Le 13 août 2026, Alibaba a mis son modèle d’intelligence artificielle le plus puissant à la disposition du monde entier, entièrement gratuitement.
Le modèle est baptisé Qwen3.8-2.4T-A95B et fait partie de la série Tongyi Qwen d’Alibaba. Avec 2,4 billions de paramètres (les « boutons » ajustables d’un réseau de neurones), il figure parmi les plus grands modèles open source au monde. Les fichiers de poids sont hébergés publiquement sur Hugging Face et téléchargeables par tous sous une licence autorisant l’usage commercial.
Le même jour, DeepSeek a lancé V4 Pro 0813, et xAI d’Elon Musk a présenté Grok 4.6. Voir trois géants de la tech lancer simultanément leurs modèles phares le même jour aurait été impensable il y a trois ans. En commentaire, un développeur a remarqué que le rythme de sortie des modèles est désormais calé sur « l’heure chinoise ».
Que représentent réellement 2,4 billions de paramètres ?
Le cerveau humain contient environ 86 milliards de neurones. À 2,4 billions de paramètres, ce modèle en compte 28 fois plus. Sur le plan numérique, c’est comme si l’on avait condensé les cellules nerveuses de 28 cerveaux humains dans une seule entité.
Mais il y a une nuance architecturale essentielle : le modèle ne sollicite pas l’intégralité de ses 2,4 billions de paramètres pour chaque réponse.
Qwen3.8 utilise une architecture MoE (Mixture of Experts ou Mélange d’experts). En interne, le modèle s’appuie sur 512 « experts ». Lorsqu’une question lui est posée, il ne réveille que 10 experts de routage et 1 expert partagé — soit environ 95 milliards de paramètres réellement mobilisés pour le calcul. Pour établir une comparaison : imaginez une entreprise de 24 000 salariés où, pour chaque tâche, 95 spécialistes seulement sont appelés à travailler.
L’impact en ingénierie est considérable : les connaissances sont stockées dans l’ensemble des 2,4 billions de paramètres lors de l’entraînement, tandis que l’inférence ne consomme environ que 1/25e de la puissance de calcul. C’est ainsi que la très grande échelle et l’accessibilité financière parviennent à coexister. Par rapport aux modèles denses traditionnels de capacité équivalente, les coûts d’inférence sont réduits de 70 à 80 %.
La taille des fichiers témoigne également de cette échelle : l’ensemble des poids pèse environ 5 To (près de 5 000 Go), de quoi remplir les disques durs de plusieurs ordinateurs personnels. Ce n’est pas un gadget conçu pour les smartphones, mais ses coûts d’utilisation ont été ramenés à un niveau acceptable grâce à l’architecture MoE.
De plus, il prend en charge nativement une fenêtre de contexte de 260 000 tokens (l’équivalent d’un roman complet), avec une extension possible jusqu’à 1 million de tokens. Du point de vue de l’ingénierie, ingérer un livre entier avant de répondre à une question était une capacité réservée aux seuls modèles propriétaires payants il y a deux ans.
Pourquoi offrir un tel modèle gratuitement ?
Pour préciser la notion d’« open source » dans ce contexte : l’intégralité des fichiers du modèle est publique, permettant à toute entreprise ou individu de les télécharger, de les étudier, de les modifier et même de les exploiter commercialement. À l’inverse, les modèles fermés comme GPT d’OpenAI ou Gemini de Google gardent leurs versions les plus performantes derrière un paywall avec une facturation à l’usage.
Entraîner un modèle de 2,4 billions de paramètres représente une facture de calcul de plusieurs centaines de millions de dollars. Offrir un tel actif est un événement rare dans l’histoire des affaires.
Que cherche Alibaba ? Selon nous, trois objectifs stratégiques ressortent :
Premièrement, l’écosystème. Le modèle de base sert de porte d’entrée. Plus le nombre d’utilisateurs de Qwen augmente, plus la demande pour les services cloud et les API d’Alibaba s’accroît. En parallèle de cette sortie open source, Alibaba a annoncé le modèle payant Qwen3.8-Max, accessible via API, qui prend en charge la vision et offre un contexte par défaut de 1 million de tokens. La version gratuite attire la communauté, la version payante génère des revenus.
Deuxièmement, la concurrence. DeepSeek a séduit de nombreux développeurs grâce à sa stratégie « open source et prix cassés », obligeant Alibaba à réagir. DeepSeek V4 Pro 0813, sorti le même jour, a fixé le prix d’entrée à seulement 0,435 dollar par million de tokens. Face à une telle guerre des prix, ne pas ouvrir son modèle équivaut à se faire distancer.
Troisièmement, le contexte international et réglementaire. Des développeurs internationaux ont souligné que les autorités chinoises soutiennent explicitement la coopération internationale autour des modèles open source, ce qui a encouragé la stratégie de Qwen à s’orienter de nouveau vers une ouverture affirmée.
Le constat d’ingénierie : Rendre un modèle phare open source revient à renoncer à la vente directe du modèle pour monétiser l’écosystème cloud global. Les deux modèles économiques comportent des arbitrages, mais le pari stratégique d’Alibaba est très clair.
Open source vs. fermé : quel modèle durera le plus longtemps ?
C’est le débat fondamental soulevé par cette annonce.
