Tencent Hy3 mise sur les agents IA plutôt que sur la taille des modèles : la révolution de l'efficacité de l'IA en Chine

Contexte sectoriel : Alors que la Silicon Valley rivalise encore sur la taille des modèles, Tencent a choisi une autre voie

Le PDG de Meta, Mark Zuckerberg, a récemment suggéré que les entreprises d'IA doivent faire des compromis difficiles entre l'infrastructure de calcul et les talents de recherche, mais l'hypothèse par défaut de la Silicon Valley reste inchangée : le cœur de la compétition est de savoir qui peut construire le plus gros modèle. Cependant, la dernière annonce de Tencent montre que la plus grande entreprise technologique chinoise pourrait effectuer un calcul complètement différent.

La semaine dernière, Tencent a officiellement lancé son modèle de langage phare de troisième génération, Hy3. Ses spécifications sont assez compétitives : architecture Mixture-of-Experts (MoE), avec 295 milliards de paramètres totaux et 21 milliards de paramètres activés, prenant en charge une fenêtre de contexte de 256K. Mais ce qui est vraiment frappant, ce n'est pas la taille, mais le positionnement – Tencent présente Hy3 comme un modèle optimisé pour les agents d'IA du monde réel (assistants de codage et flux de travail de productivité en entreprise), plutôt que de rechercher l'hégémonie des benchmarks.

Cette distinction reflète un changement plus large dans le domaine de l'IA en Chine. Dans un contexte où les limitations matérielles continuent d'affecter le développement national, les entreprises chinoises privilégient de plus en plus l'efficacité du déploiement et la commercialisation plutôt que la taille brute du modèle. La question est de savoir si cette stratégie axée sur le produit peut combler l'écart de capacité avec les modèles de pointe occidentaux.

Impact sur le marché : Performances solides dans les tâches d'agent, mais écart persistant en codage

Les évaluations indépendantes montrent des résultats mitigés. En matière de recherche d'agent et d'orchestration d'outils, Hy3 est performant – selon l'évaluation de Flowtivity, un cabinet de conseil en IA indépendant, il obtient un score de 84,2 sur BrowseComp et de 79,1 sur l'ensemble public MCP-Atlas, en concurrence avec des modèles propriétaires comme Claude Opus 4.8 et GPT-5.5. Son taux d'hallucination de 5,4 % est nettement inférieur aux 54 % de Grok 4.5, et comparable aux modèles propriétaires de pointe.

Mais l'histoire est différente pour le codage. Sur SWE-bench Verified, Hy3 obtient 78 % – correct, mais en retard par rapport à GLM-5.2 (84,2 %), Claude Opus 4.8 et GPT-5.5. L'écart est plus important sur les benchmarks de codage plus difficiles : 71,7 sur Terminal-Bench 2.1 contre 81 pour GLM-5.2, et 28,0 sur DeepSWE contre 46,2 pour GLM-5.2.

Cela est logique du point de vue de l'architecture. GLM-5.2 est un MoE de 744 milliards de paramètres, avec environ 40 milliards de paramètres activés – soit presque le double du calcul activé par token de Hy3. Comme l'a souligné un cabinet d'analyse indépendant : « Pour un modèle avec seulement 21B de paramètres activés, ces résultats sont déjà excellents. »

Paysage concurrentiel : Différences entre la Chine et les États-Unis dans une stratégie de priorisation de l'efficacitéLa stratégie de Tencent n'est pas propre à la Chine. Dans la Silicon Valley, Anthropic a discrètement dépassé OpenAI en parts de marché sur les API d'entreprise (environ 32 % contre 25 % en 2026) en misant sur la fiabilité du codage et le raisonnement contextuel long, plutôt que sur la taille des modèles. Claude Code (l'agent de codage natif en terminal d'Anthropic) est devenu le principal moteur de croissance, avec un chiffre d'affaires annualisé rapporté de 2,5 milliards de dollars.

Les deux misent sur le fait que les clients entreprises se soucient davantage de l'achèvement des workflows, de la fiabilité et de la latence que des gains marginaux sur les benchmarks académiques. Les deux privilégient l'efficacité plutôt que la taille.

Cependant, Tencent possède un avantage écologique unique. Sa philosophie de « co-conception » (Co-Design) — où les modèles et les applications natives IA (comme WorkBuddy, Yuanbao, ima, Marvis, CodeBuddy) itèrent conjointement — permet à chaque workflow de générer des retours pour affiner les capacités du modèle. L'entreprise rapporte que le taux de réussite des tâches internes de WorkBuddy est passé de 72 % à 90 %, avec une réduction du temps d'exécution moyen de 34 % ; le taux d'hallucination de Yuanbao dans les scénarios de longs documents et de recherche IA a été réduit de plus de moitié.

Enseignements pour les entreprises : le logiciel remodèle l'IA, pas seulement l'héberge

Le lancement de Hy3 met en évidence un changement structurel dans la manière de déployer l'IA. Les suites bureautiques passent de gestionnaires de documents à des moteurs d'exécution. WorkBuddy prend déjà en charge la génération automatisée de scripts et l'orchestration de workflows. À mesure que ces produits mûrissent, le logiciel façonne l'intelligence derrière — non seulement en hébergeant l'IA, mais en l'entraînant activement.

Cette dynamique pourrait devenir le fossé le plus solide de Tencent. Contrairement aux fournisseurs de modèles indépendants, Tencent peut valider les améliorations via des millions de tâches commerciales réelles dans son écosystème, avant que les développeurs externes n'y aient accès.

Pour les décideurs d'entreprise, le faible prix de Hy3 (environ 0,18 $ par million de tokens d'entrée et 0,59 $ par million de tokens de sortie via Tencent Cloud) et sa variante quantifiée FP8 (pouvant fonctionner sur un seul nœud 8x H200, moins de 300 Go) le rendent viable pour un déploiement autonome, en particulier pour les entreprises soucieuses de la souveraineté des données.

Perspectives : le gouffre des capacités peut-il être comblé ?

Hy3 n'est pas une simple mise à jour de modèle. C'est un test de savoir si la stratégie d'intégration produit-IA de la Chine peut réussir face aux contraintes matérielles et aux écarts de benchmarks.

À court terme (12 mois), Tencent utilisera sa boucle de rétroaction de données écologiques pour améliorer continuellement les capacités des agents, et Hy3 pourrait pénétrer rapidement des scénarios comme le travail en entreprise, le service client et le marketing. À moyen terme (24 mois), si les problèmes de « sous-utilisation des experts » et d'équilibrage de charge de l'architecture MoE sont résolus, Hy3 pourrait prendre la tête en matière d'efficacité des coûts. À long terme (3 ans), les trajectoires de l'IA entre la Chine et les États-Unis pourraient diverger : l'une poursuit des modèles universels à très grande échelle, l'autre un écosystème d'agents efficaces verticalement intégrés.Le pari de Tencent est que son vaste écosystème logiciel résoudra le problème d'utilisation. Les demandes de workflow, les données de conversation, les services comme WeChat et les jeux généreront des modèles d'interaction diversifiés. L'entreprise affirme que depuis la sortie de la version preview, la consommation quotidienne de tokens de Hy3 a été multipliée par 20, et le nombre d'utilisateurs ayant activement choisi Hy3 dans WorkBuddy a été multiplié par 6.

Ce cycle de rétroaction pourra-t-il combler l'écart de capacité – plutôt que de simplement rendre un modèle efficace encore plus efficace – déterminera si Hy3 deviendra une alternative compétitive ou simplement une solution locale bien intégrée.