c’est la première mise à disposition ouverte d’un modèle « Qwen-Max ». (huggingface.co)

Le terme « Preview » est lui aussi important. Il suggère que le modèle annoncé relève d’une phase d’accès préalable ou de préversion plutôt que d’une disponibilité pleinement stabilisée pour tous les cas d’usage. Dans l’industrie de l’IA, cette pratique est courante : les laboratoires donnent accès à des versions préliminaires afin de recueillir des retours, d’observer les usages, de mesurer la robustesse du service sous charge et d’identifier les faiblesses avant un déploiement plus large. Elle appelle aussi à la prudence lors de toute comparaison avec des modèles dont les versions, les paramètres d’inférence ou les outils associés peuvent différer.

Le retour d’Alibaba dans le débat sur les modèles de très grande taille intervient dans un contexte chinois particulièrement dynamique. DeepSeek a, lui aussi, attiré l’attention internationale avec ses modèles et ses revendications en matière de coût et de performances. Baidu, Tencent, ByteDance et d’autres acteurs chinois investissent dans des modèles génératifs, des services cloud, des assistants et des applications sectorielles. La concurrence ne se réduit donc pas à une confrontation bilatérale entre Alibaba et les entreprises américaines : elle est aussi intérieure au marché chinois, où les grands groupes cherchent à s’imposer comme fournisseurs de technologies de base pour les entreprises et les développeurs.

Face à eux, les États-Unis conservent des acteurs au rayonnement mondial, parmi lesquels OpenAI, Anthropic, Google et Meta. Chacun suit une stratégie différente : modèles proposés par API, modèles intégrés à des suites logicielles, diffusion de poids ouverts, offres cloud ou produits grand public. L’enjeu pour Alibaba consiste à démontrer que son modèle peut être considéré non seulement comme une solution chinoise, mais comme une option crédible dans les comparaisons internationales.

Cette ambition se heurte à une réalité industrielle plus large. Depuis octobre 2022, les États-Unis ont instauré des contrôles à l’exportation visant notamment certaines puces avancées et équipements liés au calcul de haute performance à destination de la Chine. Ces mesures ont été renforcées par la suite. Elles ont accru la pression sur les groupes chinois qui entraînent des modèles à très grande échelle, alors que les accélérateurs les plus performants sont devenus un facteur déterminant de la compétition. Dans ce cadre, chaque annonce de modèle de frontière chinois possède une dimension technique, mais également politique et industrielle.

En qualifiant Qwen3-Max-Preview de modèle le plus grand et le plus capable de son histoire, Alibaba ne présente pas seulement une évolution de catalogue : le groupe cherche à se replacer dans le cercle des laboratoires qui revendiquent une place à la frontière de l’IA générative.

Il faut néanmoins éviter de confondre taille annoncée et supériorité générale. Le nombre de paramètres est une information utile, mais incomplète. L’architecture retenue, les méthodes d’entraînement, le mélange de données, la spécialisation éventuelle du modèle, la longueur de contexte, les réglages de raisonnement et les mécanismes de sécurité influencent tous le résultat final. Les utilisateurs professionnels évaluent aussi la stabilité des API, le temps de réponse, les limites de débit, les fonctions d’administration et le coût total d’exploitation. C’est sur cet ensemble de critères que l’offensive d’Alibaba devra être appréciée.

Des promesses de performance qui attendent leur validation

D’après The Verge, Alibaba affirme que Qwen3-Max-Preview se situe au niveau des meilleurs systèmes disponibles et avance des résultats favorables dans des évaluations comparatives. Le groupe cite notamment ses capacités en programmation et dans des scénarios associés aux agents d’IA. Ces deux axes ne sont pas choisis au hasard. Le code constitue l’un des terrains les plus compétitifs de l’IA générative, parce qu’il offre des tests relativement structurés et parce qu’il correspond à des usages immédiatement monétisables : aide aux développeurs, génération de tests, maintenance applicative, documentation, migration de code et automatisation de tâches techniques.

