👉 Le 22 septembre 2025, le géant chinois Alibaba a présenté Qwen3-Omni, son nouveau modèle d’IA. Et attention, ce n’est pas juste “un GPT de plus” : c’est une IA entièrement multimodale.
Multimodal, ça veut dire quoi ?
C’est simple : aujourd’hui la plupart des IA savent gérer un seul type d’entrée à la fois. Exemple : ChatGPT = texte, MidJourney = image.
Une IA multimodale, elle, comprend plusieurs types de données en même temps : texte, image, audio, vidéo. Et Qwen3-Omni fait tout ça dans un seul modèle, pas en bricolant des modules séparés.
🎛️ Caractéristiques marquantes
- Entrées acceptées : texte 📄, image 🖼️, audio 🎙️, vidéo 🎬
- Sorties possibles : texte ✍️ ou voix parlée 🔊 (mode streaming, très fluide)
- Architecture “Thinker-Talker” : le modèle sépare le cerveau (raisonnement) et la voix (synthèse ultra-rapide). Ça réduit la latence → pratique pour les assistants vocaux.
- Taille : 3 variantes, chacune autour de 30 milliards de paramètres (c’est massif, mais encore gérable sur de gros serveurs cloud).
- Licence : open source Apache 2.0 → utilisable gratuitement, même en entreprise et à but commercial.
- Performance : meilleur modèle open source sur 32 benchmarks audio/visuels et record mondial sur 22 d’entre eux (oui, même face à Gemini 2.5 Pro de Google ou GPT-4o d’OpenAI !).
💡 Cas d’usage concrets pour PME / ETI
- Support client nouvelle génération :
Un client envoie une photo d’un produit cassé + un message vocal → l’IA analyse, comprend et répond directement en vocal ou par écrit. - Compte rendu automatique de réunion :
Vous uploadez la vidéo Zoom + vos slides → Qwen3-Omni sort un résumé structuré avec points d’action. - Contrôle qualité dans l’industrie :
Une caméra filme une pièce, un micro capte un bruit suspect → l’IA identifie si le problème est visuel (pièce rayée) ou sonore (vibration anormale). - Formation immersive :
Un apprenant regarde une vidéo + pose une question vocale → l’IA répond directement dans la vidéo ou par audio.
✅ Atouts / ⚠️ Limites
Les plus :
- Un seul modèle qui fait tout → plus besoin de jongler avec 4 IA différentes
- Open source → pas de coûts de licence, intégration libre
- Performances de haut niveau, rivalise avec les leaders américains
Les défis :
- Pas encore de génération vidéo → on peut lui montrer une vidéo, mais il ne crée pas de vidéo de zéro
- Gros besoins en calcul → pas facile à héberger soi-même pour une PME, mieux vaut passer par le cloud
- Modèle très récent → les tests réels manquent encore
🏁 Conclusion
Alibaba marque un point avec Qwen3-Omni : une IA qui rapproche la vision “à la Iron Man” — parler, montrer une image, partager une vidéo, et avoir une réponse fluide en direct.
C’est un pas vers des assistants vraiment intelligents et utiles en entreprise, capables de comprendre le monde comme nous : avec nos yeux, nos oreilles et nos mots.
👉 PME, ne fuyez pas : ce n’est pas (encore) réservé aux labos chinois ou aux GAFA. Grâce à l’open source, ces briques peuvent être adaptées à vos besoins concrets.
🔗 En savoir plus
- Rapport technique arXiv
- Blog officiel Qwen (Alibaba)
- Page Hugging Face Qwen3-Omni-30B
- Article VentureBeat
