Qu’est-ce que Qwen3, et que veut dire « réflexion hybride »?

Qwen3 est une famille de huit modèles de langage à poids ouverts de l’équipe Qwen d’Alibaba, lancée les 28 et 29 avril 2025, qui va d’un tout petit modèle de 0,6 milliard de paramètres à un modèle phare de 235 milliards de paramètres. Chaque modèle peut soit réfléchir étape par étape avant de répondre, soit répondre instantanément, et vous pouvez passer d’un mode à l’autre en pleine conversation.

Qu’est-ce que Qwen3, et que veut dire

L’équipe Qwen d’Alibaba a lancé Qwen3, la plus récente génération de ses grands modèles de langage. L’annonce est sortie le lundi soir 28 avril aux États-Unis, alors qu’il était déjà mardi 29 avril en Chine, date que porte le billet de blogue. Les poids, les nombres entraînés qui composent chaque modèle, peuvent être téléchargés gratuitement sous licence Apache 2.0, qui permet l’usage commercial.

La famille couvre presque toutes les tailles imaginables, d’un modèle de moins d’un milliard de paramètres jusqu’à un modèle phare qu’Alibaba compare à Gemini 2.5 Pro de Google, à Grok 3 de xAI, à DeepSeek-R1 et à o1 et o3-mini d’OpenAI. Sa caractéristique principale est ce que l’équipe appelle la réflexion hybride (hybrid thinking) : un seul modèle qui peut soit raisonner longuement, soit répondre sur-le-champ.

Ce qu’Alibaba a lancé

La famille compte deux sortes de modèles. Six sont des modèles denses, où chaque partie du réseau travaille sur chaque mot. Deux sont des modèles à mélange d’experts (mixture-of-experts, MoE), expliqués plus bas.

Modèle	Type	Paramètres au total	Actifs par mot	Longueur du contexte
Qwen3-235B-A22B	MoE	235 milliards	22 milliards	128 000 jetons
Qwen3-30B-A3B	MoE	30 milliards	3 milliards	128 000 jetons
Qwen3-32B, 14B, 8B	Dense	32, 14, 8 milliards	tous	128 000 jetons
Qwen3-4B, 1.7B, 0.6B	Dense	4, 1,7, 0,6 milliard	tous	32 000 jetons

Un paramètre est l’un des nombres ajustables qu’un modèle apprend pendant l’entraînement; plus de paramètres veut généralement dire plus de capacités et plus de mémoire nécessaire. La longueur du contexte est la quantité de texte que le modèle peut considérer d’un coup, mesurée en jetons, des morceaux de mots. Les noms indiquent les tailles : « 235B-A22B » veut dire 235 milliards de paramètres au total, dont 22 milliards actifs à la fois.

Les modèles sont sur Hugging Face, ModelScope et Kaggle, et vous pouvez clavarder avec eux sur le site Web et l’application Qwen Chat. TechCrunch note que des fournisseurs infonuagiques comme Fireworks AI et Hyperbolic les offrent déjà aussi.

Comment fonctionne la réflexion hybride?

Les modèles de raisonnement, comme la série o d’OpenAI et DeepSeek-R1, écrivent une longue chaîne d’étapes intermédiaires avant de répondre. Cela aide en mathématiques, en programmation et en logique, mais c’est lent et cela consomme plus de calcul pour des questions simples. Jusqu’ici, on choisissait généralement un modèle différent pour chaque travail.

Qwen3 réunit les deux comportements dans un seul modèle. En mode réflexion, il résout le problème étape par étape; en mode sans réflexion, il répond tout de suite. Vous pouvez changer de mode à chaque message en ajoutant /think ou /no_think à votre prompt, et le modèle suit la dernière instruction. Les développeurs peuvent aussi activer ou désactiver la réflexion dans leur code et fixer un budget de réflexion, un plafond sur la durée du raisonnement. L’équipe Qwen rapporte que la qualité augmente de façon régulière à mesure que ce budget grandit : vous pouvez donc arbitrer entre vitesse et soin, tâche par tâche.

