Un colosse ouvert chinois, un robot qui plie le linge

Alibaba a présenté Qwen3.8-Max, un modèle multimodal de 2 400 milliards de paramètres que son équipe dit juste derrière Claude Fable 5. C'est le premier Qwen au-dessus du billion de paramètres à traiter image, vidéo et documents, et l'entreprise promet d'en ouvrir les poids « bientôt » — un aperçu payant tourne déjà via son Token Plan.

Deux réserves : aucun banc d'essai indépendant ne confirme le classement, et Alibaba ne dit pas combien de ces 2 400 milliards de paramètres sont actifs à l'inférence, un détail qui décide du coût réel.

Pour une entreprise d'ici, l'enjeu n'est pas le palmarès. Un modèle quasi frontière qu'on peut télécharger et faire tourner soi-même, c'est un modèle qu'aucun embargo ni compteur ne peut fermer. Reste la vraie question : pouvez-vous payer le matériel pour l'exécuter ?

Trois jours après avoir lancé Kimi K3, Moonshot a suspendu la vente de nouveaux abonnements : en 48 heures, la demande a frôlé la limite de sa capacité de calcul. Les abonnés actuels gardent l'accès; l'entreprise scinde son offre en deux forfaits pour mieux répartir les GPU et rouvrira les inscriptions par vagues.

Le modèle n'est pourtant pas un généraliste parfait — il trône en tête du classement de code frontal Code Arena, devant Fable 5, mais plafonne autour de 39 % sur les maths avancées de FrontierMath.

Le signal compte plus que l'incident. On répétait qu'un modèle ouvert allège la facture de calcul; Kimi montre l'inverse quand tout le monde s'y rue en même temps. Ouvrir un modèle ne suffit pas : il faut encore des puces pour le servir. Les poids doivent d'ailleurs sortir le 27 juillet.

Google DeepMind avance une idée à contre-courant : les gros générateurs de vidéo contiennent déjà le « modèle du monde » que la vision par ordinateur cherchait depuis des années. Leur système, GenCeption, détourne un générateur vidéo pour faire de l'estimation de profondeur, de la segmentation et de la reconnaissance de pose — en une seule passe.

Le résultat égale des modèles spécialisés tout en utilisant de 7 à 500 fois moins de données, et il généralise à des images réelles et à des animaux alors qu'il a été entraîné presque uniquement sur des vidéos humaines de synthèse.

Si la thèse tient, la vision suit le chemin du langage : un seul grand modèle généraliste, adaptable à chaque tâche, plutôt qu'un outil ajusté par problème. Reste la lenteur — six à dix secondes par extrait — avant tout usage sérieux.

Sunday Robotics a dévoilé ACT-2, le modèle qui pilote son robot domestique Memo, avec un chiffre qui attire l'œil : 99,1 % de réussite pour plier du linge dans des maisons qu'il n'avait jamais vues — 778 pliages réussis sur 785, en autonomie.

La bascule n'est pas la dextérité, c'est la généralisation. ACT-2 absorbe un nouveau geste à partir d'une seule démonstration et le reproduit dans des environnements inédits, sans réglage maison par maison. C'est exactement ce qui manquait pour sortir la robotique du laboratoire.

Prudence quand même : « aperçu », une seule tâche, et des chiffres maison. Mais pour qui bâtit dans le physique — logistique, entretien, soins —, un taux de réussite pareil hors du labo change ce qu'on peut promettre à un client.

L'internet est né public; l'IA, elle, ressemble à une rangée de parcs privés où quelques entreprises fixent les règles et le prix des billets. Current AI, un organisme sans but lucratif, veut bâtir l'alternative : une infrastructure d'IA ouverte que des communautés peuvent utiliser, modifier et contrôler gratuitement.

Avec 400 millions de dollars US déjà engagés — dont 100 millions de la France —, il finance des outils hors ligne pour des communautés autochtones, des jeux de données couvrant plus de 50 langues africaines et un appareil de poche qui fonctionne dans 22 langues indiennes sans connexion.

L'ambition — un « web de l'IA » au service de tous — reste immense face aux milliards des grands labos. Mais elle pose la vraie question de fond : à qui appartient l'intelligence sur laquelle reposera bientôt tout le reste ?