Modèle open source d’Alibaba Cloud : favoriser la construction de l’écosystème de l’IA et son déploiement dans de multiples scénarios

Avec l’essor massif des modèles open source, leurs performances rivalisent désormais avec celles des modèles propriétaires les plus avancés. Parallèlement, le modèle open source permet de réduire considérablement les coûts de formation des modèles, rendant ainsi possible le déploiement à faible coût et l’adoption généralisée des solutions les plus performantes.

Dans le sillage de l’ère de l’IA, le groupe Alibaba a entièrement transformé sa stratégie de développement d’entreprise.

Le 24 février 2025, le PDG du groupe Alibaba, Wu Yongming, a annoncé que, au cours des trois prochaines années, Alibaba prévoit d’investir plus de 380 milliards de yuans dans le développement des services cloud mondiaux et des infrastructures matérielles dédiées à l’IA, un montant bien supérieur au total investi par l’entreprise dans ce domaine au cours des dix dernières années.

Dans le domaine des grands modèles, Alibaba Cloud a déjà obtenu des résultats remarquables. À ce jour, plus de 200 modèles différents ont été rendus open source, et le nombre de modèles dérivés de Qwen a dépassé les 100 000 au sein des communautés open source, tant en Chine qu’à l’international, surpassant ainsi la série américaine Llama et occupant désormais la première place mondiale parmi les grands modèles open source.

L’équipe d’Alibaba Cloud Qwen a confié au magazine « Business School » que, grâce à l’open source, Alibaba Cloud s’emploie à bâtir un solide écosystème d’IA, afin d’aider un grand nombre de petites et moyennes entreprises ainsi que les développeurs d’IA à accéder plus tôt et plus facilement à Qwen, favorisant la diffusion et l’application concrète des technologies de grands modèles, et contribuant à la construction de l’écosystème chinois des grands modèles. En effet, ce n’est qu’en instaurant une base solide pour les grands modèles que l’on pourra ouvrir des perspectives illimitées aux applications commerciales de demain.

Depuis août 2023, Alibaba Cloud a été le premier en Chine à ouvrir en source libre une série de grands modèles, devenant ainsi la première grande entreprise chinoise à mener de telles initiatives à grande échelle. Il a par ailleurs remporté à plusieurs reprises les titres de « Champion mondial de l’open source » et de « Champion des modèles made in China » sur des classements prestigieux tels que Chatbot Arena et Sinan OpenCompass. En 2024, rien qu’avec le modèle open source Qwen2.5‑1.5B, Alibaba Cloud a capturé 26,6 % des téléchargements de modèles sur Hugging Face, la plus grande communauté open source au monde, se classant ainsi au premier rang mondial.

Alibaba Cloud souligne que l’open source permet de rassembler l’intelligence et les efforts des développeurs du monde entier, favorisant ainsi une innovation et une itération technologiques bien plus efficaces que celles menées par une entreprise isolée. Par exemple, après la mise à disposition en open source de DeepSeek R1, une véritable vague de reimplémentation de R1 s’est propagée à l’échelle mondiale, mettant à rude épreuve le modèle de raisonnement o1 d’OpenAI et propulsant la technologie des grands modèles mondiaux vers une nouvelle étape dans le domaine des modèles de raisonnement.

En outre, l’open source favorise la construction d’un écosystème. Dans un modèle open source, chacun peut télécharger et déployer gratuitement des modèles d’IA, ce qui contribue largement à la diffusion des nouvelles technologies. Par exemple, parmi les six modèles distillés de DeepSeek, quatre reposent sur des modèles open source de Qwen ; de même, l’équipe de Fei-Fei Li a réussi, en s’appuyant sur les modèles open source de Qwen, à entraîner un nouveau modèle, le s1-32B, dont les performances rivalisent avec celles des meilleurs modèles de raisonnement, affichant une performance supérieure de 27 % à celle de o1-preview sur les problèmes mathématiques des compétitions.

