Alibaba Qwen3.7-Max: IA autonome 35h

Points clés

Fait: Le 20 mai 2026, Alibaba a présenté Qwen3.7-Max lors de son Cloud Summit à Hangzhou : un modèle qui a fonctionné en autonomie pendant 35 heures consécutives, exécuté 1 158 appels d’outils et atteint une amélioration de performance 10× sur une puce qu’il n’avait jamais rencontrée à l’entraînement.
Impact: L’annonce s’accompagne de la puce Zhenwu M890 (3× les performances du prédécesseur, 144 Go HBM3, déjà déployée chez 400+ clients entreprises) et du serveur rack Panjiu AL128 — un stack intégré verticalement qui remet en cause la tarification de l’infrastructure IA occidentale à sa base.
Surprise: Qwen3.7-Max prend explicitement en charge Claude Code d’Anthropic comme harness externe — le modèle que la Chine vient de déployer est compatible avec l’outillage d’agents que les entreprises occidentales sont déjà en train de standardiser.

Le chiffre était calculé pour marquer les esprits. Trente-cinq heures. Une semaine de travail entière, comprimée en une seule exécution machine ininterrompue — sans validation intermédiaire, sans question de clarification, sans un humain qui surveille l’écran. Au Cloud Summit d’Alibaba le 20 mai, Qwen3.7-Max n’a pas seulement fonctionné aussi longtemps : il a travaillé sur du hardware qu’il n’avait jamais vu à l’entraînement, sans aucune documentation disponible, et a produit un code kernel qui surpassait de dix fois l’implémentation de référence du fabricant de la puce.

Pour un directeur des opérations ou un DSI en train d’évaluer l’infrastructure IA aujourd’hui, la question n’est pas de savoir si c’est impressionnant. C’est ce que cela change concrètement.

35 heures sans supervision : ce qui s’est réellement passé

La tâche de référence était délibérément difficile. Alibaba a confronté Qwen3.7-Max à la puce Zhenwu M890 — son propre accélérateur IA propriétaire, sans documentation publique disponible — avec pour objectif d’optimiser le code kernel de SGLang, un framework d’inférence IA très utilisé. Le modèle ne disposait d’aucune spécification matérielle, d’aucune implémentation de référence, d’aucune donnée d’entraînement spécifique à cette puce.

En 35 heures, il a exécuté 432 évaluations de kernel et 1 158 appels d’outils distincts. Il a diagnostiqué des erreurs de compilation en autonomie, revu son approche à chaque fois, et itéré jusqu’à livrer une amélioration de vitesse de 10,0× par rapport à l’implémentation de référence Triton. La comparaison avec les concurrents est parlante : GLM 5.1 a atteint 7,3×, Kimi K2.6 est monté à 5,0×, DeepSeek V4 Pro à 3,3×. Qwen3.7-Max n’était pas marginalement supérieur — il opérait dans une catégorie différente.

La fenêtre de contexte passe à 1 million de tokens (presque 4× le prédécesseur Qwen3.6-Max-Preview), et le modèle prend en charge des harnesses d’agents incluant OpenClaw, Hermes Agent, Claude Code d’Anthropic, Qwen Paw et Qoder. Ce dernier détail mérite d’être retenu : le modèle d’IA frontier que la Chine vient de mettre sur le marché est compatible avec les outils que les entreprises européennes sont déjà en train de standardiser.

DIAGNOSTIC GRATUIT — Votre entreprise est-elle prête à autoriser des exécutions IA autonomes de 35 heures ? Comment fonctionne Transform → ✓ 30 min ✓ Sans coût ✓ Directeur IA dédié

Le pari full-stack qui redistribue les cartes mondiales

Alibaba n’a pas lancé un modèle. Le summit a présenté trois produits interconnectés formant ce que la société appelle un stack d‘“usine IA” : Qwen3.7-Max pour la couche logicielle ; le Zhenwu M890 de T-Head (la filiale chips d’Alibaba) pour la couche de calcul ; et le serveur Panjiu AL128 — une unité rack-scale embarquant 128 accélérateurs M890 avec une bande passante interne en pétaoctets par seconde. Les livraisons cumulées de la série Zhenwu atteignent 560 000 unités chez 400+ clients dans plus de 20 secteurs. Ce n’est pas une feuille de route — c’est un écosystème déjà déployé.

Ce qui frappe dans cette manœuvre, c’est la précision avec laquelle elle cible le problème de dépendance qui définit l’écosystème IA occidental. Le dossier IPO de SpaceX a récemment révélé qu’Anthropic paie environ 15 milliards de dollars par an en location de capacité de calcul — un chiffre qui rend le risque de dépendance à un seul fournisseur impossible à ignorer. Le stack intégré d’Alibaba est à la fois un produit et un argument concurrentiel : si vous êtes une entreprise cherchant des alternatives réelles au duopole Nvidia-Azure-AWS, pourquoi exposer vos workloads IA à des chaînes d’approvisionnement en GPU fragilisées par les contrôles à l’exportation ?

