Alibaba relance la course à l'IA multimodale avec Qwen3-Omni

Alibaba s'attaque directement aux géants technologiques américains avec Qwen3-Omni, son dernier LLM open source qui traite le texte, les images, l'audio et la vidéo, et qui est disponible gratuitement sous licence Apache 2.0, adaptée aux entreprises (anglais, allemand, chinois, français, espagnol, portugais et italien sont notamment supportés). Cette sortie positionne le géant chinois comme une alternative crédible à OpenAI et Google Gemini en offrant aux entreprises un moyen très bon marché de déployer l'IA multimodale à grande échelle. « Qwen3-Omni adopte l'architecture Thinker-Talker », a expliqué Alibaba dans un article de blog. « Thinker est chargé de la génération de texte, tandis que Talker se concentre sur la génération de jetons de parole en continu en recevant des représentations de haut niveau directement de Thinker. Pour obtenir un streaming à très faible latence, Talker prédit de manière autorégressive une séquence multi-codebook. »

Selon l'entreprise chinoise, Qwen3-Omni a obtenu des performances équivalentes à celles des modèles unimodaux de sa série Qwen et a affiché des résultats supérieurs dans les tâches audio.Le modèle s'est également classé en tête de 32 benchmarks open source et de 22 benchmarks globaux, devant des modèles propriétaires tels que Gemini 2.5 Pro de Google, Seed-ASR et GPT-4o-Transcribe d'OpenAI, selon Alibaba. Si ces résultats se révèlent exacts, les entreprises peuvent s'attendre à des performances supérieures en matière de reconnaissance vocale, de transcription et de raisonnement multimodal par rapport à de nombreux concurrents commerciaux .

Qwen3-Omni traite des textes dans 119 langues, comprend le langage parlé dans 19 langues et peut répondre dans 10 langues., dont le français. Il peut analyser et résumer jusqu'à 30 minutes d'audio. (Crédit Alibaba)

Le choix de l'open source sans restrictions

Selon les analystes, le lancement de Qwen3-Omni par Alibaba renforce sa position sur le marché de l'IA open source et contribuera à élargir son écosystème mondial de partenaires. « La mise à disposition de Qwen3-Omni sous une licence Apache 2.0 permissive modifie considérablement les options qui s'offrent aux entreprises », a déclaré Tulika Sheel, vice-présidente senior chez Kadence International. « Elle supprime la dépendance vis-à-vis des fournisseurs et réduit les obstacles à l'expérimentation et à la personnalisation : les entreprises peuvent exécuter, adapter et intégrer le modèle dans leurs propres environnements sans friction liée aux licences. »

D'autres soulignent les résultats obtenus par Alibaba Cloud dans la publication de modèles. « Bien qu'OpenAI et Google aient également rendu certains de leurs modèles open source, ils sont en deçà d'Alibaba Cloud », a déclaré Lian Jye Su, analyste en chef chez Omdia. « Alibaba Cloud a rendu sa famille de modèles Qwen open source dès le premier jour, publiant plus de 300 modèles. La famille Qwen a également été largement adoptée, avec plus de 400 millions de téléchargements dans le monde entier. » Lian Jye Su a souligné que les développeurs ont créé plus de 140 000 modèles dérivés basés sur Qwen sur Hugging Face, ajoutant que les entreprises à la recherche d'options open source matures considèrent de plus en plus Alibaba Cloud comme un choix de premier plan.

Dans la plupart des tests de performance (audio, texte et traitement d'images), Qwen3-Omni-30B-A3B surpasse les autres modèles (GPT-4o ici, mais pas GPT-5). (Crédit Alibaba)

Façonner la stratégie IA des entreprises

Si le raisonnement hybride, les capacités multimodales et les solides résultats de référence de Qwen3-Omni se traduisent par des performances réelles, cela pourrait accélérer deux changements clefs dans la stratégie IA des entreprises. « Premièrement, les entreprises adopteront de plus en plus des piles multimodèles, combinant des modèles ouverts et propriétaires pour adapter les capacités aux tâches », a déclaré Sheel. « Deuxièmement, il faut s'attendre à davantage d'investissements dans les capacités internes (MLOps, réglage fin, tests de sécurité et infrastructure) afin que les entreprises puissent exploiter des modèles ouverts hautement performants sur site ou dans des clouds de confiance. » M. Su a souligné que le traitement de toutes les modalités de données au sein d'un seul modèle pourrait réduire les besoins en ressources et raccourcir le temps nécessaire à la formation et à la gestion de plusieurs systèmes spécifiques à un domaine. Toutefois, les analystes soulignent également que la maturité technologique doit s'accompagner de mesures de protection.

« Techniquement, il n'y a aucune différence entre les modèles chinois et ceux du reste du monde », a déclaré Charlie Dai, vice-président et analyste principal chez Forrester. « Qu'il s'agisse de la série GPT, de Llama, de Mistral ou de Qwen d'Alibaba, les dirigeants d'entreprise doivent mettre en place des garde-fous en matière de sécurité, de confidentialité et de conformité réglementaire. » Cela dit, M. Dai s'attend à ce que la prise en charge multimodèle reste une priorité. « La prise en charge multimodèle sera le domaine clé du développement des modèles et des domaines techniques connexes, de l'infrastructure de données aux applications d'IA agentique, au cours des 12 prochains mois. Les principaux fournisseurs du monde entier auront encore beaucoup à offrir », a-t-il expliqué.