Les entreprises devraient-elles intégrer des modèles ouverts chinois à leur infrastructure d'IA ?

Le dernier modèle d’IA d’Alibaba présente un intérêt pour les entreprises européennes pour une raison qui n’a pas grand-chose à voir avec le fait qu’il occupe ou non la première place d’un classement. Qwen3.8-Max devrait être lancé avec des poids de modèle téléchargeables, ce qui permettra aux entreprises de l'exécuter en local, de l'adapter à des tâches spécifiques et de l'intégrer à leur propre environnement technologique, plutôt que d'y accéder uniquement via une interface contrôlée par le fournisseur.

Cela change la donne en matière d'approvisionnement. Les entreprises ne sont plus obligées de choisir exclusivement parmi les principales plateformes américaines. Elles peuvent également envisager des modèles ouverts provenant de Chine, notamment les systèmes développés par Alibaba, DeepSeek, Moonshot et Zhipu. Certains rivalisent déjà avec les principaux modèles propriétaires dans des domaines tels que le codage et les tâches de longue durée, tout en offrant aux entreprises un plus grand contrôle sur le déploiement et la personnalisation. 

La question concrète n'est pas de savoir si un modèle chinois est “ meilleur ” que ChatGPT, Claude ou Gemini. Il s'agit plutôt de déterminer si l'intégration d'un tel modèle dans l'infrastructure d'IA de l'entreprise permet d'améliorer les coûts, la résilience, le contrôle des données ou les performances sans introduire de risques que l'organisation n'est pas en mesure de gérer.

Pour la plupart des entreprises, la solution ne consistera pas à opter pour une transition totale. Il s'agira plutôt d'une architecture plus sélective, dans laquelle différents modèles seront utilisés en fonction des charges de travail.

Pourquoi les modèles ouverts s'imposent dans les décisions d'entreprise

La première vague d'adoption de l'IA générative par les entreprises s'est largement articulée autour de plateformes fermées. Une entreprise accédait à un modèle via une API, payait en fonction de son utilisation et comptait sur le fournisseur pour assurer la maintenance du système sous-jacent.

C'était le moyen le plus rapide de se lancer dans l'expérimentation. Cela réduisait les besoins en infrastructure et permettait aux équipes d'accéder à des modèles performants sans avoir à mettre en place un service interne dédié à l'IA. Cela créait toutefois une nouvelle dépendance : la tarification, le comportement des modèles, la disponibilité, les conditions de traitement des données et les modifications apportées aux produits restaient sous le contrôle du fournisseur.

Les modèles « open-weight » proposent une configuration différente. Le modèle peut être téléchargé et exploité sur l’infrastructure choisie par l’entreprise. Il peut être hébergé en interne, déployé dans un cloud privé ou exploité via un service géré. L’entreprise peut l’adapter à un domaine spécifique, contrôler la circulation des données au sein du système et conserver une version stable du modèle pour les workflows réglementés ou reproductibles.

L'approche d'Alibaba s'articule autour de ce modèle de distribution. L'entreprise a publié des centaines de modèles ouverts et souhaite que Qwen devienne une base largement utilisée pour les applications, les services cloud et les systèmes dérivés. L'objectif commercial n'est pas nécessairement de facturer chaque interaction avec le modèle, mais d'encourager les entreprises et les développeurs à créer au sein de l'écosystème plus large d'Alibaba.

Pour les acheteurs professionnels, cela signifie que ce modèle doit être évalué dans le cadre d'une pile technologique plutôt que comme un chatbot autonome.

L'argument principal en faveur de l'ajout d'un modèle chinois

La principale raison d'envisager Qwen ou un autre modèle ouvert chinois réside dans la flexibilité architecturale.

Une entreprise qui fait appel à un seul fournisseur propriétaire est exposée aux fluctuations des prix, aux limites de débit, à la disponibilité des modèles et aux conditions contractuelles. Elle peut également constater qu’un modèle polyvalent n’est pas performant pour une tâche interne spécialisée ou qu’il est trop coûteux à utiliser à grande échelle.

L'introduction d'un modèle ouvert supplémentaire peut réduire ce risque de concentration. Les tâches courantes peuvent être confiées à un modèle local moins coûteux, tandis que les tâches plus complexes restent du ressort d'un système propriétaire de premier plan. Le traitement des documents sensibles peut s'effectuer dans un environnement contrôlé. Un modèle spécialisé peut être adapté à la terminologie technique, aux modèles internes ou à un processus opérationnel spécifique.

Cela vaut tout particulièrement pour les entreprises qui vont au-delà de simples projets pilotes isolés en matière d'IA. Dès lors qu'un modèle est intégré au service client, au développement de produits, à l'analyse des risques ou aux processus opérationnels, la continuité prend le pas sur la nouveauté. L'entreprise doit savoir ce qui se passe lorsque le fournisseur modifie le modèle, retire une version ou modifie sa structure tarifaire.