En outre, l’open source accélère le processus d’industrialisation de l’IA et favorise son déploiement dans divers secteurs. Pour les start-ups et les petites et moyennes entreprises, l’utilisation directe de modèles open source permet de réduire considérablement les barrières techniques et financières à l’entrée dans le domaine de l’IA ; en s’appuyant sur leur propre base de connaissances ou corpus, elles peuvent ainsi développer rapidement des solutions verticales adaptées à chaque secteur.

Il convient de souligner que le modèle QwQ-32B, lancé par Alibaba Cloud le 6 mars 2025, s’adresse non seulement aux entreprises, mais aussi aux développeurs individuels et aux utilisateurs ordinaires, tout en pouvant être déployé localement sur des cartes graphiques grand public, ce qui réduit considérablement les coûts de déploiement et d’utilisation. Grâce à un apprentissage par renforcement à grande échelle, ce modèle a réalisé des progrès majeurs dans les domaines des mathématiques, du code et des compétences générales, affichant des performances globales comparables à celles de DeepSeek‑R1.

Cependant, à mesure que les gains marginaux apportés par la loi de l’échelle (Scaling Law) se réduisent progressivement, les grands acteurs du domaine des modèles de grande taille, tels qu’OpenAI, atteignent déjà les limites de leurs capacités technologiques et ressources disponibles en matière d’accumulation de données et de puissance de calcul. Dès lors, la recherche de nouvelles voies d’optimisation devient primordiale. L’industrie s’attache désormais à réduire les coûts grâce à une optimisation poussée de la puissance de calcul, tout en perfectionnant les phases d’apprentissage par renforcement et de raisonnement, afin de former des modèles haute performance de manière plus efficace. Le lancement de QwQ‑32B vient une nouvelle fois confirmer le formidable potentiel de l’apprentissage par renforcement pour améliorer les performances des modèles.

Alibaba Cloud a indiqué que, grâce à l’essor continu des modèles open source, leurs performances sont désormais comparables à celles des modèles propriétaires les plus avancés. Le modèle open source permet également de réduire les coûts de formation des modèles, rendant ainsi possible le déploiement et l’application à faible coût des modèles les plus performants.

Fait intéressant, pour faire face à la concurrence des entreprises chinoises, des géants internationaux tels que Google et OpenAI ont eux aussi commencé à adapter leur stratégie en optant pour un open source limité. Par exemple, Google, qui se concentrait auparavant sur le modèle propriétaire Gemini, a récemment rendu public Gemma 3 ; quant à OpenAI, autrefois surnommée « CloseAI », sous l’influence de l’écosystème open source chinois, son PDG Sam Altman a reconnu que sa stratégie de closed source était erronée et a annoncé ses plans d’ouverture future.

À l’heure actuelle, de plus en plus d’entreprises privilégient l’utilisation directe des services API standard proposés par les fournisseurs de grands modèles, notamment dans les cas où les besoins métier sont relativement stables et ne nécessitent pas de personnalisation intensive. Recourir à ces services API s’avère plus économique, car les coûts ne sont facturés qu’au moment de l’appel effectif ; cette approche est particulièrement adaptée aux scénarios caractérisés par des pics et des creux de demande évidents, comme les systèmes de service client : en dehors des heures de pointe du jour, la charge est faible, ce qui évite d’avoir à développer un grand modèle depuis zéro, réduisant ainsi considérablement les coûts.

La plateforme Bailian d’Alibaba Cloud est un service de modèles d’IA à grande échelle conçu par Alibaba pour les entreprises, qui aide les entreprises et les développeurs à concevoir, entraîner et déployer des applications d’IA de manière plus efficace. À l’heure actuelle, l’appel aux API de cette plateforme constitue la principale voie de commercialisation des grands modèles d’IA d’Alibaba Cloud. La plateforme Bailian d’Alibaba Cloud offre une intégration rapide et simplifiée, permettant aux utilisateurs d’exploiter aisément les capacités des grands modèles d’IA d’Alibaba Cloud.

