Sous licence Apache 2.0, avec des poids téléchargeables et modifiables sans royalties, la famille Qwen d'Alibaba compte des modèles denses de 0,6 à 32 milliards de paramètres et des architectures MoE jusqu'à 235 milliards. Sur le papier, c'est l'option la plus flexible du marché pour une entreprise qui veut un LLM proche de la frontière sans dépendre d'une API américaine. Dans les faits, l'origine chinoise du modèle pose une question que peu d'articles traitent sérieusement : que se passe-t-il vraiment quand on fait tourner Qwen sur un serveur français ?
Cet article répond à deux besoins distincts : comprendre ce que Qwen apporte techniquement (licence, tailles, prix, déploiement), et savoir ce que son origine change réellement pour une entreprise soumise au RGPD et à l'AI Act. Les deux sujets sont liés, et les traiter séparément est le piège le plus courant sur ce type de modèle.
Qwen : une famille de modèles, pas un produit unique
Le nom Qwen recouvre plusieurs générations et plusieurs formats, et confondre les deux est la première source d'erreur de choix. La documentation officielle du projet distingue les modèles denses (0,6B, 1,7B, 4B, 8B, 14B, 32B) des modèles à mélange d'experts, MoE 30B-A3B et MoE 235B-A22B, où seule une fraction des paramètres s'active à chaque requête. Cette architecture explique pourquoi un modèle affichant 235 milliards de paramètres peut tourner avec un budget de calcul proche d'un modèle dense bien plus petit.
Deuxième point structurant : tous les poids ouverts de la famille sont publiés sous licence Apache 2.0, sans clause de seuil d'usage. C'est une différence concrète avec Llama 4 de Meta, dont la licence impose de demander une autorisation spécifique à Meta au-delà de 700 millions d'utilisateurs actifs mensuels. Pour la quasi-totalité des entreprises françaises, ce seuil ne sera jamais atteint, mais la clause existe et complique juridiquement un audit de conformité open source. Chez Qwen, elle n'existe pas.
Côté couverture linguistique, la famille annonce le support de plus de 100 langues et dialectes, avec une fenêtre de contexte native de 256 000 tokens, extensible jusqu'à 1 000 000 tokens sur les variantes récentes. Concrètement, un modèle Qwen peut ingérer plusieurs centaines de pages de documentation technique ou juridique dans une seule requête, sans découpage préalable.
Le vrai sujet : un modèle chinois, hébergé chez vous
C'est la question que la plupart des comparatifs esquivent. Qwen est développé par Alibaba Cloud, une entreprise soumise au droit chinois. Est-ce que ça disqualifie le modèle pour une entreprise française soumise au RGPD ? Non, si une règle simple est respectée : ne jamais appeler l'API hébergée par Alibaba pour traiter des données personnelles ou sensibles, et privilégier l'auto-hébergement.
Un modèle open-weight comme Qwen est un fichier de poids mathématiques, téléchargeable une seule fois et exécutable ensuite sans connexion sortante vers son éditeur. Une fois déployé chez un hébergeur souverain français, sur un serveur en France ou dans l'UE, aucune donnée ne transite vers l'éditeur du modèle. La question du transfert de données hors UE, centrale en RGPD, ne se pose tout simplement plus dans ce scénario. C'est différent d'un usage via l'API Alibaba Cloud Model Studio, où chaque requête part effectivement vers l'infrastructure du fournisseur.
L'AI Act européen ajoute une couche indépendante de l'origine du modèle. Les obligations pour les fournisseurs de modèles à usage général s'appliquent depuis le 2 août 2025, et le dispositif complet doit être déployé au plus tard le 2 août 2027. Pour une entreprise qui déploie Qwen en interne sans le redistribuer, c'est la casquette de « déployeur » qui s'applique, avec des obligations de gestion des risques proportionnées au cas d'usage, plutôt que celle de « fournisseur ». Concrètement, documenter le choix du modèle, la source des poids et le périmètre d'usage fait partie du dossier de conformité, que le modèle vienne de Chine, des États-Unis ou de France.
Sur les projets d'infrastructure IA que nous menons chez Noxcod, cette distinction entre API cloud et auto-hébergement revient à chaque fois qu'un client évoque un modèle chinois ou américain. La réponse n'est jamais « interdit » ou « autorisé » en bloc, elle dépend du mode d'accès choisi et de la nature des données traitées.
API Alibaba Cloud ou auto-hébergement : deux économies très différentes
Pour tester Qwen sans rien installer, l'API officielle passe par Alibaba Cloud Model Studio. Sur l'endpoint international (Singapour), la grille tarifaire s'étage nettement selon le modèle choisi : Qwen-Flash facture 0,10 $ en entrée et 0,40 $ en sortie par million de tokens, Qwen-Plus monte à 0,40 $ et 1,60 $, et le modèle phare Qwen-Max atteint 2,50 $ en entrée et 7,50 $ en sortie. Autrement dit, Qwen-Flash coûte 96 % de moins que Qwen-Max sur le prix d'entrée, pour des tâches qui ne demandent pas le raisonnement le plus poussé. Les nouveaux comptes reçoivent un million de tokens gratuits par modèle, valables 90 jours, uniquement sur l'endpoint de Singapour.