Une architecture multimodèle ne supprime pas les dépendances, mais elle offre davantage d'options à l'entreprise.

Dans quels cas un déploiement local peut-il être pertinent ?

L'exploitation locale est souvent présentée comme l'avantage déterminant d'un modèle ouvert, bien qu'elle ne soit utile que dans certaines conditions.

Le cas d'utilisation le plus évident concerne les données sensibles. Une organisation peut préférer conserver ses rapports internes, ses documents clients, son code source ou ses dossiers techniques au sein de sa propre infrastructure. Cela peut faciliter la gestion des vérifications juridiques et de la gouvernance des données, en particulier lorsque ce modèle est utilisé de manière répétée avec des informations confidentielles.

Les charges de travail prévisibles et à fort volume constituent une autre possibilité. L'accès via une API est pratique au début, mais la tarification à l'utilisation peut devenir coûteuse lorsqu'un modèle traite quotidiennement de grandes quantités d'informations similaires. L'hébergement d'un modèle ouvert peut s'avérer plus rentable une fois que la demande atteint un volume suffisant.

Le troisième cas concerne la spécialisation. Un modèle général peut certes appréhender un large éventail de sujets, mais ses performances peuvent rester inégales dans un domaine restreint. Le réglage fin ou l’adaptation minutieuse d’un modèle ouvert peut s’avérer utile pour les catalogues de produits, les dossiers de maintenance, la documentation technique ou les connaissances internes structurées.

Aucun de ces avantages n'est automatique. L'hébergement local transfère la responsabilité du fournisseur du modèle à l'entreprise. C'est à cette dernière qu'il revient de gérer l'infrastructure, la sécurité, les mises à jour, l'évaluation et la gestion des incidents. La comparaison pertinente ne porte donc pas sur une API payante et un téléchargement gratuit, mais sur deux modèles d'exploitation distincts, présentant des structures de coûts et des responsabilités différentes.

Les allégations de performances doivent faire l'objet de tests en entreprise

Alibaba affirme que son dernier modèle excelle particulièrement dans la programmation autonome et dans la réalisation de tâches s'étalant sur une longue période. Lors d'un test interne, le modèle aurait travaillé de manière autonome sur un projet de développement logiciel pendant 16 jours. L'entreprise précise également que l'architecture n'active que les parties de ses 2 400 milliards de paramètres nécessaires à une requête particulière, ce qui devrait réduire les besoins en puissance de calcul, la latence et les coûts. 

Ces arguments sont intéressants d'un point de vue commercial, mais ils ne répondent pas aux questions qu'un acheteur professionnel doit se poser.

Les performances des tests de référence ne permettent pas de déterminer si un modèle est capable de suivre de manière fiable des instructions internes, de produire des résultats cohérents sur des milliers de tâches ou de fonctionner en toute sécurité lorsque les utilisateurs fournissent des données d'entrée incomplètes ou malveillantes. Un modèle de codage peut afficher de bonnes performances lors de tests contrôlés tout en générant du code non sécurisé dans un environnement de production. Un agent fonctionnant sur le long terme peut mener à bien une tâche complexe tout en prenant des décisions que l'organisation n'est pas en mesure d'auditer de manière adéquate.

Les entreprises devraient donc évaluer le modèle à l'aune de leurs propres processus de travail. Un ensemble de tests pertinent devrait inclure des cas courants, des cas complexes, des données sensibles, des instructions ambiguës ainsi que des exemples dans lesquels le modèle est censé refuser la tâche ou la transmettre à un niveau hiérarchique supérieur.

Il convient de comparer le résultat aux modèles existants de l'entreprise en termes de précision, de coût, de rapidité, de stabilité et de risque opérationnel. Un simple indicateur de référence ne suffit pas à justifier une décision de déploiement.

La dimension géopolitique ne peut être ignorée

Un modèle chinois ouvert soulève des considérations qui vont au-delà des performances techniques.

Le premier concerne les risques réglementaires. Les entreprises européennes et suisses doivent savoir où le modèle est hébergé, comment les données sont traitées, quelles licences s’appliquent et si des services externes restent connectés au déploiement. Un modèle exploité localement peut atténuer certaines préoccupations liées au transfert de données, mais il ne dispense pas d’un examen juridique et de sécurité.

La deuxième question concerne la stabilité de la chaîne d'approvisionnement. Les développeurs chinois spécialisés dans l'IA sont soumis à des restrictions américaines concernant l'accès aux semi-conducteurs de pointe. Ces restrictions n'ont pas empêché des progrès rapides, mais elles continuent d'avoir une incidence sur le développement futur, la disponibilité et les coûts d'hébergement.