Outre les appels API standard, Alibaba Cloud propose également une gamme complète de solutions d’IA sur mesure, développées en collaboration, couvrant le finetuning des modèles et la création de modèles personnalisés, afin de répondre aux besoins des clients peu familiers avec la technologie des modèles ou ayant des exigences de personnalisation très élevées. Pour les utilisateurs soucieux de la sécurité des données et de la protection de la vie privée, Alibaba Cloud a lancé des solutions de déploiement en mode privé, par exemple en intégrant les modèles dans des appliances tout-en-un vendues directement aux clients.

Dans le cadre de la promotion de la commercialisation des grands modèles d’IA open source, Alibaba Cloud ne cesse d’explorer des modalités d’ouverture des capacités d’IA offrant un meilleur rapport qualité‑prix.

Depuis 2024, Alibaba Cloud a réduit à plusieurs reprises les tarifs des modèles de la série Qwen, dont le prix d’entrée pour l’API Qwen-Long est passé de 0,02 yuan par mille tokens à 0,0005 yuan par mille tokens, soit une baisse de 97 %. D’autres modèles, tels que Qwen-Turbo, Qwen-Plus, Qwen-Max, ainsi que les modèles de compréhension visuelle, ont également vu leurs tarifs fortement réduits, permettant ainsi à un plus grand nombre d’entreprises et de développeurs d’accéder aux capacités d’IA à moindre coût.

Il convient de noter que la baisse continue des coûts tient à l’amélioration constante d’Alibaba Cloud en matière d’infrastructures d’intelligence artificielle, notamment dans l’accroissement de l’efficacité computationnelle, l’optimisation des performances réseau et l’accélération des vitesses de stockage. Par exemple, Alibaba Cloud a lancé HPN7.0, une architecture réseau haute performance capable de maintenir des connexions stables pour plus de 100 000 GPU, le serveur AI Panjiu, qui peut prendre en charge jusqu’à 16 cartes par machine, ainsi que le stockage de fichiers CPFS, offrant un débit de données atteignant 20 To/s.

Par ailleurs, la plateforme Baillian d’Alibaba Cloud intègre déjà plus de 200 API de grands modèles, couvrant les principaux modèles open source et propriétaires, tant nationaux qu’internationaux. Afin de réduire les coûts d’utilisation des API de grands modèles de traitement du texte, la plateforme Baillian d’Alibaba Cloud a lancé un tout nouveau modèle de facturation basé sur le cache KV, qui évite les calculs redondants grâce à la mise en cache automatique du contexte, diminuant ainsi encore davantage les coûts d’appel des modèles. Ce modèle est particulièrement adapté aux scénarios tels que les textes longs, la complétion de code, les dialogues multi‑tours ou encore le résumé de textes spécifiques.

Dans l’ensemble, les grands modèles d’IA open source se heurtent à deux défis majeurs dans leur processus de commercialisation : d’une part, l’absence d’applications « phares » capables d’améliorer de manière significative l’expérience utilisateur ou l’efficacité, ce qui signifie que le marché n’est pas encore pleinement prêt à accueillir ces grands modèles d’IA ; leurs cas d’application et leur potentiel restent à explorer et à valider davantage. D’autre part, le segment B2B demeure encore à un stade d’exploration préliminaire : les dirigeants d’entreprise manquent d’une compréhension suffisante de la valeur métier que peuvent apporter les grands modèles open source, ce qui rend plus difficile, comparé aux modèles propriétaires, de les convaincre d’investir dans des solutions d’IA.

Face à ces défis et dans le cadre de sa stratégie d’avenir, Alibaba s’est préparé grâce à une solution intégrée et full‑stack « Cloud + IA ». Par exemple, en tirant parti des capacités de ses infrastructures d’IA, l’entreprise élargit son offre sur le marché B2B. Parallèlement, à travers des initiatives telles que la refonte et la mise à niveau de Quark, elle explore le potentiel des applications des grands modèles sur le marché grand public, avec pour objectif de créer des cas d’usage phares et d’offrir la meilleure expérience possible en matière d’IA.