L'auto-hébergement change complètement l'équation économique : plus de coût par token, mais un coût d'infrastructure fixe (GPU loué ou acheté). C'est ici qu'Ollama a construit sa popularité : le catalogue Qwen3 d'Ollama affiche plus de 31,7 millions de téléchargements, avec des tailles de fichiers qui vont de 523 Mo pour la version 0,6B à 142 Go pour la version 235B. C'est cette amplitude qu'il faut trancher avant de choisir : un modèle 8B tourne sur une carte grand public avec 8 à 12 Go de VRAM, un modèle 32B demande déjà un GPU professionnel, et le 235B reste réservé à un cluster ou à un service managé.
Pour une équipe qui veut router ses appels entre plusieurs fournisseurs sans réécrire son code à chaque changement, un gateway compatible OpenAI permet de basculer entre l'API Alibaba, un Qwen auto-hébergé et d'autres modèles via une seule intégration.
Déployer Qwen en local : les étapes et les pièges de VRAM
Pour un premier test, faire tourner un LLM en local avec Ollama reste la voie la plus rapide : une commande de type ollama run qwen3:8b télécharge le modèle et ouvre une session de chat en quelques minutes, sans configuration GPU manuelle. C'est suffisant pour évaluer la qualité de réponse sur des cas d'usage internes avant d'investir dans une infrastructure de production.
Le premier piège rencontré sur les projets clients est presque toujours le même : sous-dimensionner la VRAM disponible par rapport à la taille du modèle choisi. Un modèle 14B en précision réduite (quantization 4 bits) tient dans 10 à 12 Go de VRAM, mais dégrade légèrement la qualité de raisonnement par rapport à la version en pleine précision. La règle qu'on applique en projet : partir du modèle le plus petit qui couvre le cas d'usage, puis monter en taille seulement si les réponses ne sont pas assez précises, jamais l'inverse. Prendre le 235B « parce qu'il est le plus puissant » sans avoir testé le besoin réel est le moyen le plus rapide de brûler un budget GPU.
Second piège : le temps de première réponse, le « cold start ». Un modèle de plusieurs dizaines de gigaoctets met plusieurs secondes à se charger en mémoire GPU s'il n'y est pas déjà. Pour un usage en production avec un trafic irrégulier, ça se traduit par une latence perçue inacceptable sur les premières requêtes après une période d'inactivité. La parade classique : garder le modèle chargé en permanence sur une instance dédiée, ou utiliser un moteur d'inférence comme vLLM, qui gère mieux le chargement et le traitement par lots que le mode chat interactif d'Ollama.
Qwen3-Coder : l'angle agentique pour les équipes dev
La déclinaison Qwen3-Coder mérite un traitement à part parce qu'elle vise directement les usages de développement assisté. Le modèle phare, Qwen3-Coder-480B-A35B-Instruct, active 35 milliards de paramètres sur un total de 480 milliards, entraîné sur 7 500 milliards de tokens dont 70 % de code. Il supporte nativement 256 000 tokens de contexte, extensibles jusqu'à 1 000 000 tokens par extrapolation, largement de quoi ingérer un monorepo entier dans une seule session.
Alibaba revendique des résultats à l'état de l'art parmi les modèles ouverts sur le codage agentique, l'usage d'outils et la navigation web autonome, avec des performances comparées à Claude Sonnet 4 sur ces tâches. Le point important pour une équipe qui évalue l'outil : ces revendications concernent la comparaison entre modèles ouverts, pas un dépassement des meilleurs modèles propriétaires du marché. Pour une comparaison plus large des modèles IA en entreprise, notre article sur Mistral AI en entreprise aborde une alternative européenne sur des tâches similaires.
En pratique, Qwen3-Coder s'intègre dans les mêmes flux que les autres assistants agentiques : appel d'outils, exécution de commandes shell, lecture et écriture de fichiers dans une boucle itérative. La différence avec un assistant propriétaire tient surtout à la maîtrise de l'infrastructure : en auto-hébergement, aucune ligne de code du projet ne quitte le réseau de l'entreprise, un argument qui pèse lourd sur des bases de code sous NDA strict.
Qwen face à Mistral, Llama et DeepSeek : quand le choisir vraiment
Quatre familles de modèles ouverts dominent aujourd'hui les discussions en entreprise : Llama (Meta, États-Unis), Mistral (France), DeepSeek (Chine) et Qwen (Chine). Auto-hébergées en France ou dans l'UE, les quatre sont équivalentes du point de vue strict du RGPD : le modèle est un fichier de poids exécuté localement, sans connexion sortante. Ce qui les différencie, c'est la licence, la gamme de tailles disponibles et l'écosystème d'outillage.