Les agents constituent l’autre front majeur. L’idée n’est plus seulement de produire une réponse textuelle à une question, mais de faire planifier au modèle une série d’actions, d’utiliser des outils, d’exécuter du code ou de consulter des sources, puis de vérifier le résultat. Cette promesse intéresse les entreprises parce qu’elle pourrait transformer un modèle conversationnel en composant d’automatisation. Elle présente aussi des difficultés considérables : un système capable de prendre des initiatives doit être fiable, traçable, correctement autorisé et placé dans un environnement où ses erreurs peuvent être contenues.

Dans les comparaisons de modèles, les benchmarks constituent un langage commun, mais imparfait. Une évaluation peut mesurer la résolution de problèmes de mathématiques, la compréhension de documents, la capacité à écrire du code, le respect d’instructions, la recherche d’information ou l’usage d’outils. Les scores obtenus dépendent toutefois de choix méthodologiques précis : version du modèle, mode de raisonnement activé ou non, nombre d’essais autorisés, formulation des instructions, recours éventuel à des outils externes et protocole de notation. Un modèle peut être excellent sur une famille de tests et moins convaincant sur une autre.

La prudence est d’autant plus nécessaire que les évaluations rendues publiques par un éditeur ne sont pas toujours directement comparables avec celles d’un concurrent. Les modèles évoluent rapidement, les noms commerciaux peuvent recouvrir plusieurs variantes et les services peuvent changer de comportement en fonction des paramètres proposés à l’utilisateur. Les classements communautaires, les audits universitaires, les tests réalisés par des entreprises clientes et les résultats observés sur des tâches de production apportent donc un complément indispensable aux graphiques publiés lors d’une annonce.

Alibaba évoque une comparaison avec des modèles américains et chinois de premier plan. Cela donne une indication sur le niveau auquel le groupe entend se situer. Mais la revendication « au niveau des meilleurs » ne signifie pas nécessairement que Qwen3-Max-Preview domine chaque modèle concurrent dans toutes les situations. Dans le domaine de l’IA générative, la notion de meilleur modèle est elle-même instable. Un système peut exceller en anglais et se montrer moins performant dans d’autres langues ; être très fort en code, mais moins fiable sur la synthèse documentaire ; proposer un raisonnement détaillé, mais avec un coût ou une latence plus élevés.

La question linguistique sera particulièrement importante pour les organisations francophones. Un modèle entraîné et évalué principalement sur des corpus anglophones peut produire des résultats très compétitifs dans cette langue sans offrir exactement le même niveau en français. Les entreprises françaises auront intérêt à tester la qualité rédactionnelle, le respect de registres spécialisés, la compréhension de documents administratifs ou juridiques, la capacité à traiter des données multilingues et les taux d’erreur dans leurs propres domaines. Aucun benchmark généraliste ne peut remplacer cette étape.

Les promesses de programmation devront également être distinguées selon les usages. Générer une fonction isolée, expliquer un extrait de code, corriger un bug dans un dépôt existant et piloter une chaîne d’outils de développement sont des tâches différentes. Les gains réels dépendent de l’intégration avec les environnements de travail, de la capacité du modèle à respecter les conventions internes et de la protection du code soumis au service. Pour une société européenne, la question de la confidentialité du code source peut compter autant que le score obtenu dans une épreuve standardisée.

Les déclarations autour des agents appellent une vérification tout aussi rigoureuse. L’automatisation ne se mesure pas seulement à la faculté du modèle de décrire un plan. Elle se mesure à sa capacité à exécuter les étapes demandées sans perdre le contexte, à reconnaître les cas où il doit s’arrêter, à signaler une incertitude et à ne pas contourner les règles définies par l’entreprise. Dans des secteurs réglementés, une erreur de traitement, une action non autorisée ou une justification insuffisante peuvent annuler les bénéfices attendus d’un assistant plus autonome.

• Performances : les résultats annoncés devront être confrontés à des évaluations indépendantes et à des jeux de tests représentatifs des usages réels.
• Fiabilité : la fréquence des erreurs, des réponses inventées ou des échecs d’exécution comptera autant que le score maximal atteint sur un benchmark.
• Accessibilité : la disponibilité du modèle, les restrictions géographiques, les interfaces proposées et les règles d’usage détermineront sa pertinence commerciale.
• Économie : le prix, la vitesse d’inférence et la consommation de ressources pourront modifier fortement l’intérêt d’un modèle, même très performant.