Avec les progrès continus des technologies des grands modèles, ceux‑ci démontrent une valeur et un potentiel d’application considérables dans de nombreux domaines.

En janvier 2024, FAW Group, en partenariat avec Qwen, a lancé la première application d’intelligence commerciale (BI) basée sur un grand modèle dans le secteur automobile — GPT‑BI. Grâce aux capacités du grand modèle Qwen, FAW a réussi à rendre ses données plus intelligentes, transformant ainsi d’importants actifs de données jusque‑là inexploités en ressources précieuses.

Concrètement, GPT‑BI aide FAW à automatiser la génération des rapports sur les données de vente, ce qui améliore considérablement l’efficacité du travail. M. Men Xin, vice‑président du comité d’exploitation de la marque Hongqi chez FAW, souligne que l’IA offre encore bien d’autres applications concrètes au quotidien. Par exemple, lors du développement d’un véhicule complet, de vastes ensembles de données sont mobilisés — notamment pour le dimensionnement et l’ajustement de la production, l’évaluation des processus ou encore les stratégies d’assemblage — des étapes qui dépendaient auparavant de l’évaluation manuelle. Désormais, Hongqi s’appuie sur ces données et ces exigences pour mettre en place un modèle d’évaluation automatique des véhicules Hongqi, intégrant l’ensemble du processus de production. Ainsi, des tâches autrefois longues — pouvant prendre 20, 50 voire plus de 80 jours — se résument désormais, sur le poste de travail, à quelques secondes ou quelques jours seulement.

S’appuyant sur des scénarios d’application réels tels que GPT‑BI, FAW prévoit également d’exploiter d’importants actifs de données de haute qualité pour développer, sur la plateforme unifiée de développement d’applications à base de grands modèles « Alibaba Cloud Bailian », des modèles généraux verticaux destinés à divers domaines comme la R&D, la fabrication et le service après‑vente, afin que ces grands modèles puissent pleinement jouer leur rôle dans les processus de production, de vente et autres.

Le 11 mars 2025, la plateforme Manus a annoncé l’établissement d’un partenariat stratégique avec l’équipe d’Alibaba Qwen. Les deux parties s’appuieront sur les modèles open source de la série Qwen pour déployer l’ensemble des fonctionnalités de Manus sur des plateformes de modèles et de calculs entièrement chinoises, s’attachant ainsi à créer pour les utilisateurs chinois des produits d’agents intelligents généralistes encore plus créatifs.

Dans l’industrie, on considère généralement que la collaboration entre Manus et Alibaba vise non seulement à tirer parti des grands modèles avancés, mais aussi à trouver une plateforme cloud offrant un excellent rapport coût‑performance afin de répondre aux besoins colossaux en puissance de calcul, notamment sur le marché chinois. Ce partenariat accélérera la mise en œuvre industrielle des agents intelligents basés sur l’IA, en réduisant les coûts d’exploitation et en améliorant les performances des services grâce à des solutions de cloud computing efficaces et économiques.

Récemment, le géant mondial de la technologie Apple a conclu un partenariat avec Alibaba ; ce dernier, en tant que fournisseur d’Apple, développe des fonctionnalités d’intelligence artificielle pour la version chinoise de l’iPhone.

Les analystes soulignent qu’Apple a choisi de s’associer à Alibaba, d’une part en raison des atouts en matière de puissance de calcul de la plateforme Alibaba Cloud, et d’autre part parce que la famille de modèles Qwen possède de solides capacités multimodales. Pour les agents intelligents basés sur l’IA, outre un modèle linguistique performant, il est également essentiel de disposer de la capacité d’interpréter des entrées multimodales telles que l’image et le son ; c’est l’un des critères clés pris en compte par Apple et d’autres entreprises lors du choix de partenaires pour des grands modèles d’IA.