Sur la licence, Qwen et Mistral (pour ses modèles ouverts) partagent l'Apache 2.0 sans restriction de seuil, contrairement à Llama 4 et son plafond de 700 millions d'utilisateurs actifs mensuels évoqué plus haut. Sur la gamme, Qwen couvre un spectre plus large, du 0,6B destiné à l'edge computing jusqu'au 235B, quand Mistral concentre son offre open source sur des tailles moyennes. Sur l'écosystème, les trois bénéficient d'un support natif dans Ollama et vLLM, donc aucun n'est plus compliqué à déployer techniquement qu'un autre.
Notre avis sur les projets clients : Mistral reste le choix par défaut quand la question de la souveraineté industrielle, pas seulement juridique, compte pour le client. Un éditeur français dans la chaîne de responsabilité simplifie certaines discussions avec un DPO ou un comité de sécurité. Qwen devient pertinent quand le besoin dépasse ce que la gamme Mistral couvre, en particulier sur le codage agentique avec Qwen3-Coder, ou quand le budget impose une option d'entrée de gamme très bon marché comme Qwen-Flash. Pour construire une architecture complète autour de ces modèles, notre article sur la construction d'un RAG souverain hébergé en France détaille les briques d'infrastructure nécessaires au-delà du choix du modèle.
Passer du POC à la production : ce que l'auto-hébergement coûte vraiment
Faire tourner Qwen en local sur un poste de développeur pour évaluer sa pertinence prend une après-midi. Le faire tourner en production, avec une disponibilité garantie, une montée en charge gérée et une supervision, est un projet d'infrastructure à part entière, souvent sous-estimé au moment du choix du modèle.
Les postes de coût réels : le GPU (loué à l'heure ou en engagement mensuel), l'orchestration (file d'attente des requêtes, mise à l'échelle automatique), la supervision (latence, taux d'erreur, dérive de qualité des réponses dans le temps) et la maintenance des mises à jour de modèle sans interruption de service. Sur un projet type, le budget d'infrastructure dépasse rapidement le coût des licences ou des appels API qu'on cherchait à économiser en auto-hébergeant.
La bonne question à se poser avant de lancer un projet d'auto-hébergement Qwen n'est donc pas « quel modèle est le plus puissant », mais « est-ce que le volume de requêtes et la sensibilité des données justifient l'investissement en infrastructure, par rapport à une API gérée avec engagement de localisation des données ». Pour les volumes faibles à moyens, l'API reste souvent plus simple à opérer. Pour les gros volumes ou les données très sensibles, l'auto-hébergement devient rentable et nécessaire.
Chez Noxcod, on accompagne ce type d'arbitrage sur des projets de développement sur mesure, du choix du modèle jusqu'à la mise en production supervisée. Si votre projet touche à des données sensibles ou à un volume de requêtes qui rend l'API trop chère, planifier un appel avec notre équipe permet de chiffrer les deux scénarios avant de s'engager.
Questions fréquentes
Qwen est-il vraiment gratuit ?
Les poids des modèles Qwen sont téléchargeables gratuitement sous licence Apache 2.0, sans royalties. L'auto-hébergement n'a donc pas de coût de licence, seulement un coût d'infrastructure (GPU). L'API officielle Alibaba Cloud Model Studio, elle, facture à l'usage au token, avec un million de tokens gratuits par modèle pendant 90 jours pour démarrer.
L'auto-hébergement de Qwen envoie-t-il des données vers la Chine ?
Non, si le modèle est hébergé sur votre propre infrastructure ou chez un hébergeur européen. Une fois les poids téléchargés, Qwen fonctionne comme n'importe quel logiciel local : aucune connexion sortante vers Alibaba n'est nécessaire pour générer une réponse. Seul l'usage de l'API hébergée par Alibaba Cloud implique un transfert de données vers son infrastructure.
Quelle taille de modèle Qwen choisir pour commencer ?
Pour un premier test interne, un modèle 8B ou 14B tourne confortablement sur une carte grand public et donne une bonne idée de la qualité de réponse. Monter vers 32B ou plus ne se justifie que si les cas d'usage réels exigent un raisonnement plus fin que ce que le petit modèle produit, après l'avoir testé sur des données représentatives.
Qwen respecte-t-il l'AI Act européen ?
L'AI Act ne « certifie » pas un modèle en soi. Il impose des obligations selon le rôle : fournisseur de modèle à usage général (Alibaba) ou déployeur (votre entreprise). En tant que déployeur, vous devez documenter le choix du modèle et gérer les risques liés à votre cas d'usage, quelle que soit l'origine du modèle. Ces obligations s'appliquent progressivement jusqu'au 2 août 2027.
Qwen ou Mistral pour un projet souverain en France ?
Auto-hébergés en France, les deux respectent le RGPD de la même façon. Mistral garde un avantage quand la nationalité de l'éditeur compte dans la discussion avec un comité de sécurité ou un DPO. Qwen devient pertinent pour des besoins que la gamme Mistral ne couvre pas encore, notamment sur le codage agentique avec Qwen3-Coder.
