Un modèle plus offensif pour le code, mais encadré
Alibaba présente Qwen4-Max comme un modèle phare pour l’ère des logiciels agentiques: pas seulement un assistant capable de produire des extraits de code, mais un système conçu pour des tâches longues, l’usage d’outils, le raisonnement visuel et des workflows professionnels complexes . Selon l’entreprise, le modèle compte 2,4 billions de paramètres au total, active 71 milliards de paramètres par jeton, prend en charge la vision native et dispose d’une fenêtre de contexte d’un million de jetons . Cette combinaison vise directement les grands dépôts de code, les bases documentaires volumineuses et les chaînes d’outils utilisées par les équipes d’ingénierie.
La revendication la plus visible concerne le code. Alibaba affirme que Qwen4-Max obtient des classements de premier plan sur des benchmarks de programmation, de tâches agentiques et de raisonnement visuel, avec notamment une sixième place sur Code Arena et de bons résultats sur Agents’ Last Exam, Vals Index, JobBench et Chartography . Mint rapporte qu’Alibaba a aussi comparé Qwen4-Max à des systèmes américains comme GPT-6.1-Sol d’OpenAI et Opus 5.5 d’Anthropic, en affirmant que son modèle atteint 75,7 dans des évaluations de code, devant Opus 5.5 à 74,2 et GPT-6.1-Sol à 75,2, tout en précisant que ces chiffres viennent d’Alibaba et n’ont pas été vérifiés de manière indépendante .
Cette réserve est essentielle. Dans les achats d’IA en entreprise, une affirmation de supériorité sur benchmark ne suffit pas longtemps si elle n’est pas confirmée sur des charges réelles: tests instables, frameworks internes, scripts de déploiement fragiles, revues de sécurité et code historique difficile à maintenir. Qwen4-Max ne concurrence donc pas seulement les modèles américains sur des tableaux de scores publics. Il demande aux directions techniques de croire qu’un agent plus puissant peut réduire le coût du développement logiciel continu sans ouvrir une surface de risque inacceptable.
Le coût par tâche devient un argument décisif
Alibaba insiste aussi sur l’efficacité économique. Sur Work360, un benchmark propriétaire couvrant 721 domaines spécialisés selon l’entreprise, Qwen4-Max dépasserait Qwen3.8-Max tout en utilisant 35 % de jetons en moins en mode de raisonnement High effort et en réduisant le coût moyen des tâches d’environ 60 % . Reuters a également rapporté cet axe d’efficacité, en soulignant qu’Alibaba présente Qwen4-Max comme plus performant que son prédécesseur d’août tout en consommant moins de jetons et en réduisant les coûts .
Ce point est stratégique, car les agents de code n’ont pas le même profil de coût que les anciens copilotes. Un copilot peut compléter une fonction. Un agent peut analyser un dépôt, appeler des outils, exécuter des tests, échouer, recommencer, produire des journaux, consulter de la documentation et boucler jusqu’à obtenir un résultat. L’efficacité en jetons, le cache et le coût par tâche deviennent donc aussi importants que l’intelligence brute lorsqu’une entreprise envisage un déploiement à grande échelle.
La distribution progresse aussi rapidement. Alibaba indique que Qwen4-Max est disponible via QwenCloud avec Token Plan et API, ainsi que dans QwenWork et QwenStudio, avec un prix de 0,075 dollar par million de jetons pour les entrées en cache . Vercel a ajouté Qwen4-Max à son AI Gateway le 15 novembre, en le décrivant comme le premier modèle de la série Qwen4 et en mettant en avant son contexte d’un million de jetons, sa vision native et son adéquation avec le code, le travail professionnel et les tâches agentiques longues . Cette disponibilité via passerelle compte, car les développeurs adoptent souvent les modèles là où ils routent déjà le trafic, surveillent l’usage et changent de fournisseur.
Les garde-fous cyber sont au cœur du sujet
L’aspect le plus important du lancement est peut-être l’association entre performance de programmation et contrôles de cybersécurité. Alibaba affirme que l’entraînement en ingénierie logicielle a intégré des vérifications de sécurité du code en plus des tests fonctionnels, afin de réduire des vulnérabilités comme les injections, les défauts de sûreté mémoire et les contrôles d’accès cassés . Pour les tâches de cybersécurité, l’entreprise dit avoir filtré les données d’entraînement selon l’intention, en conservant le matériel défensif utile à la détection et à la remédiation de vulnérabilités tout en supprimant les contenus offensifs liés aux attaques .
Le South China Morning Post a rapporté qu’Alibaba lançait Qwen4-Max avec des garde-fous stricts en cybersécurité, dans une tentative d’équilibrer la sûreté et ses ambitions d’ouverture alors que les attaques facilitées par l’IA inquiètent de plus en plus . Le média indique aussi qu’Alibaba a ajouté des jeux de données et des améliorations post-entraînement destinés à réduire les risques chimiques, biologiques, radiologiques et nucléaires . Reuters a de son côté rapporté que les protections contre les usages abusifs dans la cybercriminalité et les matériaux dangereux avaient été renforcées, et que les tests internes n’avaient pas trouvé de capacités à haut risque significatives .