En matière de capacités multimodales, le modèle Qwen-Vision Language de Siring se distingue par ses performances remarquables. Prenons, à titre d’exemple, la dernière version Qwen2.5-VL : ce modèle est capable de traiter non seulement les entrées et sorties textuelles, mais aussi les données visuelles et vidéo, incluant la compréhension de vidéos d’une durée pouvant atteindre une heure.

Par rapport à la génération précédente de Qwen2‑VL, ce modèle a bénéficié de nombreuses améliorations. Par exemple, sa capacité renforcée de Grounding permet d’identifier plus précisément les événements physiques et les objets, ce qui aide le modèle à établir un lien plus fort entre les descriptions textuelles et les éléments présents dans les images ou vidéos réelles. Quant à sa capacité OCR (reconnaissance optique de caractères) améliorée, elle excelle lorsqu’il s’agit de traiter des textes complexes ou manuscrits, ainsi que de longs documents, sans nécessiter d’ajustements spécifiques pour chaque type de texte, et elle se montre particulièrement performante face aux écritures présentant des angles irréguliers.

Dans Qwen2.5-VL, l’équipe de Qwen a également mis au point un format d’analyse de documents plus complet — le format HTML QwenVL — qui permet à la fois d’identifier avec précision le texte contenu dans les documents et d’extraire les informations de position des éléments du document (comme les images, les tableaux, etc.), restituant ainsi fidèlement la mise en page originale.

Selon les informations fournies, ce modèle, outre sa puissance exceptionnelle, intègre également des capacités d’agent, telles que la génération de documents au format JS standard, un élément essentiel pour les applications pratiques des agents intelligents. Seul un format de sortie standardisé permet aux agents de mobiliser efficacement ces résultats. Grâce à ces innovations judicieuses, non seulement les fonctionnalités et l’utilité du modèle sont renforcées, mais un solide soutien est apporté au développement futur de l’industrie de l’IA.

Depuis 2024, Alibaba Cloud déploie directement de grands modèles sur des appareils tels que les smartphones, afin d’exécuter localement des tâches comme la génération de résumés vocaux. La collaboration entre Alibaba et Apple repose sur une architecture hybride edge-cloud : le cloud héberge des modèles de grande taille, tandis que les terminaux intègrent des modèles à paramètres réduits, complétés par des mesures de sécurité ; il s’agit là d’une orientation stratégique majeure pour l’avenir.

Du point de vue du mode de déploiement, les grandes modèles peuvent être déployés sur les smartphones selon deux approches principales : la première consiste à procéder à un déploiement local, en intégrant le grand modèle directement dans le téléphone ou en déployant des modèles plus légers (de l’ordre de 0,5 à 7 milliards de paramètres) pour exécuter des tâches sensibles aux données ; la seconde repose sur une architecture hybride cloud‑local, où un modèle compact est exécuté localement pour traiter les données sensibles, tandis que les tâches complexes sont soumises au grand modèle hébergé dans le cloud via le réseau.

Les modèles de grande taille hébergés dans le cloud, tels que ceux de Siring, se distinguent par leur puissance exceptionnelle, leur capacité à traiter des tâches complexes et leur grand nombre de paramètres, offrant ainsi de très bonnes performances. Toutefois, ils présentent des problèmes de latence et de confidentialité liés au transfert des données. En revanche, les modèles de grande taille déployés localement garantissent une meilleure sécurité des données et une protection renforcée de la vie privée, puisque tout le traitement s’effectue sur l’appareil. Ils suffisent déjà pour les tâches de base, mais leurs capacités sont limitées par la taille du dispositif, ce qui se traduit par des performances inférieures à celles des modèles cloud et une expérience parfois légèrement moins fluide.

Bien que les modèles locaux puissent répondre aux besoins des tâches de base, les modèles de grande taille hébergés dans le cloud demeurent indispensables pour répondre aux exigences de personnalisation requérant un niveau d’intelligence plus élevé. À l’avenir, la tendance pourrait être d’atteindre un équilibre : exploiter les modèles locaux pour assurer la sécurité des données et des réponses rapides, tout en s’appuyant sur les modèles cloud pour résoudre les problèmes complexes.