La publication d’une préversion place précisément ces questions au centre du débat. Les éditeurs de modèles de frontière ont souvent intérêt à communiquer tôt pour signaler leur trajectoire technologique, attirer les développeurs et influencer les attentes du marché. Les clients, eux, doivent distinguer le potentiel démontré dans une annonce de la maturité d’un produit exploitable à grande échelle. Qwen3-Max-Preview pourra consolider la position d’Alibaba si ses performances revendiquées sont observées de manière répétée par des utilisateurs extérieurs au groupe.

Une alternative potentielle, mais complexe, pour les entreprises européennes

L’annonce d’Alibaba intervient à un moment où les entreprises européennes cherchent à éviter une dépendance excessive à un nombre réduit de fournisseurs. Cette recherche ne signifie pas nécessairement un rejet des modèles américains. OpenAI, Anthropic, Google, Microsoft, Amazon et Meta occupent déjà une place importante dans les stratégies d’IA des organisations européennes, directement ou par l’intermédiaire de leurs plateformes cloud et partenaires. Mais la concentration du marché crée un intérêt naturel pour des modèles concurrents, à condition qu’ils offrent un niveau de performances, de support et de conformité compatible avec les exigences locales.

Dans cette perspective, Qwen3-Max-Preview pourrait enrichir le paysage des options à évaluer. Pour un directeur technique ou un responsable de l’innovation, disposer de plusieurs modèles permet de répartir les risques, de comparer les coûts, d’éviter le verrouillage propriétaire et de sélectionner un système selon la tâche. Un modèle particulièrement efficace en code ne répond pas forcément aux mêmes besoins qu’un modèle optimisé pour l’analyse documentaire, le dialogue multilingue ou les fonctions de recherche. La diversification peut aussi renforcer le pouvoir de négociation des clients vis-à-vis de leurs fournisseurs.

Il existe toutefois une différence fondamentale entre la disponibilité théorique d’un modèle et son adoption opérationnelle par une entreprise européenne. Le premier point concerne les données. Toute organisation traitant des informations personnelles, confidentielles ou stratégiques doit savoir où ces données transitent, comment elles sont stockées, qui peut y accéder et selon quelles garanties contractuelles. Le règlement général sur la protection des données, ou RGPD, ne prohibe pas mécaniquement le recours à un fournisseur non européen, mais il impose un cadre exigeant pour les transferts et le traitement des données personnelles.

Le deuxième point concerne la conformité aux règles européennes sur l’intelligence artificielle. L’AI Act de l’Union européenne est entré en vigueur le 1er août 2024 et son application se déploie progressivement. Les règles relatives aux modèles d’IA à usage général font partie de ce paysage réglementaire. Pour une entreprise française qui utiliserait un modèle fourni par un acteur étranger, la question ne se limite pas au choix technique : elle implique l’identification des responsabilités respectives entre le fournisseur, l’intégrateur et l’utilisateur final, ainsi que la documentation des usages et des risques.

Le troisième point est celui de la souveraineté et de la continuité de service. Les tensions commerciales et technologiques entre les États-Unis et la Chine montrent que l’accès aux infrastructures numériques peut être affecté par des décisions politiques. Les contrôles américains sur les technologies avancées constituent déjà un facteur structurant pour les entreprises chinoises de l’IA. À l’inverse, les organisations européennes doivent se demander dans quelle mesure elles peuvent dépendre de services soumis à des juridictions ou à des contraintes géopolitiques extérieures. Cette réflexion vaut pour les plateformes américaines comme pour les offres chinoises.

Pour la France, où le débat sur l’autonomie stratégique numérique est ancien, la montée en puissance de Qwen peut être interprétée de deux manières. D’un côté, elle rappelle qu’aucun espace technologique ne peut durablement se limiter à une opposition entre quelques laboratoires américains. La concurrence chinoise élargit les possibilités et peut contribuer à faire pression sur les prix, les conditions commerciales ou le rythme de publication des innovations. De l’autre, elle souligne l’importance de disposer de capacités européennes propres, qu’il s’agisse de modèles, de calcul, de cloud, de données ou d’outils d’évaluation.

