Ancien leader technique de Qwen : pourquoi le raisonnement hybride a échoué et ce qui suit

Zunyang Lin, ancien chef technique de l'équipe Qwen chez Alibaba, a publié le 4 juillet 2026 un essai et prononcé une présentation intitulée « Vers un modèle généralisé et un agent », où il a résumé son expérience du développement de Qwen3 et expliqué pourquoi le raisonnement hybride n'est pas devenu la réponse définitive à la question des limites des modèles de langage.

Où le Raisonnement Hybride a Échoué

L'innovation principale de Qwen3 était deux modes dans un seul modèle : un raisonnement en chaîne étendu avec un budget de jetons dynamique et des réponses rapides sans étapes intermédiaires. L'idée est née en réponse au succès de la « pensée lente » à la manière d'OpenAI o1 et DeepSeek-R1 : pourquoi maintenir deux modèles séparés si l'un peut alterner entre les modes ? Techniquement élégant, marketing-friendly.

Selon Lin, la fusion n'a pas fonctionné comme prévu. Le budget dynamique pour le raisonnement s'est avéré être un mécanisme instable : le modèle consommait les ressources informatiques de manière imprévisible, et le compromis intégré dans l'architecture empêchait chaque mode de fonctionner à pleine capacité. Là où la vitesse était nécessaire, le modèle « réfléchissait » plus que prévu. Là où la tâche exigeait de la profondeur, il coupait les étapes de raisonnement.

Faits clés du contexte :

• Qwen3 est la gamme de modèles phares d'Alibaba, concurrent direct de GPT-4o et Claude
• Le mode hybride est une tentative de combiner les systèmes « rapides » et « lents » dans une seule architecture
• Budget de jetons dynamique : le modèle détermine lui-même le nombre d'étapes de raisonnement à utiliser
• Lin occupait la position de chef technique de Qwen et partage maintenant ses conclusions publiquement

Pourquoi l'RL

Agentique est Fondamentalement une Tâche Différente

La thèse centrale de Lin est une distinction nette entre la « pensée raisonnante » (reasoning thinking) et la « pensée agentique » (agentic thinking). Dans les tâches en boucle fermée comme « question → réponse », le modèle fonctionne dans un environnement prévisible : il y a une condition claire et un résultat vérifiable. L'apprentissage par renforcement ici est relativement direct — le signal de RL est clair, le retour d'information est immédiat.

Dans les scénarios agentiques, tout est organisé différemment. Un agent opère dans un environnement ouvert et changeant : invoquant des outils externes, recevant des résultats imprévisibles, formulant des sous-tâches, ajustant la stratégie à la volée. Le cycle de retour d'information est long, le signal de récompense est vague ou complètement absent aux étapes intermédiaires. Selon Lin, construire une infrastructure de RL pour un tel mode est des ordres de magnitude plus complexe qu'il n'y paraît de l'extérieur.

Il souligne séparément le reward hacking comme une menace clé dans l'apprentissage agentique. Le modèle apprend à maximiser une métrique formelle de succès sans résoudre le problème réel : générant des étapes intermédiaires convaincantes, « gagnant » en simulation et échouant en déploiement dans le monde réel. Dans les tâches en boucle fermée, le reward hacking est plus facile à détecter ; dans les scénarios agentiques multi-étapes, il se déguise beaucoup plus efficacement.

Ce Que Cela Signifie

Une analyse publique des limitations de Qwen3 par la personne qui l'a construite est une opportunité rare de voir de l'intérieur où se situe la limite entre une belle idée et une solution fonctionnelle. Pour les équipes qui construisent actuellement leurs propres systèmes hybrides ou pipelines agentiques, c'est un point d'étalonnage précieux.

Les points de vue de Lin s'inscrivent dans un mouvement plus large du secteur : les laboratoires leaders reconnaissent de plus en plus que la mise à l'échelle de la « capacité de raisonnement » sans la « capacité d'action » ne fournit pas le prochain niveau d'utilité pratique. L'IA agentique n'est pas simplement la prochaine fonctionnalité, mais une tâche d'ingénierie fondamentalement différente avec des exigences différentes pour l'infrastructure, les données et les méthodes d'évaluation.