L’essentiel
- Alibaba a publié Qwen3.8-Max, 2 400 milliards de paramètres au total dont 95 milliards actifs par requête, conçu pour des tâches qui durent plusieurs jours.
- Les poids seront diffusés la semaine prochaine : c’est le premier modèle de la classe Qwen-Max rendu disponible de cette façon.
- Les démonstrations maison vont de seize jours de développement autonome (265 commits sur l’outil oh-my-cli) à un circuit ramené de 8 298 à 678 portes logiques.
- Sur le classement textuel d’Arena, il ne cède que devant quatre modèles d’Anthropic : Fable 5 et trois Opus.
Sur GitHub, un dépôt baptisé oh-my-cli s’est construit seize jours durant sans personne au clavier : les demandes des utilisateurs arrivaient, devenaient des issues, quelqu’un se les assignait, écrivait le code, lançait les tests, recommençait. Ce quelqu’un est Qwen3.8-Max, le modèle qu’Alibaba a présenté lundi et dont les poids seront diffusés la semaine prochaine. L’équipe Qwen introduit de fait une nouvelle unité de mesure : le jour de travail délégué.
Un dépôt, un papier de recherche, un concours
Les études de cas publiées par l’équipe Qwen ne ressemblent en rien à des démonstrations d’assistant conversationnel. Premier cas, ce dépôt : au 30 juillet 2026, il affichait 265 commits, 127 pull requests et 151 issues sans une seule intervention humaine, d’après Alibaba.
Deuxième exercice : on lui confie le papier de recherche « Unified Data Selection for LLM Reasoning » sans aucun code de départ. En cinq jours et environ 125 heures de calcul, il écrit 7 600 lignes, lance 33 entraînements GPU, reproduit les six résultats principaux, puis teste dix-huit idées de son cru sur quatre cycles pour dépasser la méthode d’origine de 2,7 points sur AIME24, un test de mathématiques de compétition.
Le troisième cas est plus rude pour l’ego humain. Sur un concours de reconnaissance d’intention dans des dialogues multimodaux, hébergé par la plateforme Tianchi d’Alibaba, 526 équipes humaines s’affrontaient. Qwen3.8-Max a ajusté finement plusieurs modèles chinois, dont Qwen2.5-VL-7B, en vingt-quatre heures, agrégé leurs réponses par vote, et fait grimper sa précision de 0,600 à 0,853 en 45 soumissions. Classement final : devant 458 équipes sur 526.
Le compteur de paramètres tourne à vide
Restent les 2 400 milliards de paramètres qui ont accaparé la couverture de l’annonce. Le Kimi K3 de Moonshot en affiche 2 800 milliards ; les laboratoires américains, eux, ne publient plus les leurs. Seuls 95 milliards s’activent par requête : l’architecture n’allume qu’une fraction du réseau à chaque appel, selon le principe du mixture of experts, un assemblage d’experts spécialisés dont une poignée seulement est sollicitée. Le total mesure la quantité de connaissances empilées à l’entraînement, pas la puissance réellement mobilisée sur votre tâche.
Les classements souffrent de la même myopie. Sur Arena, où le rang sort de comparaisons soumises au vote des utilisateurs, Qwen3.8-Max ne cède sur le texte qu’à quatre modèles d’Anthropic, Fable 5 et trois Opus ; en développement frontend, deux Opus et Kimi K3 le devancent ; en analyse visuelle, seul Fable 5 passe devant. Excellent niveau, donc. Mais aucun de ces palmarès ne mesure ce que les études de cas exhibent : garder un objectif en tête pendant des centaines d’allers-retours sans dériver. Faute d’étalon partagé, la durée reste invérifiable d’un laboratoire à l’autre : Anthropic, qui suit l’autonomie de ses agents sur ses données d’usage, relevait en janvier des tours d’agent dépassant à peine quarante-cinq minutes au 99,9e percentile dans Claude Code. Alibaba compte en jours quand les seules mesures publiées ailleurs s’expriment en minutes.
