En l'espace de quelques jours début août 2026, Alibaba et DeepSeek ont chacun sorti l'artillerie lourde. D'un côté, un modèle tentaculaire de 2 400 milliards de paramètres. De l'autre, un modèle vendu plus de cent fois moins cher qu'un modèle occidental équivalent. Le message est le même : la Chine ne cherche plus seulement à rivaliser en intelligence pure, elle veut rendre l'IA de pointe presque gratuite.
Qwen3.8-Max : le plus gros modèle jamais publié par Alibaba
Le 3 août 2026, Alibaba a dévoilé Qwen3.8-Max, bâti sur l'architecture Qwen3.5. Avec 2,4 billions de paramètres dont 95 milliards actifs à chaque inférence (architecture MoE, mixture-of-experts), c'est le modèle le plus ambitieux jamais sorti par le groupe. Il embarque une fenêtre de contexte d'un million de tokens, soit environ 750 000 mots traitables en une seule requête.
Le modèle est disponible immédiatement via QwenCloud, avec un tarif API calé à 2 $ par million de tokens en entrée et 6 $ en sortie — un alignement quasi parfait sur les tarifs pratiqués par OpenAI pour ses modèles phares. Fait notable : Alibaba a promis la publication des poids ouverts sur Hugging Face et ModelScope autour du 10 août 2026, accompagnée d'une version plus modeste, Qwen3.8-27B, taillée pour un déploiement on-premise réaliste — la version 2,4 billions de paramètres restant, elle, hors de portée de la quasi-totalité des infrastructures.
DeepSeek V4-Flash : la course au coût minimal
Quelques jours plus tard, DeepSeek a répliqué avec V4-Flash, un modèle présenté par le cabinet Artificial Analysis comme le modèle majeur le moins cher à exploiter au monde sur l'ensemble des benchmarks suivis. Le tarif annoncé serait plus de cent fois inférieur à celui de certains modèles occidentaux comparables.
Ce choix n'est pas un hasard. DeepSeek a construit toute sa réputation sur l'efficacité computationnelle depuis le choc DeepSeek V3 fin 2024. V4-Flash pousse cette logique à l'extrême : proposer un modèle open-weight capable de tourner à un coût marginal quasi nul pour les développeurs, quitte à sacrifier une partie des performances de pointe des modèles les plus lourds du marché.
Une bataille qui a changé de terrain
Pendant longtemps, la compétition entre laboratoires chinois et occidentaux s'est jouée sur les benchmarks de raisonnement, de code ou de mathématiques. Ce round-là se joue ailleurs : sur le rapport performance/prix et sur la disponibilité en poids ouverts.
C'est une différence stratégique majeure avec les principaux laboratoires américains, qui gardent leurs modèles les plus performants fermés et facturés au prix fort. En publiant simultanément des modèles massifs et des poids ouverts à bas coût, Alibaba et DeepSeek forcent une commoditisation accélérée de l'intelligence de haut niveau — au risque de cannibaliser leurs propres offres commerciales.
Le reste de l'écosystème chinois suit le mouvement : Zhipu AI a publié GLM-5.2 en juin sous licence MIT avec un contexte d'un million de tokens, et Moonshot AI a sorti mi-juillet Kimi K3, revendiqué comme le plus gros modèle open-source au monde avec 2,8 billions de paramètres. La logique est partout la même — sortir vite, sortir ouvert, sortir moins cher.
Ce que ça change concrètement pour les équipes tech
Pour une PME ou une ETI française qui évalue ses options d'IA générative, ces annonces ont un impact direct. Le coût d'accès à un modèle de très haut niveau s'effondre, et l'écart entre « ce qu'on peut se payer » et « ce qui existe de mieux sur le marché » se réduit chaque mois.
La contrepartie, c'est la question de la dépendance à une infrastructure et une gouvernance chinoises pour des usages sensibles — un point que les décideurs IT ne peuvent plus ignorer dans leurs choix de fournisseurs. Le pragmatisme voudrait qu'on évalue ces modèles pour ce qu'ils sont techniquement, sans se fermer de porte, tout en gardant les yeux ouverts sur les enjeux de conformité et de souveraineté des données.
Une chose est sûre : la fenêtre pendant laquelle « performance de pointe » rimait automatiquement avec « facture salée » se referme vite. Pour les équipes qui bâtissent des produits IA, c'est une bonne nouvelle à court terme — et un signal qu'il va falloir suivre cette course de très près.