L’équipe a intégré cette capacité en quatre étapes d’entraînement. D’abord, elle a enseigné au modèle de longues chaînes de raisonnement à l’aide d’exemples. Ensuite, elle a utilisé l’apprentissage par renforcement, en récompensant les réponses qui se vérifient, pour consolider ce raisonnement. Troisièmement, elle a intégré un entraînement ordinaire aux réponses rapides. Enfin, elle a refait de l’apprentissage par renforcement sur plus de 20 tâches courantes, comme suivre des consignes et des formats.

Le mélange d’experts est l’autre idée à connaître. Au lieu d’un seul immense réseau, un modèle MoE a de nombreux sous-réseaux plus petits appelés experts (128 dans les modèles MoE de Qwen3) et un routeur qui envoie chaque mot à quelques-uns seulement (8 ici). Imaginez un grand hôpital : chaque patient ne voit que les spécialistes dont il a besoin, pas tout le personnel. C’est pourquoi le modèle de 30 milliards de paramètres tourne avec seulement 3 milliards de paramètres actifs, et pourquoi il peut être rapide.

Un exemple concret : changer de mode

Voici une courte conversation dans Qwen Chat ou dans toute application qui fait tourner Qwen3 :

Prompt

Un train part à 9 h 40 et le trajet dure 2 heures 35 minutes,
y compris un arrêt de 12 minutes. À quelle heure arrive-t-il? /think

Le modèle montre son raisonnement, additionne les durées et répond 12 h 15. Ensuite :

Prompt

Merci. Maintenant, traduis « le train arrive à midi et quart »
en anglais et en espagnol. /no_think

Il traduit immédiatement, sans étape de raisonnement, parce que la tâche est simple.

À essayer : posez deux fois la même question piège à Qwen3, une fois en terminant par /think et une fois par /no_think. Comparez les réponses et le temps qu’a pris chacune. Vous verrez quand la réflexion supplémentaire vaut l’attente.

Pourquoi c’est important

Qwen3 se distingue pour trois raisons. D’abord, son éventail : la même conception et le même interrupteur fonctionnent de 0,6 à 235 milliards de paramètres, si bien qu’un développeur peut faire ses tests sur un ordinateur portable et passer à plus grand ensuite. L’équipe affirme que même les petits modèles font mieux que leur taille ne le laisse croire; elle rapporte que Qwen3-4B rivalise avec son ancien modèle de 72 milliards de paramètres.

Ensuite, sa portée. Qwen3 prend en charge 119 langues et dialectes et a été entraîné sur environ 36 000 milliards de jetons, à peu près deux fois les données de son prédécesseur, Qwen2.5. L’équipe dit aussi avoir amélioré les capacités d’agent et la prise en charge de MCP, le Model Context Protocol, qui permet aux modèles de se connecter à des outils externes.

Enfin, il s’inscrit dans une tendance. TechCrunch juge qu’aucun modèle Qwen3 ne surpasse clairement les plus récents o3 et o4-mini d’OpenAI, mais les qualifie de très performants, et un dirigeant de l’industrie cité par le média voit en Qwen3 une preuve de plus que les modèles ouverts suivent le rythme des modèles fermés. Toutes les affirmations sur les bancs d’essai viennent pour l’instant d’Alibaba elle-même; des tests indépendants devraient suivre dans les prochaines semaines.

Comment faire tourner Qwen3 sur votre propre ordinateur?

La voie la plus simple est une application gratuite qui fait tourner les modèles localement, comme Ollama ou LM Studio, toutes deux recommandées par l’équipe Qwen. Une fois Ollama installé, une seule commande comme ollama run qwen3:30b-a3b télécharge le modèle et ouvre une conversation dans votre terminal. LM Studio offre la même chose dans une fenêtre où l’on pointe et clique.

Choisissez une taille que votre machine peut supporter. Les plus petits modèles (0.6B, 1.7B et 4B) demandent le moins de mémoire; les modèles 8B et 14B en demandent davantage; le modèle MoE 30B est un bon compromis sur un ordinateur bien équipé, puisque très peu de ses paramètres sont actifs à la fois. Le modèle phare 235B exige du matériel de calibre serveur : la plupart des gens l’essaieront plutôt sur Qwen Chat ou par un fournisseur infonuagique.

Une fois qu’il tourne, tout reste sur votre machine, ce qui est utile pour les documents privés. Commencez par de courtes tâches, utilisez /no_think pour les tâches rapides et vérifiez les faits comme vous le feriez avec n’importe quel modèle.