Les acteurs européens ne partent pas de zéro. Mistral AI, entreprise française, a contribué à placer l’Europe dans la conversation mondiale sur les modèles génératifs, tandis que des fournisseurs de cloud et des projets de recherche travaillent sur l’infrastructure et les usages locaux. Meta, de son côté, a joué un rôle important dans la diffusion de modèles ouverts avec Llama, même si l’entreprise est américaine. Dans ce paysage, la distinction entre modèle ouvert, modèle accessible par API et service cloud managé est déterminante. Elle conditionne le niveau de contrôle qu’une organisation peut conserver sur ses données et son déploiement.

Le cas Alibaba est donc particulièrement intéressant, car le groupe combine expertise de modèle et activité cloud. Pour les entreprises qui pourraient accéder à son offre, cela peut simplifier l’intégration : un même fournisseur est en mesure de proposer infrastructure et intelligence artificielle. Mais cette intégration peut également accroître la dépendance envers un prestataire unique. Une stratégie d’achat mature ne consiste pas simplement à choisir le modèle qui arrive premier dans un classement ; elle consiste à examiner la réversibilité, l’interopérabilité, les garanties de support, les mécanismes de sécurité et les possibilités d’audit.

La langue et le contexte culturel devront aussi être examinés avec attention. Alibaba dispose d’une forte présence sur le marché chinois, ce qui constitue un atout naturel pour les usages en chinois et pour les entreprises opérant dans cet environnement. Pour les utilisateurs français, la valeur d’un modèle dépendra notamment de ses résultats en français, de la qualité de son traitement des documents européens, de sa compréhension des références locales et de l’existence d’un accompagnement adapté. Ces éléments ne peuvent pas être déduits uniquement d’un chiffre de paramètres ou d’un classement généraliste.

Enfin, l’accès lui-même est un critère décisif. Un modèle peut être très performant sur le papier, mais rester peu pertinent pour un marché s’il n’est pas disponible dans des conditions contractuelles claires, s’il n’offre pas de support adapté, ou si son intégration avec les outils existants est limitée. The Verge souligne que les modalités d’accès et les validations externes seront centrales pour juger l’annonce. Pour le marché européen, elles compteront probablement autant que la performance brute revendiquée par Alibaba.

La bataille ne se jouera pas seulement sur la taille des modèles

Le lancement de Qwen3-Max-Preview illustre une transformation plus profonde de la compétition en IA. Pendant une première phase, l’attention s’est concentrée sur la capacité à entraîner des modèles toujours plus grands. La publication de systèmes capables de converser, d’écrire, de coder ou de résumer a imposé le grand modèle de langage comme une technologie de plateforme. Mais le marché entre désormais dans une phase où les capacités générales doivent être converties en produits fiables, en outils spécialisés et en bénéfices mesurables pour les entreprises.

Dans cette nouvelle phase, le nombre de paramètres restera un indicateur médiatique, mais il ne suffira plus. Alibaba met en avant plus de mille milliards de paramètres pour signaler la portée de son effort, tandis que les concurrents mettent l’accent sur d’autres approches : raisonnement, utilisation d’outils, efficacité d’inférence, multimodalité, intégration logicielle ou ouverture des modèles. La concurrence porte donc autant sur la méthode de déploiement que sur la puissance brute d’un système.

Le poids des infrastructures sera déterminant. Entraîner un modèle de frontière exige de très grandes quantités de calcul, mais servir des millions d’utilisateurs exige également une infrastructure robuste et rentable. Pour Alibaba, qui possède une activité cloud, l’enjeu est double : démontrer sa compétence dans l’IA de pointe et convertir cette compétence en consommation de services cloud. Cette logique est proche de celle des géants américains, pour lesquels les modèles renforcent aussi l’attractivité de leurs plateformes, de leurs outils professionnels ou de leurs écosystèmes de développeurs.

