Alibaba Cloud a d\u00e9voil\u00e9 le 1er d\u00e9cembre 2025 Qwen3-Omni-Flash-2025-12-01<\/strong>, la derni\u00e8re it\u00e9ration de sa famille de mod\u00e8les d’intelligence artificielle multimodaux<\/strong>. Ce nouveau syst\u00e8me natif de g\u00e9n\u00e9ration repr\u00e9sente une avanc\u00e9e majeure dans la capacit\u00e9 des IA \u00e0 comprendre et g\u00e9n\u00e9rer simultan\u00e9ment plusieurs types de contenus.<\/p>\n\n\n\n Qwen3-Omni se distingue par sa capacit\u00e9 \u00e0 traiter de mani\u00e8re transparente plusieurs modalit\u00e9s d’entr\u00e9e : texte<\/strong>, images<\/strong>, audio<\/strong> et vid\u00e9o<\/strong>, tout en g\u00e9n\u00e9rant des sorties textuelles et vocales naturelles par le biais de r\u00e9ponses en continu et en temps r\u00e9el. Cette prouesse technique positionne Alibaba comme un concurrent direct d’OpenAI<\/strong> et de Google<\/strong> sur le terrain des mod\u00e8les multimodaux.<\/p>\n\n\n\n Contrairement aux syst\u00e8mes qui ont ajout\u00e9 progressivement la parole ou la vision \u00e0 des mod\u00e8les initialement con\u00e7us pour le texte, Qwen3-Omni int\u00e8gre toutes les modalit\u00e9s d\u00e8s le d\u00e9part. Cette approche native permet un traitement plus efficace et coh\u00e9rent des entr\u00e9es multim\u00e9dias complexes.<\/p>\n\n\n\n L’architecture technique de Qwen3-Omni repose sur un syst\u00e8me innovant \u00e0 deux composantes : le Thinker<\/strong> (penseur) et le Talker<\/strong> (parleur). Le Thinker g\u00e8re le raisonnement et la compr\u00e9hension multimodale, tandis que le Talker g\u00e9n\u00e8re la parole naturelle en audio.<\/p>\n\n\n\n Les deux composants s’appuient sur des architectures Mixture-of-Experts (MoE)<\/strong> pour supporter une haute concurrence et une inf\u00e9rence rapide. Le Talker est d\u00e9coupl\u00e9 des repr\u00e9sentations textuelles du Thinker et se conditionne directement sur les caract\u00e9ristiques audio et visuelles, permettant une parole plus naturelle coordonn\u00e9e avec l’audio et la vid\u00e9o.<\/p>\n\n\n\n Cette architecture permet d’atteindre des latences th\u00e9oriques de bout en bout<\/strong> impressionnantes : 234 millisecondes (0,234 secondes) pour la premi\u00e8re sortie audio et 547 millisecondes pour la premi\u00e8re sortie vid\u00e9o. Ces performances garantissent une exp\u00e9rience d’interaction en temps r\u00e9el<\/strong> avec l’IA.<\/p>\n\n\n\n La g\u00e9n\u00e9ration de parole est assur\u00e9e par un sch\u00e8me autor\u00e9gressif multi-codebook et un ConvNet Code2Wav l\u00e9ger, qui ensemble r\u00e9duisent la latence tout en pr\u00e9servant les d\u00e9tails vocaux. Le syst\u00e8me de streaming est central dans la conception : Qwen3-Omni peut commencer \u00e0 r\u00e9pondre avant m\u00eame d’avoir termin\u00e9 le traitement de l’ensemble de la requ\u00eate.<\/p>\n\n\n\n Sur 36 benchmarks de r\u00e9f\u00e9rence, Qwen3-Omni atteint l’\u00e9tat de l’art<\/strong> sur 22 d’entre eux et surpasse tous les mod\u00e8les open source<\/a> sur 32 benchmarks. Ces r\u00e9sultats placent le mod\u00e8le chinois au niveau, voire au-dessus, de concurrents ferm\u00e9s comme GPT-4o<\/strong> d’OpenAI et Gemini<\/a> 2.5 Pro<\/strong> de Google.<\/p>\n\n\n\n Dans le domaine du texte et du raisonnement, Qwen3-Omni affiche 65,0 sur AIME25, d\u00e9passant largement GPT-4o (26,7), et 76,0 sur ZebraLogic, surpassant Gemini 2.5 Flash (57,9). Sur WritingBench, il atteint 82,6, contre 75,5 pour GPT-4o.<\/p>\n\n\n\n Les performances en reconnaissance vocale<\/strong> sont tout aussi impressionnantes<\/a>. Sur le benchmark Wenetspeech, Qwen3-Omni enregistre des taux d’erreur de mots (WER) de 4,69 et 5,89, bien meilleurs que les 15,30 et 32,27 de GPT-4o. La compr\u00e9hension audio et les capacit\u00e9s de conversation vocale sont comparables \u00e0 celles de Gemini 2.5 Pro.