La troisième préoccupation concerne la perception au niveau organisationnel. Les clients, les conseils d'administration et les autorités de régulation peuvent traiter les technologies chinoises d'IA différemment des systèmes fournis par des prestataires américains ou européens. La question de savoir si cette distinction est techniquement justifiée importe moins que celle de savoir si elle a une incidence sur les autorisations, les marchés publics ou la confiance.

Les entreprises devraient procéder à cette évaluation de manière explicite, plutôt que de laisser la nationalité du mannequin devenir soit un motif de rejet automatique, soit un risque non évalué.

« Ouvert » ne signifie pas « transparent »

Le vocabulaire utilisé pour parler de l'IA ouverte peut également prêter à confusion.

La publication des poids du modèle permet à une organisation d'examiner, d'exploiter et de modifier le système de manière plus approfondie qu'avec une API fermée. Elle n'offre toutefois pas nécessairement une visibilité complète sur les données d'entraînement, le processus de développement ou l'ensemble des choix de conception. De même, l'accès aux poids ne rend pas le modèle intrinsèquement sécurisé, impartial ou conforme.

Une entreprise doit néanmoins bien comprendre les termes de la licence, les utilisations autorisées, la provenance du modèle et le processus de mise à jour. Elle doit déterminer qui est responsable de la gestion des vulnérabilités et quelle procédure suivre lorsqu’une nouvelle version est publiée. Elle doit également mettre en place des contrôles pour prévenir les injections malveillantes, les fuites de données, les résultats préjudiciables et les modifications non autorisées du modèle.

Dans le cas d'un service propriétaire, une partie de ce travail est prise en charge par le fournisseur. Dans le cadre d'un modèle ouvert, une plus grande partie de cette charge peut incomber à l'entreprise ou à son partenaire de mise en œuvre.

C'est là le compromis essentiel : un contrôle accru s'accompagne d'une responsabilité opérationnelle accrue.

Un cadre d'adoption raisonnable pour les entreprises

Les entreprises qui envisagent d'adopter Qwen ou un autre modèle ouvert chinois devraient commencer par une charge de travail limitée plutôt que de se lancer dans un choix global de plateforme.

La première étape consiste à identifier une tâche pour laquelle le modèle ouvert pourrait offrir un avantage mesurable. Il peut s'agir d'une réduction des coûts, d'un traitement local des données, d'une amélioration des performances dans un langage spécifique ou d'un meilleur contrôle du comportement du système.

Le modèle doit ensuite être testé par rapport au prestataire actuel de l'organisation, en utilisant les mêmes données, les mêmes critères d'évaluation et les mêmes contrôles de sécurité. Les coûts d'infrastructure doivent être pris en compte, ainsi que le temps consacré à l'ingénierie, la surveillance, la maintenance et les mises à niveau futures.

Les équipes juridiques, de conformité et de cybersécurité doivent examiner le modèle avant qu'il ne soit exposé à des données sensibles ou intégré à un processus critique. L'organisation doit également définir un plan de sortie. Les modèles ouverts réduisent certaines formes de dépendance vis-à-vis d'un fournisseur, mais les ajustements personnalisés et les choix d'infrastructure peuvent créer de nouvelles dépendances.

Ce n'est qu'à l'issue de ces travaux que l'entreprise devrait décider si le modèle doit être mis en production.

Le résultat probable sera une entreprise multimodèle

Le lancement d'Alibaba ne signifie pas pour autant que les entreprises européennes doivent se détourner de leurs fournisseurs américains actuels. Les plateformes fermées continuent d'offrir des performances solides, des outils de développement éprouvés et une charge opérationnelle moindre.

La conséquence la plus importante est qu'il deviendra de plus en plus difficile de justifier le recours à une seule famille de modèles à mesure que les alternatives crédibles se multiplieront. Entreprises répartira de plus en plus les tâches en fonction de leur niveau de sensibilité, de leur coût, de leur complexité et de leurs performances. Un modèle propriétaire pourra prendre en charge les raisonnements complexes. Un modèle ouvert hébergé localement pourra traiter des documents confidentiels. Un modèle spécialisé plus restreint pourra prendre en charge un flux de travail opérationnel répétitif.

Les modèles ouverts chinois font désormais partie de cet éventail de choix. Les entreprises qui en tireront le plus grand bénéfice ne seront pas celles qui adopteront chaque nouvelle version, mais celles qui seront capables d’évaluer les modèles de manière cohérente, d’affecter chacun d’entre eux à une charge de travail appropriée et de changer de fournisseur sans avoir à reconstruire l’intégralité de leur environnement d’IA. Dans ce contexte, Qwen3.8-Max n’est pas tant une raison de changer immédiatement de fournisseur qu’un rappel que l’architecture d’IA d’entreprise ne doit plus être conçue autour d’un seul fournisseur.