Pour les entreprises françaises et européennes, l’implication est plus indirecte mais tout aussi réelle. Un concurrent IA chinois crédible avec un stack vertical déployé à grande échelle exercera une pression tarifaire sur tous les fournisseurs — et forcera une discussion sérieuse au niveau du conseil d’administration sur ce que “risque fournisseur IA” signifie vraiment dans un horizon de 5 ans.

Le vide de gouvernance que personne n’ose regarder en face

L’exécution autonome de 35 heures est une histoire de capacité technique. Ce qu’elle révèle est une histoire organisationnelle.

Données Epinium

Dans les missions Transform d’Epinium auprès d’équipes marques et opérations en Europe et en LATAM, 68% des équipes démarrant leur premier workflow IA agentique n’ont aucun protocole d’approbation défini pour les tâches dépassant 60 minutes d’exécution sans point de contrôle humain. La technologie pour des exécutions autonomes de 35 heures est désormais disponible commercialement. Les cadres organisationnels pour les autoriser, les surveiller et les auditer sont encore en cours d’élaboration.

Ce que nous observons chez Epinium est un schéma récurrent : les entreprises sous-estiment non pas la capacité des modèles, mais le changement de management interne nécessaire pour les déployer en pleine autonomie. La question la plus difficile n’est pas “Notre IA peut-elle faire ça ?”. C’est “Qui dans notre organisation est autorisé à dire oui à une tâche de cette durée, de cette autonomie, de cette criticité — et quel protocole s’active si quelque chose se passe mal ?”

Qwen3.7-Max rend cette question urgente plutôt que théorique. Le modèle est disponible maintenant. Les cadres de gouvernance, dans la plupart des organisations, ne le sont pas encore.

Cinq questions sur les agents IA à long horizon

Qu’est-ce que Qwen3.7-Max et en quoi diffère-t-il des modèles Qwen précédents ?

Qwen3.7-Max est le modèle phare d’Alibaba conçu spécifiquement pour les tâches agentiques à long horizon, et non pour l’IA conversationnelle. Sa fenêtre de contexte de 1 million de tokens représente presque 4× son prédécesseur. Il gère des projets logiciels multi-fichiers, orchestre des workflows multi-agents et a été évalué sur de vraies tâches d’optimisation de puce. Le changement est architectural : ce modèle a été construit autour de l’autonomie en entreprise, pas de la réactivité chatbot.

Qwen3.7-Max peut-il être intégré dans les stacks IA d’entreprises européennes ?

Techniquement oui. Alibaba a listé Claude Code d’Anthropic comme harness externe supporté. Les entreprises déjà standardisées sur Claude Code peuvent tester Qwen3.7-Max sans reconstruire leurs workflows. Si le RGPD, l’AI Act européen et les politiques de résidence des données permettent cette intégration pour votre secteur spécifique reste une question à instruire séparément.

L’exécution de 35 heures se traduit-elle en workflows d’entreprise concrets ?

Pas immédiatement pour la plupart des équipes. La tâche d’optimisation de kernel était idéale : critères de succès fermés, vérifiables par machine, sans jugement humain ambigu en cours de processus. La plupart des processus d’entreprise n’ont pas encore cette structure. La valeur du benchmark est directionnelle : elle indique quels types de workflows concevoir pour exploiter cette capacité.

Qu’est-ce que le chip Zhenwu M890 et pourquoi est-il pertinent pour les entreprises hors de Chine ?

T-Head’s Zhenwu M890 revendique 3× les performances de son prédécesseur, avec 144 Go HBM3 et 800 Go/s de bande passante inter-puces, pour 560 000 unités livrees à 400+ clients. Un accélérateur IA chinois crédible à cette échelle réduit la dépendance de la Chine aux exportations Nvidia — ce qui modifie la dynamique mondiale d’offre et de demande de GPU et le pouvoir de négociation de tous les acteurs du marché.

Quand une entreprise ne devrait-elle pas déployer un agent IA à long horizon ?

Lorsque la tâche a des critères de succès ambigus nécessitant un jugement humain en cours de processus. Lorsque les conséquences d’une erreur sont difficiles à annuler. Lorsque l’AI Act ou d’autres exigences réglementaires imposent une révision humaine à des points de décision spécifiques. Et lorsqu’il n’existe pas encore de cadre de gouvernance interne pour autoriser, surveiller et auditer une tâche de cette durée. Déployer des agents autonomes sans procédures claires d’escalade et de rollback détruit la confiance dans l’IA plus vite qu’elle ne se construit.

Le rythme s’accélère. En l’espace d’une semaine de mai 2026, Google a déclaré l’ère agentique à I/O, Walmart a annoncé une croissance mesurable grâce à Sparky, et Alibaba a démontré une IA capable d’optimiser le logiciel de sa propre puce mieux que les ingénieurs du fabricant. Le marché n’attend pas que les organisations soient prêtes. La question pour chaque entreprise est de savoir à quelle vitesse elle peut combler l’écart entre ce que la technologie peut déjà faire et ce que sa gouvernance peut autoriser.

Prêt à combler le vide de gouvernance IA de votre organisation ? Epinium Transform aide les équipes dirigeantes à construire les frameworks, protocoles et structures de supervision d’agents nécessaires pour passer des pilotes IA au déploiement autonome en production — à partir d’un diagnostic gratuit de 30 minutes. Réserver un diagnostic gratuit →