Le camp des modèles fermés (OpenAI, Google, Anthropic) avance que plus un modèle est puissant, plus il présente de risques, nécessitant un développement sous clé pour éviter les dérives. De plus, la vente de modèles finance la recherche et le développement de la génération suivante. La logique de sécurité et de viabilité commerciale est cohérente.
Le camp de l’open source rétorque que seule la transparence permet des audits indépendants, que la collaboration communautaire accélère le progrès et que l’ouverture évite d’être verrouillé par un seul fournisseur. Comme l’a noté un développeur sur Hacker News, l’open source permet d’exécuter une IA de pointe sur sa propre machine, ce que les modèles fermés ne permettront jamais.
Les deux visions comportent des arguments solides. Mais plusieurs faits s’imposent.
Impossible de dire aujourd’hui quel modèle l’emportera à terme. Mais une tendance est évidente : les modèles fermés misent sur le verrouillage pour maintenir des prix élevés, tandis que l’open source s’appuie sur l’échelle pour diluer les coûts. La durée de vie de ce verrouillage dépend de la vitesse à laquelle l’open source rattrape son retard — et en 2026, ce rattrapage s’effectue bien plus vite que prévu.
En 2026, l’écart de performance entre les meilleurs modèles open source et les géants propriétaires s’est réduit, passant d’un fossé générationnel à quelques points de pourcentage. Qwen3.8 rivalise directement avec GPT-5.6 et Claude Opus 4.8 sur plusieurs benchmarks de programmation. Sur PaperBench, Qwen3.8 a obtenu un score de 93,0, dépassant le score de 90,5 de GPT-5.6 Sol.
Les réserves ne manquent pas. Sur Hacker News, certains ont qualifié la fiche du modèle de « trop belle pour être vraie ». D’autres ont souligné que la publication en format bf16 sans quantification (technique de compression des fichiers de modèle) laisse planer un doute sur les performances réelles après compression. Les exigences matérielles sont également très élevées : même une version compressée en 1-bit nécessite environ 397 Go de VRAM, ce qui la rend inaccessible pour un ordinateur grand public.
Ces critiques sont fondées. De plus, la course aux paramètres n’a pas de ligne d’arrivée fixe — Kimi K3 avait déjà publié un modèle de 2,8 billions de paramètres, et les records continueront d’être battus. Les paramètres ne font pas tout et les tests ne remplacent pas l’expérience utilisateur réelle.
Mais un fait reste difficile a contester : en 2026, le camp de l’open source est désormais capable de rivaliser d’égal à égal avec les géants du secteur propriétaire. Il y a deux ans à peine, la plupart des observateurs n’auraient pas osé l’imaginer.
Pourquoi le grand public devrait-il s’en soucier ?
D’abord pour les prix. Les modèles open source tirent l’ensemble des prix du marché vers le bas, rendant tous les produits d’IA que vous utilisez de moins en moins chers.
Ensuite pour la souveraineté et l’accès. Il s’agit d’un modèle de niveau mondial développé en Chine qui appartient directement à l’utilisateur : le télécharger et l’exploiter commercialement ne nécessite l’autorisation de personne.
Enfin pour l’avenir. Les assistants vocaux de vos smartphones, les robots de service client dans les entreprises et les systèmes d’aide au diagnostic dans les hôpitaux reposeront demain sur des modèles comme celui-ci, mis gratuitement à disposition aujourd’hui. Ce qui est gratuit aujourd’hui s’intégrera dans d’innombrables produits demain.
Le record de 2,4 billions de paramètres sera dépassé tôt ou tard. Mais le fait d’offrir gratuitement le modèle le plus puissant montre que la logique de compétition dans l’IA évolue : de la course aux paramètres vers la capacité à mettre l’IA entre les mains du plus grand nombre. Sur cette voie, l’open source a pris les devants.
Il y a là un signal encore plus discret : lorsque les modèles les plus performants deviennent des ressources publiques, l’IA entre les mains des utilisateurs ne dépend plus du bon vouloir d’une grande entreprise. Il est peut-être tôt pour l’affirmer avec certitude, mais la direction semble la bonne.
Liens de référence :
- Hugging Face : Qwen/Qwen3.8-2.4T-A95B
- Discussion HN (HN)
- Blog technique NVIDIA : Serve Qwen3.8-2.4T-A95B on GB300 NVL72
- X officiel de Qwen : Teaser de l’annonce Qwen3.8-Max
- Recettes vLLM : Qwen3.8-2.4T-A95B
Note de vérification des images : Le contenu original (fiche de modèle Hugging Face) est composé de texte brut et de tableaux sans images intégrées. Tous les éléments img extraits par script étaient des logos du site, des avatars ou des badges, et ont été filtrés conformément aux règles. Cet article ne contient donc aucune image. Liste complète :
1. huggingface.co/front/assets/huggingface_logo-noborder.svg (95×88, logo du site, filtré)
2. cdn-avatars.huggingface.co/v1/production/uploads/6215ca5692c0ecfba9186921/hrRM50-6XcdWgg2AKpENG.jpeg (200×200, avatar Qwen, 2 occurrences, filtré)
3. img.shields.io/badge/Qwen%20Studio-536af5?logo=qwen&logoColor=white (99×20, badge Qwen Studio, filtré)