La conception de circuit le montre mieux qu’un score. Parti d’un montage cryptographique fonctionnel mais grossier de 8 298 portes logiques (les briques élémentaires d’une puce), le modèle l’a ramené à 678 en cinq cents itérations environ ; après placement automatique par l’outil libre OpenROAD, la surface physique est tombée de 106 × 106 à 46 × 46 micromètres, 81 % de moins. L’équipe Qwen insiste sur un point : même après des centaines de tours, le modèle continuait à casser la structure du circuit au lieu de se contenter de retouches cosmétiques. Une bonne réponse à une question ne fabrique pas ce genre de gain ; la persévérance sur un même problème, oui.
Des poids qu’on ne pourra plus rappeler
La semaine prochaine, Alibaba publiera les poids du modèle, c’est-à-dire les valeurs numériques apprises pendant l’entraînement et qui déterminent son comportement. Un modèle à poids ouverts reste plus fermé qu’un logiciel libre au sens strict, mais il vous donne un contrôle sans commune mesure avec une API propriétaire : hébergement local, quantification pour le faire tenir sur du matériel modeste, ajustement fin, audit du comportement. Qwen3.8-Max est le premier de la gamme Max à passer par là, après le détour propriétaire d’Alibaba en début d’année.
Cette date de diffusion pèse plus lourd que le décompte de paramètres. Un modèle propriétaire se déprécie, se filtre, se retire du catalogue ou se remplace en silence par une version moins coûteuse ; vos automatisations en dépendent, vous subissez. Une fois les poids diffusés, l’inverse est vrai : personne ne peut plus les reprendre. Ce que vous installez cette semaine tournera encore dans trois ans, y compris si Alibaba abandonne la gamme, y compris si le modèle se révèle défectueux sur un point précis.
Le versant sécurité de cette irréversibilité explique la nervosité de l’écosystème américain : plusieurs médias y rapportent des velléités de tour de vis sur les modèles ouverts après la salve chinoise. L’industrie plaide à l’inverse pour préserver l’accès aux poids, au nom de la concurrence comme de l’inspection. Les deux camps butent sur le même mur : aucun bouton d’arrêt n’existe pour un fichier déjà téléchargé.
Une démonstration notée par son auteur
Tout ce qui précède provient d’Alibaba. Les cas présentés sont choisis, les tentatives échouées ne sont pas publiées, et le coût en calcul n’apparaît que par bribes (125 heures pour la reproduction du papier, rien sur les seize jours de développement). E-Commerce-Bench, la simulation d’une année fiscale complète bâtie sur des données anonymisées de Taobao et Tmall, est un banc d’essai construit par l’entreprise qui s’y évalue. Cela vaut comme déclaration d’intention, guère plus.
La communication grand public mérite la même prudence : la vidéo promotionnelle, qui vend la corvée déléguée et le temps libre récupéré, simplifie autant que les prophéties de destruction d’emplois d’en face, et rien n’établit à ce jour d’effet massif de l’IA sur l’emploi ou la productivité.
Cette annonce a pourtant ceci de rare qu’elle sera vérifiable dans quelques jours. Quand les poids seront là, lancez vos propres chantiers longs, sur votre matériel, avec vos points de reprise et vos budgets de calcul : un modèle qui tient plusieurs jours sur une tâche se dimensionne comme une ressource de production, facture d’électricité et plan de reprise compris. D’ici quinze jours, on saura si les seize jours d’oh-my-cli se reproduisent ailleurs que chez leur auteur.
Mon avis
Le total de paramètres n’apprend plus rien à personne, et Alibaba l’agite volontiers pendant que le reste de son annonce dit autre chose. Ce que je retiens, c’est la date de diffusion des poids : un modèle capable de tenir seize jours sur un chantier et hébergeable chez vous cesse d’être un abonnement pour devenir un actif que personne ne peut vous retirer, y compris quand il se trompe. Je guetterai autre chose les prochains mois, loin du classement suivant que la Chine ira battre : la première entreprise européenne qui s’apercevra qu’elle a bâti sa chaîne de production sur un modèle chinois qu’elle ne sait ni auditer ni remplacer. Elle ne l’apprendra pas par un communiqué, elle l’apprendra le jour où il faudra le changer.
