Open source avec Qwen
De quoi parle ce cours
Qwen est une famille de modèles de langage publiés par Alibaba avec leurs poids ouverts : on peut les télécharger et les faire tourner sur ses propres machines, sans passer par l’API d’un fournisseur. Ce cours montre ce que cela change concrètement — pour le coût, pour la confidentialité des données, et pour ce qu’on a le droit de faire du modèle.
À la fin, vous saurez choisir une taille de modèle adaptée à votre matériel, le faire tourner en local, l’interroger depuis vos propres outils, et juger si un modèle ouvert convient à un usage donné — ou s’il vaut mieux un service en ligne.
Qui est derrière Qwen, et depuis quand
Qwen est développé par l’équipe Qwen d’Alibaba Cloud, la branche informatique en nuage du groupe chinois Alibaba. Le nom chinois du projet est *Tongyi Qianwen* (通义千问), que l’on peut rendre par « mille questions, un sens commun » ; « Qwen » en est la contraction employée hors de Chine.
Ce n’est donc ni un laboratoire indépendant, ni un projet communautaire : c’est le modèle maison d’un très grand fournisseur de nuage, qui le publie ouvertement et le vend sous forme d’API. Les deux vont ensemble — les poids ouverts font connaître les modèles, l’API les monétise. Cela explique le rythme des publications, et cela vaut d’être gardé en tête quand on lit leurs annonces.
| Date | Étape |
|---|---|
| 11 avril 2023 | Alibaba Cloud présente Tongyi Qianwen, son assistant conversationnel |
| 3 août 2023 | Premiers poids ouverts : Qwen-7B, libre et utilisable commercialement. Alibaba est la première grande entreprise chinoise du secteur à franchir ce pas |
| 2024 | Qwen1.5 puis Qwen2 et Qwen2.5 : la famille s’élargit, de 0,5 à 72 milliards de paramètres, et se décline par métier (code, mathématiques, vision) |
| Avril 2025 | Qwen3 : modèles denses de 0,6 à 32 milliards, deux modèles à experts, tous sous licence Apache 2.0 |
| Août 2026 | La série Qwen3.8 est la génération courante à la publication de ce cours |
Trois ans, donc, entre le premier assistant et aujourd’hui — et une cadence de publication qui reste soutenue. C’est peu pour un domaine où l’on parle de « générations » de modèles tous les six mois.
Les modèles Qwen, famille par famille
Le catalogue compte plusieurs centaines de fichiers de poids, mais il se lit par familles. Une famille, c’est un usage ; à l’intérieur, plusieurs tailles, du modèle qui tient sur un téléphone à celui qui demande un serveur.
| Famille | À quoi elle sert | Tailles | Licence |
|---|---|---|---|
| Qwen3 dense | L’usage courant : écrire, résumer, répondre. Du téléphone au poste de travail | 0,6 à 32 milliards | Apache 2.0 |
| Qwen3 à experts (MoE) | Beaucoup de paramètres, peu sollicités à chaque mot : plus de capacité à coût d’exécution contenu | 30B-A3B et 235B-A22B | Apache 2.0 |
| Qwen3.8 | La génération courante, multimodale d’emblée (texte et image) | 27 milliards ; un modèle géant à 2 400 milliards | Apache 2.0 pour le 27 B ; à vérifier pour le géant |
| Coder | Écrire, relire et corriger du code | de quelques milliards à plusieurs centaines | Apache 2.0 |
| Vision et vidéo (VL) | Décrire une image, lire un document scanné, suivre une vidéo | plusieurs tailles | Apache 2.0 |
| Audio | Transcrire la parole, aligner un texte sur un enregistrement | 0,6 et 1,7 milliard | Apache 2.0 |
| Image | Produire et retoucher des images | — | Apache 2.0 |
| Embeddings et reranker | Chercher dans ses propres documents, classer des résultats | petits modèles | Apache 2.0 |
Comment lire un nom comme « 30B-A3B » ?
Le premier nombre est le total des paramètres — 30 milliards —, le second ceux réellement mobilisés pour produire chaque mot : 3 milliards. C’est le principe des modèles à experts : la machine doit loger les 30 milliards en mémoire, mais ne fait travailler qu’une fraction du modèle à chaque étape. D’où une qualité proche d’un gros modèle pour une vitesse proche d’un petit.
Les différentes façons d’accéder à Qwen
Six chemins, du plus immédiat au plus engageant. Ils ne s’excluent pas : on essaie dans le navigateur, on prototype en local, on sert par API.
| Moyen | Ce qu’il faut | Quand le choisir |
|---|---|---|
| chat.qwen.ai | Un navigateur et un compte | Essayer, comparer, se faire une idée sans rien installer |
| Hugging Face ou ModelScope | Du disque et de la patience | Récupérer les poids eux-mêmes, c’est le point de départ de tout usage local |
| Ollama, LM Studio | Un poste correct, quelques gigaoctets | Travailler en local avec des données qui ne sortent pas de la machine |
| llama.cpp | Un peu de ligne de commande | Machine modeste : c’est là qu’on gagne le plus à régler la quantification |
| vLLM, SGLang, TensorRT-LLM | Un serveur avec carte graphique | Servir plusieurs utilisateurs, en production, chez soi |
| API Alibaba Cloud Model Studio | Une clé, aucun matériel | Passer à l’échelle sans machine. L’interface est compatible OpenAI : changer la clé, l’adresse et le nom du modèle suffit |
À cela s’ajoutent les hébergeurs tiers, qui servent les modèles ouverts par API sans que vous ayez à les installer. Ils font gagner du temps ; ils font aussi sortir vos données de chez vous, exactement comme une API propriétaire. C’est un arbitrage, pas un détail.
Poids ouverts n’est pas open source
La distinction traverse tout le cours. Des poids ouverts, c’est un fichier de paramètres qu’on télécharge et qu’on exécute. De l’open source au sens strict, ce serait aussi les données d’entraînement et le code qui a servi à produire ces poids — ce que presque personne ne publie.
Conséquence pratique : chaque modèle vient avec sa propre licence, et elles ne se valent pas. Certaines autorisent l’usage commercial sans condition, d’autres l’encadrent. La licence se vérifie modèle par modèle, sur sa page de publication, avant de bâtir quoi que ce soit dessus.
Faut-il savoir programmer pour suivre ce cours ?
Non pour la première moitié : installer un modèle en local et l’interroger se fait aujourd’hui en quelques commandes, sans écrire de code. Oui pour la seconde, qui branche le modèle sur vos propres outils — quelques notions de Python ou d’appels HTTP suffisent.
Le plan
Six parties, de la première installation jusqu’à la mise en service.
- Ce qu’est un modèle à poids ouverts, et ce que la licence permet
- Choisir sa taille de modèle : ce que votre machine peut vraiment faire tourner
- Installer et interroger un modèle en local
- Écrire de bonnes consignes, et mesurer les réponses
- Brancher le modèle sur ses propres outils et ses propres documents
- Mettre en service : coût, confidentialité, limites à connaître
Ce que ce cours ne couvre pas
L’entraînement d’un modèle depuis zéro, qui relève d’un autre métier et d’un autre budget. Le réglage fin (*fine-tuning*) n’est qu’effleuré, à la fin, pour dire quand il est utile et quand il ne l’est pas.