<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/"><channel><title>ITANU Magazine: IA</title><link>https://itanu.org/fr/magazine/desk/ai/</link><description>L’actualité technologique en neuf langues, trois éditions par jour. Chaque article cite ses sources et est vérifié auprès d’elles.</description><language>fr</language><lastBuildDate>Mon, 16 Nov 2026 11:22:00 GMT</lastBuildDate><atom:link href="https://itanu.org/fr/magazine/desk/ai/feed.xml" rel="self" type="application/rss+xml"/><item><title>Alibaba affirme que son nouveau modèle Qwen4-Max réduit d&apos;environ 60 % le coût par tâche</title><link>https://itanu.org/fr/magazine/alibaba-qwen4-max-cuts-task-costs-nikpq6e5/</link><guid isPermaLink="true">https://itanu.org/fr/magazine/alibaba-qwen4-max-cuts-task-costs-nikpq6e5/</guid><pubDate>Mon, 16 Nov 2026 11:22:00 GMT</pubDate><dc:creator>Rédaction d’ITANU Magazine</dc:creator><category>IA</category><description>Alibaba présente Qwen4-Max comme le modèle le plus performant de sa famille Qwen. L&apos;entreprise dit avoir retiré des données d&apos;entraînement les contenus sur les attaques offensives et conservé les contenus de sécurité défensive.</description><content:encoded>&lt;h3&gt;L’essentiel&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;Alibaba a lancé Qwen4-Max le 16 novembre 2026 et le présente comme le modèle Qwen le plus performant à ce jour.&lt;/li&gt;&lt;li&gt;Selon Alibaba, sur son propre test Work360, le coût moyen par tâche est inférieur d&amp;apos;environ 60 % à celui de Qwen3.8-Max.&lt;/li&gt;&lt;li&gt;Alibaba dit avoir filtré les données d&amp;apos;entraînement selon l&amp;apos;intention de la tâche, en retirant les contenus sur les attaques offensives et en gardant les contenus défensifs.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;Alibaba a lancé Qwen4-Max le 16 novembre 2026. L&amp;apos;entreprise le présente comme le modèle le plus performant de sa famille Qwen à ce jour et affirme que son coût moyen par tâche est inférieur d&amp;apos;environ 60 % à celui de son prédécesseur, Qwen3.8-Max.&lt;/p&gt;&lt;p&gt;Selon Alibaba, le modèle compte 2,4 billions de paramètres au total, mais n&amp;apos;en active que 71 milliards par token, grâce à une architecture creuse de type Mixture-of-Experts (MoE) améliorée. Dans un modèle à mélange d&amp;apos;experts, chaque entrée n&amp;apos;est dirigée que vers certains des sous-réseaux spécialisés, au lieu de les traverser tous. D&amp;apos;après Alibaba, cela représente 25 % de paramètres activés en moins que Qwen3.8-Max, de taille totale identique. Qwen4-Max peut aussi traiter nativement les images et dispose d&amp;apos;une fenêtre de contexte d&amp;apos;un million de tokens.&lt;/p&gt;&lt;p&gt;Le chiffre sur les coûts provient de Work360, un banc d&amp;apos;essai qui appartient à Alibaba et qui évalue des tâches industrielles difficiles dans 721 domaines spécialisés. L&amp;apos;entreprise affirme que Qwen4-Max a globalement battu son prédécesseur sur ce test et utilisé 35 % de tokens en moins dans son mode de raisonnement High. Selon MLQ.ai, la moyenne par tâche sur Work360 est descendue à 1,67 dollar, contre 4,43 dollars avec l&amp;apos;ancien modèle, soit une baisse de 62 % d&amp;apos;après le site. Le site indique aussi que l&amp;apos;entrée est désormais affichée à 1,50 dollar par million de tokens, contre 2 dollars, et la sortie à 4,50 dollars par million, contre 6. MLQ.ai souligne que ces chiffres n&amp;apos;ont pas été vérifiés de manière indépendante.&lt;/p&gt;&lt;p&gt;Alibaba affirme également avoir renforcé les contrôles de sécurité pendant l&amp;apos;entraînement. En matière de cybersécurité, elle a filtré les données d&amp;apos;entraînement selon l&amp;apos;intention de chaque tâche, en retirant les contenus sur les attaques offensives et en conservant ceux qui aident à détecter et corriger les vulnérabilités. Selon l&amp;apos;entreprise, l&amp;apos;entraînement au code a ajouté des contrôles de sécurité aux tests de fonctionnement, et des jeux de données dédiés à la sûreté renforcent la protection contre les risques chimiques, biologiques, radiologiques et nucléaires.&lt;/p&gt;&lt;p&gt;Pour illustrer le travail d&amp;apos;agent de longue durée, Alibaba indique que Qwen4 a fonctionné 48 heures sans interruption. Au fil de quatre cycles d&amp;apos;un flux de travail en boucle fermée, il a trouvé une molécule de liquide de refroidissement pour les puces, validée ensuite par l&amp;apos;expérience.&lt;/p&gt;&lt;p&gt;Le modèle est accessible par l&amp;apos;API et Token Plan sur QwenCloud, ainsi que dans des applications d&amp;apos;Alibaba comme QwenWork et QwenStudio. D&amp;apos;après CASRAI, le journal des modifications d&amp;apos;Alibaba mentionne qwen4-max le 16 novembre, cinq jours après une préversion disponible uniquement via Token Plan. Le modèle phare a été publié sans poids ouverts téléchargeables, rapporte CASRAI. Alibaba dit prévoir de publier prochainement pour les développeurs des modèles Qwen4 plus petits à poids ouverts, et CASRAI relève que l&amp;apos;annonce ne donne aucune date pour ces modèles.&lt;/p&gt;&lt;h3&gt;Sources&lt;/h3&gt;&lt;ol&gt;&lt;li&gt;&lt;a href=&quot;https://www.alibabacloud.com/blog/alibaba-unveils-qwen4-max-new-ai-teammate-for-work-creativity-and-discovery_603783&quot;&gt;Alibaba Unveils Qwen4-Max: New AI Teammate for Work, Creativity and Discovery&lt;/a&gt;, Alibaba Cloud&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://mlq.ai/news/alibaba-launches-qwen4-max-saying-it-cuts-task-costs-by-about-60-with-tighter-cyber-guardrails/&quot;&gt;Alibaba launches Qwen4-Max, saying it cuts task costs by about 60% with tighter cyber guardrails&lt;/a&gt;, MLQ.ai&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://casrai.org/news/alibaba-qwen4-max-general-release-million-token-context-2026&quot;&gt;Alibaba releases Qwen4-Max with 1M context&lt;/a&gt;, CASRAI&lt;/li&gt;&lt;/ol&gt;&lt;p&gt;Le système éditorial d’ITANU a produit cet article avec l’IA et l’a vérifié auprès des sources citées ci-dessus.&lt;/p&gt;</content:encoded></item></channel></rss>