La dimension géopolitique continuera, elle aussi, de peser sur le rythme de l’innovation. Les restrictions américaines sur certaines exportations technologiques vers la Chine ne déterminent pas à elles seules les capacités des laboratoires chinois, mais elles modifient les conditions de la compétition. Elles encouragent la recherche d’alternatives matérielles, l’optimisation des modèles et la concentration des ressources autour des grands acteurs capables de financer des infrastructures importantes. Dans le même temps, les annonces chinoises de modèles plus puissants deviennent des signaux adressés aux investisseurs, aux clients et aux autorités : le pays entend rester présent à la frontière technologique malgré ces contraintes.

Pour les États-Unis, l’émergence de modèles chinois compétitifs complexifie le récit d’une suprématie technologique incontestée. Les laboratoires américains conservent une capacité d’innovation considérable, un accès à des infrastructures de calcul majeures et une empreinte mondiale. Mais le marché de l’IA n’est pas figé. Les progrès de DeepSeek, de Qwen et d’autres équipes montrent que la frontière peut être contestée par plusieurs acteurs, avec des stratégies techniques et commerciales différentes. Cette pluralité peut accélérer le cycle des annonces, réduire les écarts sur certains usages et pousser chaque fournisseur à améliorer ses offres.

Pour l’Europe, la conséquence n’est pas de choisir mécaniquement un camp. Elle est de développer une capacité d’évaluation autonome. Les entreprises et administrations ont besoin de protocoles leur permettant de tester des modèles sur leurs données, leurs langues, leurs règles de sécurité et leurs contraintes de coût. Les organismes de recherche, les intégrateurs, les éditeurs de logiciels et les fournisseurs de cloud européens ont un rôle à jouer pour rendre ces comparaisons plus transparentes. Une dépendance intellectuelle aux seuls benchmarks marketing, qu’ils viennent de Californie ou de Hangzhou, serait une faiblesse stratégique.

Cette exigence d’évaluation devra inclure la sécurité. Les grands modèles peuvent produire des contenus incorrects avec assurance, suivre des instructions ambiguës de façon imprévisible ou être manipulés par des données malveillantes. À mesure que les fournisseurs mettent en avant les agents et l’automatisation, les risques liés aux autorisations, aux fuites de données et aux actions non contrôlées prennent une importance nouvelle. Les clients européens devront demander non seulement ce qu’un modèle sait faire, mais aussi comment il se comporte quand il ne sait pas, quand il rencontre une contradiction ou quand une requête sort du cadre autorisé.

Qwen3-Max-Preview représente ainsi moins un verdict définitif sur la hiérarchie mondiale des modèles qu’un nouveau jalon dans une compétition devenue multipolaire. Alibaba affirme avoir franchi un seuil avec son plus grand modèle à ce jour et revendique un niveau de performance comparable à celui des références américaines. Ces promesses peuvent renforcer l’attractivité de l’écosystème Qwen si elles résistent à l’examen extérieur. Elles peuvent aussi inciter les concurrents à accélérer leurs propres annonces et pousser les clients à multiplier les comparaisons.

La suite dépendra de faits plus concrets que le seul positionnement initial : disponibilité effective, performances reproductibles, qualité en langues européennes, garanties sur les données, coût d’usage, stabilité des interfaces et capacité à répondre aux exigences de l’AI Act et du RGPD. Si Alibaba transforme son annonce en offre accessible et vérifiable, Qwen3-Max-Preview pourrait devenir une option significative dans les appels d’offres internationaux. Si les résultats restent principalement documentés par le fournisseur, son impact pourrait demeurer plus symbolique que commercial hors de Chine.

À long terme, l’offensive d’Alibaba renforce surtout une tendance : les entreprises européennes ne seront plus confrontées à un marché dominé par une poignée d’acteurs américains, mais à une cartographie plus complexe, où modèles chinois, laboratoires américains, acteurs européens et solutions ouvertes coexisteront. Cette diversité peut être une opportunité pour les organisations françaises, à condition qu’elles investissent dans la comparaison, la gouvernance et la maîtrise de leurs données. Dans la bataille des modèles de frontière, l’avantage ne reviendra pas seulement à celui qui annonce le plus grand système, mais à celui qui saura fournir le meilleur compromis entre performance, confiance, accès et contrôle.