<\/p>\n\n\n\n Ces r\u00e9sultats sugg\u00e8rent que les entreprises pourraient obtenir de meilleures performances en reconnaissance<\/a> vocale, transcription et raisonnement multimodal par rapport \u00e0 de nombreux rivaux propri\u00e9taires.<\/p>\n\n\n\n Qwen3-Omni supporte 119 langues<\/strong> pour le texte, 19 langues<\/strong> pour l’entr\u00e9e vocale et 10 langues<\/strong> pour la sortie vocale. Pour l’entr\u00e9e vocale, le mod\u00e8le prend en charge l’anglais, le chinois mandarin, le cor\u00e9en, le japonais, l’allemand, le russe, l’italien, le fran\u00e7ais, l’espagnol, le portugais, le malais, le n\u00e9erlandais, l’indon\u00e9sien, le turc, le vietnamien, le cantonais, l’arabe et l’ourdou.<\/p>\n\n\n\n Qwen3-ASR-Flash, le mod\u00e8le de reconnaissance vocale<\/a> automatique<\/strong> d\u00e9velopp\u00e9 parall\u00e8lement, offre une pr\u00e9cision et une robustesse remarquables sur 11 langues majeures. Il prend \u00e9galement en charge plusieurs dialectes chinois, dont le sichuanais, le minnan (hokkien), le wu et le cantonais, ainsi qu’une large gamme d’accents anglais r\u00e9gionaux.<\/p>\n\n\n\n Cette couverture linguistique extensive fait de Qwen3-Omni un outil particuli\u00e8rement adapt\u00e9 aux entreprises multinationales<\/strong> et aux applications n\u00e9cessitant un support linguistique diversifi\u00e9.<\/p>\n\n\n\n Alibaba Cloud propose trois versions distinctes de Qwen3-Omni-30B-A3B, chacune servant des objectifs diff\u00e9rents :<\/p>\n\n\n\n Le mod\u00e8le Instruct<\/strong> est la version la plus compl\u00e8te, combinant les composants Thinker et Talker pour g\u00e9rer les entr\u00e9es audio, vid\u00e9o et texte, et g\u00e9n\u00e9rer des sorties texte et parole. C’est la version recommand\u00e9e pour les interactions multimodales compl\u00e8tes.<\/p>\n\n\n\n Le mod\u00e8le Thinking<\/strong> se concentre sur les t\u00e2ches de raisonnement et le traitement de longues cha\u00eenes de pens\u00e9e. Il accepte les m\u00eames entr\u00e9es multimodales mais limite la sortie au texte, le rendant plus adapt\u00e9 aux applications n\u00e9cessitant des r\u00e9ponses \u00e9crites d\u00e9taill\u00e9es. Ce mod\u00e8le supporte des longueurs de contexte allant jusqu’\u00e0 65 536 tokens<\/strong> avec des cha\u00eenes de raisonnement de 32 768 tokens.<\/p>\n\n\n\n Le mod\u00e8le Captioner<\/strong> est une variante affin\u00e9e sp\u00e9cifiquement pour le sous-titrage audio, produisant des descriptions textuelles pr\u00e9cises des entr\u00e9es audio avec peu d’hallucinations. Ce mod\u00e8le est particuli\u00e8rement utile pour la transcription et l’analyse de contenu audio.<\/p>\n\n\n\n Contrairement \u00e0 OpenAI et Google qui gardent jalousement leurs mod\u00e8les<\/a> propri\u00e9taires, Alibaba a choisi de rendre Qwen3-Omni disponible sous licence Apache 2.0<\/strong>, permettant un usage commercial libre et gratuit. Cette approche strat\u00e9gique vise \u00e0 favoriser une adoption massive et \u00e0 construire un \u00e9cosyst\u00e8me de d\u00e9veloppeurs autour des technologies Qwen.<\/p>\n\n\n\n Les d\u00e9veloppeurs ont d\u00e9j\u00e0 cr\u00e9\u00e9 plus de 140 000 mod\u00e8les d\u00e9riv\u00e9s<\/strong> de Qwen sur Hugging Face, t\u00e9moignant de l’engouement de la communaut\u00e9 pour cette famille de mod\u00e8les. Cette strat\u00e9gie open source permet \u00e9galement \u00e0 Alibaba de b\u00e9n\u00e9ficier des contributions de milliers de d\u00e9veloppeurs \u00e0 travers le monde pour am\u00e9liorer et \u00e9tendre les capacit\u00e9s de ses mod\u00e8les.