C’est le dilemme de l’épée et du pare-feu. De meilleurs agents de code peuvent aider les développeurs à refactorer, tester et sécuriser les logiciels plus vite. Les mêmes capacités peuvent aussi automatiser la découverte de vulnérabilités, l’assemblage de chaînes d’exploitation et la reconnaissance si les contrôles échouent. La question pour l’acheteur d’entreprise n’est donc plus seulement: “ce modèle sait-il coder?” Elle devient: “peut-il coder dans des limites que les équipes juridiques, sécurité et conformité peuvent défendre?”
La réponse de UiPath: orchestrer plutôt que posséder le modèle
Sur le même terrain stratégique, UiPath adopte une approche différente. BigGo Finance a rapporté le 16 novembre que UiPath lançait officiellement le Coding Agent présenté pour la première fois en mai, dans le cadre d’une mise à jour plus large ajoutant développement IA, connectivité de données et fonctions de gestion de la sécurité à sa plateforme d’automatisation d’entreprise . Plutôt que de miser principalement sur son propre modèle frontière de code, UiPath transforme des agents externes en constructeurs gouvernés d’automatisations.
L’ouverture est centrale. Le Coding Agent de UiPath peut générer des programmes d’automatisation à partir de demandes en langage naturel, tandis que des outils externes comme Claude Code d’Anthropic, Codex d’OpenAI, Cursor et Google Antigravity peuvent aussi être intégrés et utilisés sur la plateforme . Selon le rapport, ces outils peuvent lire les historiques de tâches, les enregistrements d’exécution et les informations de connexion enregistrés dans UiPath afin d’exploiter le contexte de l’entreprise pour créer des automatisations .
Le champ de bataille change donc. Alibaba dit en substance: notre modèle est puissant et mieux sécurisé. UiPath répond: utilisez le modèle auquel vous faites confiance, mais faites-le passer par notre couche de gouvernance, de journaux, de permissions et d’automatisation. Pour les organisations déjà investies dans la RPA et les workflows d’entreprise, cette couche de contrôle peut devenir aussi importante que le modèle lui-même.
La gouvernance devient le produit
L’annonce de UiPath montre aussi pourquoi l’adoption des agents de code devient un problème de gouvernance. BigGo rapporte que l’entreprise a ajouté Runtime Checker, qui vérifie en temps réel si les agents IA respectent les règles de sécurité de l’entreprise, ainsi que Model Hub, qui permet de voir quel modèle est utilisé et de définir des droits d’accès par modèle ou par outil . La même mise à jour comprend Database Hub, Relay pour connecter des agents cloud à des serveurs internes, la prise en charge du Model Context Protocol et des améliorations de Data Fabric permettant aux agents d’utiliser des données SAP ou Salesforce sans copie séparée tout en préservant les permissions existantes .
Ce n’est pas une simple liste de cases à cocher. Pour être utiles, les agents de code doivent accéder aux dépôts, aux identifiants, aux API internes, aux journaux, aux bases de données et parfois aux systèmes de déploiement. Chaque connexion augmente l’impact potentiel d’une mauvaise instruction, d’un plugin compromis ou d’un modèle trop confiant. UiPath parie que les entreprises paieront pour un cadre de règles unique couvrant agents, robots et employés, avec pistes d’audit et approbation humaine lorsque nécessaire .
La vraie course: productivité prouvée et contrôlée
La course actuelle se divise donc en deux compétitions liées. La première concerne la qualité du modèle: exactitude du code, raisonnement long contexte, usage d’outils, coût par tâche et performances sur benchmarks. Qwen4-Max est la tentative d’Alibaba de montrer que les systèmes chinois peuvent rivaliser directement avec les modèles américains dans le workflow développeur . La seconde compétition porte sur la confiance opérationnelle: gouvernance, frontières de sécurité, contrôles de déploiement, auditabilité et gains de productivité mesurables. UiPath veut devenir la couche d’entreprise où plusieurs agents de code peuvent être utilisés sans se transformer en IA fantôme .
Pour les acheteurs, l’étape suivante est la validation. Les promesses de Qwen4-Max doivent être confirmées par des benchmarks indépendants et, surtout, par des pilotes contrôlés sur de vrais dépôts internes. La promesse d’orchestration de UiPath doit prouver que Claude Code, Codex et les autres agents accélèrent l’automatisation sans affaiblir les contrôles de données ni submerger les équipes de revue. Les enjeux montent parce que les agents de code se trouvent désormais à l’intersection de la productivité logicielle et du risque cyber. Les gagnants ne seront pas seulement ceux qui écrivent le plus de code, mais ceux qui produisent du code utile, expliquent leurs actions, respectent les règles et résistent à l’audit.


Commentaires
Sois le premier à commenter.