L’écosystème chinois de l’IA à poids ouverts passe de l’expérimentation par les développeurs aux achats des entreprises. Alibaba, DeepSeek et d’autres développeurs chinois proposent désormais des modèles aux capacités concurrentielles, aux licences permissives et aux tarifs qui remettent en question les plateformes propriétaires pour certaines charges de travail.
Alibaba a lancé Qwen3.5 en février 2026, puis Qwen3.8-Max-Preview en juillet, un modèle multimodal qui, selon l’entreprise, contient 2,4 billions de paramètres. Alibaba a également promis une version à poids ouverts, sans toutefois fournir de calendrier lors du lancement. Ce rythme de publication rapide élargit le choix des entreprises, mais les éléments indépendants ne permettent pas d’affirmer que la Chine a dépassé les États-Unis sur l’ensemble du marché de l’IA.
Les modèles à poids ouverts rendent leurs paramètres entraînés disponibles au téléchargement, ce qui permet aux organisations de les exécuter sur une infrastructure contrôlée et de les adapter à des applications spécifiques. Cette appellation ne garantit pas la divulgation des données d’entraînement, des méthodes de développement ou des tests de sécurité.
La poussée chinoise en faveur des poids ouverts modifie l’équation des coûts
Le portefeuille d’Alibaba couvre désormais les versions téléchargeables de Qwen3.5 et la nouvelle version Qwen3.8-Max-Preview. La famille Qwen au sens large avait produit plus de 100 000 dérivés sur Hugging Face en mars 2026, devenant ainsi le plus vaste écosystème de modèles de la plateforme, selon un rapport de la US-China Economic and Security Review Commission.
Les licences réduisent un autre obstacle. Qwen3.5-397B-A17B utilise la licence Apache 2.0, tandis que DeepSeek-R1 utilise la licence MIT. Les deux autorisent une large utilisation commerciale, mais les entreprises doivent tout de même examiner les poids exacts, les versions distillées, les dépendances et les politiques d’utilisation inclus dans un déploiement.
Les tests indépendants montrent que des écarts de capacités subsistent. Une évaluation de CAISI datant de mai 2026 a établi que DeepSeek V4 était le modèle chinois le plus performant testé par l’agence, mais que ses performances agrégées restaient à environ huit mois de celles de la frontière américaine.
DeepSeek V4 était moins coûteux qu’un modèle de référence américain comparable sur cinq des sept benchmarks. Selon le test, son coût allait de 53 % inférieur à 41 % supérieur.
Les entreprises testent également des modèles d’IA chinois moins coûteux pour le codage, l’assistance et l’automatisation interne. Une analyse du MIT Sloan de l’activité d’OpenRouter entre mai et septembre 2025 a constaté que l’inférence avec des modèles ouverts coûtait en moyenne 23 centimes par million de jetons, contre 1,86 dollar américain pour les modèles fermés.
OpenRouter représentait environ 1 % des dépenses mondiales d’inférence. La comparaison exclut également les coûts de migration, d’hébergement, d’accélérateurs, de supervision, de sécurité, de personnel et de gestion des modèles.
Le contrôle du déploiement s’accompagne de nouveaux risques
Les poids ouverts peuvent mieux convenir au traitement de documents, à l’assistance au codage, à la génération augmentée par récupération et à l’inférence par lots qu’aux agents autonomes orientés vers les clients ou aux systèmes de décision réglementés. Les évaluations doivent s’appuyer sur les données, les langues, les exigences de latence et les seuils de précision de l’organisation, plutôt que sur des classements généraux.
Les tests de sécurité doivent s’inscrire dans un programme de gouvernance plus large à mesure que se creuse le déficit de visibilité des entreprises sur l’IA . Une évaluation de CAISI datant de septembre 2025 a constaté que les agents utilisant DeepSeek R1-0528 étaient 12 fois plus susceptibles que les systèmes américains testés de suivre des instructions malveillantes dans des scénarios de détournement d’agents.
Lors de tests distincts de jailbreak, le modèle a répondu à 94 % des requêtes malveillantes, contre 8 % pour les systèmes de référence américains. Ces résultats ne s’appliquent qu’aux versions et configurations testées.
Les entreprises doivent tester l’injection de requêtes, l’utilisation abusive des outils, l’exfiltration de données, les sorties nuisibles, les biais politiques et le comportement dans les langues locales. Les organisations de la région APAC doivent également examiner la résidence des données, les transferts transfrontaliers, la disponibilité des régions cloud, les restrictions applicables au secteur public et les règles propres à chaque secteur dans tous les marchés où le système sera utilisé.
L’auto-hébergement peut renforcer le contrôle, mais la télémétrie, les mises à jour logicielles, les outils externes et les services gérés peuvent toujours créer des flux de données sortants. Les décisions d’adoption doivent reposer sur les performances de la charge de travail, les licences, le coût total d’exploitation, la sécurité, les mouvements de données et l’exposition juridictionnelle — et non sur la seule origine du modèle.
En savoir plus : Les projets annoncés visant à restreindre l’accès étranger aux modèles chinois d’IA avancée montrent pourquoi les entreprises ont besoin de plans de continuité face aux changements de disponibilité des modèles, de licences et d’accès transfrontalier.