<\/p>\n\n\n\n Tulika Sheel, vice-pr\u00e9sidente senior chez Kadence International, analyse : \u00ab\u00a0Rendre Qwen3-Omni disponible sous une licence Apache 2.0 permissive change mat\u00e9riellement les options sur la table pour les entreprises. Cela \u00e9limine le verrouillage fournisseur et abaisse la barri\u00e8re \u00e0 l’exp\u00e9rimentation et la personnalisation.\u00a0\u00bb<\/p>\n\n\n\n Qwen3-Omni ouvre la porte \u00e0 une multitude d’applications pratiques<\/strong> dans diff\u00e9rents domaines. Le mod\u00e8le excelle dans la transcription multilingue, la traduction vocale bidirectionnelle (speech-to-text et speech-to-speech), et le sous-titrage audio d\u00e9taill\u00e9.<\/p>\n\n\n\n Dans le domaine musical, Qwen3-Omni peut fournir une analyse et une appr\u00e9ciation d\u00e9taill\u00e9es de n’importe quelle musique, incluant le style, le genre, le rythme et d’autres caract\u00e9ristiques. Il peut \u00e9galement d\u00e9crire et analyser divers effets sonores et signaux audio.<\/p>\n\n\n\n Pour la compr\u00e9hension vid\u00e9o<\/strong>, le mod\u00e8le peut analyser des contenus visuels complexes et g\u00e9n\u00e9rer des descriptions d\u00e9taill\u00e9es ou r\u00e9pondre \u00e0 des questions sur le contenu vid\u00e9o. Il peut \u00e9galement effectuer de la reconnaissance optique de caract\u00e8res (OCR)<\/strong> sur des images et des documents.<\/p>\n\n\n\n Les assistants IA en temps r\u00e9el constituent un autre domaine d’application prometteur. Gr\u00e2ce \u00e0 ses faibles latences et \u00e0 sa capacit\u00e9 de streaming, Qwen3-Omni peut alimenter des assistants vocaux interactifs pour le support technique, le service client ou l’assistance personnelle.<\/p>\n\n\n\n La version Flash de Qwen3-Omni ouvre enti\u00e8rement les autorisations de personnalisation des prompts syst\u00e8me<\/strong>, permettant aux utilisateurs de contr\u00f4ler finement le mode de comportement du mod\u00e8le. Il est possible de d\u00e9finir des personnages sp\u00e9cifiques, des styles de communication particuliers ou des descriptions de r\u00f4le adapt\u00e9es au contexte d’utilisation.<\/p>\n\n\n\n Les entreprises peuvent ainsi adapter le mod\u00e8le \u00e0 leurs besoins sp\u00e9cifiques : un ton formel pour les services financiers, un style d\u00e9contract\u00e9 pour les applications grand public, ou encore un vocabulaire technique pour les assistants sp\u00e9cialis\u00e9s.<\/p>\n\n\n\n Cette flexibilit\u00e9 de configuration, combin\u00e9e \u00e0 la nature open source du mod\u00e8le, permet aux organisations de d\u00e9ployer Qwen3-Omni dans leurs propres environnements sans friction de licence et avec un contr\u00f4le total sur le comportement de l’IA.<\/p>\n\n\n\n Qwen3-Omni-Flash est disponible via API avec une tarification particuli\u00e8rement comp\u00e9titive : 1 yuan par million de tokens<\/strong> en entr\u00e9e et 3 yuans par million de tokens<\/strong> en sortie (environ 0,12 \u20ac et 0,36 \u20ac respectivement). Ce mod\u00e8le tarifaire place Alibaba en position de force face aux offres propri\u00e9taires des g\u00e9ants am\u00e9ricains.<\/p>\n\n\n\n Cette accessibilit\u00e9 \u00e9conomique, coupl\u00e9e aux performances techniques du mod\u00e8le, pourrait acc\u00e9l\u00e9rer l’adoption de l’IA multimodale dans des secteurs<\/a> jusqu’ici frein\u00e9s par les co\u00fbts \u00e9lev\u00e9s des solutions existantes.<\/p>\n\n\n\n Pour les sc\u00e9narios qui mettent l’accent sur la voix et le style, comme le streaming en direct<\/strong>, les vid\u00e9os courtes<\/strong> et les r\u00e9unions virtuelles<\/strong>, cette approche r\u00e9duit effectivement le co\u00fbt des \u00ab\u00a0doubleurs + narration en post-production\u00a0\u00bb \u00e0 presque z\u00e9ro, selon les analystes du secteur.