Qwen (Alibaba Cloud) : modèles, open source et usages en entreprise

Qwen est la famille de modèles d'IA générative d'Alibaba, l'un des principaux groupes technologiques chinois, dont le siège est à Hangzhou. Les modèles sont conçus par une équipe de recherche rattachée à Alibaba Cloud, la division cloud du groupe, qui les commercialise aussi par API. Qwen n'est donc pas une entreprise distincte, mais une gamme de modèles et une marque au sein d'un grand groupe.

Alibaba présente son assistant Tongyi Qianwen en avril 2023 et l'ouvre au public chinois en septembre de la même année. Dès août 2023, l'équipe publie les poids d'un premier modèle, Qwen-7B, puis d'une gamme de tailles allant jusqu'à 72 milliards de paramètres. Les générations Qwen1.5, Qwen2 et Qwen2.5 se succèdent en 2024 et s'imposent comme une base très utilisée pour le fine-tuning dans la communauté open source. En avril 2025, Qwen3 introduit des modèles « hybrides » capables de raisonner ou de répondre directement. Les générations Qwen3.5 à Qwen3.8, publiées en 2026, sont multimodales dès l'entraînement. En novembre 2025, l'application grand public Tongyi devient l'application Qwen.

L'équipe a connu un changement important en mars 2026, avec le départ de son responsable technique Lin Junyang et de plusieurs chercheurs clés. Le rythme de publication s'est néanmoins maintenu, et Alibaba a annoncé en septembre 2026 l'entraînement d'une génération Qwen 4.

Comme ceux de DeepSeek ou de Mistral AI, les modèles Qwen sont des LLM à poids ouverts que l'on peut héberger soi-même. Leur particularité est l'étendue du catalogue : presque chaque taille et chaque modalité y est représentée.

À retenir : Qwen est à la fois une famille de modèles ouverts, très répandue dans l'écosystème, et une offre commerciale d'Alibaba Cloud. Les deux ne posent pas les mêmes questions à une entreprise.

Le catalogue est vaste et les générations se succèdent plusieurs fois par an, chacune déclinée en tailles, en variantes et en modes. Mieux vaut raisonner par famille et consulter les fiches officielles au moment du choix. Le nom d'un modèle ouvert indique généralement sa taille : dans « 35B-A3B », le modèle compte 35 milliards de paramètres dont 3 milliards activés par token.

Depuis Qwen3, la même famille propose des modèles denses, plus simples à servir, et des modèles à mélange d'experts (Mixture of Experts), qui n'activent qu'une partie de leurs paramètres pour chaque token. Les plus petits modèles se rattachent aux SLM et tournent sur un poste ou un appareil. Le raisonnement, longtemps confié à une famille séparée (QwQ), est désormais un mode activable des modèles généralistes. Voir notre article sur les modèles de raisonnement.

Comment choisir entre les modèles ?

Le modèle le plus grand n'est pas forcément le plus adapté. Un modèle dense de taille moyenne suffit souvent pour l'extraction, la classification ou un RAG bien construit, et il est plus simple à héberger. Un modèle MoE de grande taille se justifie pour les agents ou le raisonnement en plusieurs étapes, à condition de disposer de l'infrastructure. Comparez la qualité sur un jeu de questions représentatif, la latence, la mémoire nécessaire, la fenêtre de contexte et la licence. Notre guide LLM : savoir lequel choisir détaille cette démarche.

Il faut distinguer chaque modèle, sa licence et les services commerciaux d'Alibaba Cloud. Qwen est l'une des familles qui publient le plus de modèles ouverts, mais pas tous, et pas tous sous la même licence.

• Poids ouverts sous Apache 2.0 : la majorité des modèles des générations Qwen2.5 à Qwen3.8, dont les modèles généralistes de petite et moyenne taille, Qwen3-Coder, Qwen3-VL, Qwen3-Embedding et Qwen-Image. Cette licence autorise l'usage commercial, la modification et la redistribution.
• Poids publiés sous licence Qwen : certains modèles suivent une licence propre. Historiquement, quelques tailles de Qwen2 et Qwen2.5 étaient sous licence Qwen ou Qwen Research. En août 2026, les poids de Qwen3.8-Max ont été publiés sous une licence spécifique : l'usage interne est libre, mais les entreprises qui revendent l'accès au modèle ou un assistant fondé dessus doivent obtenir une licence commerciale au-delà d'un seuil de chiffre d'affaires. D'autres modèles récents relèvent d'une licence communautaire Qwen aux conditions comparables.
• Modèles réservés à l'API : plusieurs versions Max, Plus, Flash ou Omni ne sont accessibles qu'à travers Alibaba Cloud Model Studio.

Comme pour les autres laboratoires, les données et le code d'entraînement ne sont pas publiés : il s'agit de modèles « à poids ouverts ». La licence se vérifie sur la fiche de chaque modèle, sur Hugging Face ou ModelScope, avant tout usage en production.

À retenir : « Qwen » ne désigne pas une licence unique. Un même projet peut combiner un modèle sous Apache 2.0 auto-hébergé et un modèle commercial appelé par API.

Qwen et la conformité en Europe

Avec un modèle auto-hébergé, aucune donnée n'est transmise à Alibaba : le modèle est un composant logiciel parmi d'autres. Pour l'API, Alibaba Cloud Model Studio propose une région à Francfort, avec un paramètre qui limite l'inférence à l'Union européenne. Le fournisseur reste un groupe soumis au droit chinois, ce qui doit figurer dans l'analyse de votre DPO. Les modèles ont aussi été alignés sur la réglementation chinoise, ce qui peut se traduire par des refus ou des réponses orientées sur certains sujets politiques : un point à tester si votre application traite ce type de contenus.

DeepSeek est la comparaison la plus naturelle : les deux acteurs sont chinois, installés à Hangzhou, et publient des modèles à poids ouverts de haut niveau. Leur organisation, la largeur de leur catalogue et leurs licences diffèrent pourtant nettement.

Lequel choisir ? Qwen se justifie si vous avez besoin de plusieurs tailles de modèles, de petits modèles pour le local, de multimodalité ou d'un pipeline RAG complet chez un même fournisseur, ou si une région européenne pour l'API compte. DeepSeek se justifie si vous recherchez un très grand modèle ouvert sous licence MIT, sans seuil commercial, ou une API à bas coût pour des données non sensibles. Dans les deux cas, testez sur vos données : la qualité varie selon la langue, le domaine et la tâche. Beaucoup d'équipes combinent d'ailleurs les deux, par exemple un embedding Qwen et un modèle de génération DeepSeek.