<\/p>\n\n\n\n Le lancement de Qwen3-Omni-Flash s’inscrit dans une tendance plus large de mont\u00e9e en puissance des mod\u00e8les d’IA chinois<\/strong> sur la sc\u00e8ne internationale. L’adoption mondiale des mod\u00e8les d’IA open source<\/a> chinois a presque tripl\u00e9, passant de 13 % \u00e0 environ 30 % de l’utilisation totale en 2025, sous l’impulsion de DeepSeek et de Qwen d’Alibaba.<\/p>\n\n\n\n Cette dynamique remet en question la domination historique des entreprises am\u00e9ricaines dans le domaine de l’IA. Charlie Dai, vice-pr\u00e9sident et analyste principal chez Forrester, observe : \u00ab\u00a0Techniquement, il n’y a pas de diff\u00e9rence entre les mod\u00e8les chinois et ceux du reste du monde. Que ce soit la s\u00e9rie GPT, Llama, Mistral ou Qwen d’Alibaba, les dirigeants d’entreprise doivent s’assurer de la mise en place de garde-fous pour la s\u00e9curit\u00e9, la confidentialit\u00e9 et la conformit\u00e9 r\u00e9glementaire.\u00a0\u00bb<\/p>\n\n\n\n Le support multi-mod\u00e8le restera un axe central du d\u00e9veloppement des mod\u00e8les et des domaines techniques associ\u00e9s, de l’infrastructure de donn\u00e9es aux applications d’IA agentique, au cours des 12 prochains mois. L’\u00e9cosyst\u00e8me peut s’attendre \u00e0 de nouvelles annonces majeures de la part des principaux fournisseurs \u00e0 travers le monde.<\/p>\n\n\n\n Pour l’Europe, confront\u00e9e \u00e0 des difficult\u00e9s pour rivaliser en termes d’investissements et de puissance de calcul, l’approche d’Alibaba pourrait offrir de nouvelles perspectives. Des entreprises europ\u00e9ennes de premier plan comme la fran\u00e7aise Mistral<\/a><\/strong> et l’allemande Aleph Alpha<\/strong> pourraient gagner du terrain dans la course \u00e0 l’IA en s’appuyant sur ces technologies open source performantes.<\/p>\n\n\n\n Qwen3-Omni-Flash repr\u00e9sente ainsi bien plus qu’une simple mise \u00e0 jour technique : c’est un signal fort de la capacit\u00e9 de la Chine \u00e0 rivaliser avec les g\u00e9ants am\u00e9ricains sur le terrain de l’innovation en IA, tout en proposant un mod\u00e8le plus ouvert et accessible qui pourrait red\u00e9finir les r\u00e8gles du jeu dans l’industrie de l’intelligence artificielle<\/a> multimodale.<\/p>\n\n\n\n GitHub Qwen<\/a>, Alibaba Cloud Community<\/a>, VentureBeat<\/a>, Computerworld<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" Une offensive chinoise dans la course aux mod\u00e8les multimodaux Alibaba Cloud a d\u00e9voil\u00e9 le 1er d\u00e9cembre 2025 Qwen3-Omni-Flash-2025-12-01, la derni\u00e8re it\u00e9ration de sa famille de mod\u00e8les d’intelligence artificielle multimodaux. Ce nouveau syst\u00e8me natif de g\u00e9n\u00e9ration repr\u00e9sente une avanc\u00e9e majeure dans la capacit\u00e9 des IA \u00e0 comprendre et g\u00e9n\u00e9rer simultan\u00e9ment plusieurs types de contenus. Qwen3-Omni se […]<\/p>\n","protected":false},"author":2,"featured_media":5259,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[73,383,241],"tags":[],"tmauthors":[],"class_list":{"0":"post-5256","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-ia","8":"category-multimodal-fr","9":"category-uncategorized-fr"},"yoast_head":"\nUne architecture Thinker-Talker pour des r\u00e9ponses ultra-rapides<\/h2>\n\n\n\n
Des performances au sommet des benchmarks<\/h2>\n\n\n\n
Un support multilingue \u00e9tendu<\/h2>\n\n\n\n
Trois variantes pour des usages sp\u00e9cifiques<\/h2>\n\n\n\n
Une strat\u00e9gie open source ambitieuse<\/h2>\n\n\n\n
Des applications pratiques vari\u00e9es<\/h2>\n\n\n\n
Une personnalisation pouss\u00e9e via les prompts syst\u00e8me<\/h2>\n\n\n\n
Un mod\u00e8le \u00e9conomique disruptif<\/h2>\n\n\n\n
L’adoption mondiale des mod\u00e8les chinois s’acc\u00e9l\u00e8re<\/h2>\n\n\n\n
\n\n\n\n