Alibaba affirme que sa famille de modèles Qwen a franchi le cap des 3 milliards de téléchargements, devant les écosystèmes ouverts de Meta et Google. Derrière ce chiffre spectaculaire, les données de Hugging Face racontent toutefois une histoire légèrement différente : Qwen domine bien l’écosystème open-weight, mais les métriques publiques disponibles sont sensiblement inférieures aux chiffres avancés par Alibaba.
Qwen franchit les 3 milliards de téléchargements, selon Alibaba
Alibaba vient de revendiquer un nouveau cap symbolique pour sa stratégie d’intelligence artificielle. Selon le groupe chinois, les différents modèles de la famille Qwen ont désormais dépassé 3 milliards de téléchargements dans le monde, ce qui en ferait la famille de modèles open-weight la plus largement utilisée.
Le chiffre place théoriquement Alibaba devant des acteurs comme Meta ou Google dans cette catégorie.
3000000000 downloads! Can you count the zeros at a glance? 😎 Thank you all for the incredible love. Let’s keep growing together! 🌱 https://t.co/KoXx6bMhQ4
— Qwen (@Alibaba_Qwen) August 16, 2026
Plus impressionnante encore, l’entreprise affirme que l’écosystème Qwen aurait donné naissance à plus de 300 000 modèles dérivés, créés à partir de ses architectures par des développeurs, chercheurs et entreprises. Ces nombres illustrent une tendance devenue difficile à ignorer : les laboratoires chinois ne se contentent plus de rattraper les acteurs américains sur les benchmarks.
Ils commencent aussi à prendre une place centrale dans l’infrastructure utilisée quotidiennement par les développeurs.
Mais, les chiffres méritent d’être examinés avec davantage de précision.
Hugging Face compte plutôt 2,06 milliards de téléchargements
Un jour avant l’annonce d’Alibaba, Hugging Face publiait son rapport State of Open Models : Summer 2026, consacré à l’évolution des modèles ouverts entre janvier et août. Ses données donnent une image légèrement différente.
Hugging Face comptabilise environ 2,045 milliards de téléchargements Qwen en 2026 pour les dépôts dont le nombre de paramètres est déclaré. En incluant l’ensemble des repositories Qwen, le total atteint environ 2,061 milliards. Nous sommes donc très loin d’un échec : deux milliards de téléchargements constituent un niveau d’adoption colossal.
Mais, cela reste environ un milliard en dessous du chiffre communiqué par Alibaba.
Cette différence ne remet pas réellement en cause le leadership de Qwen. Elle rappelle simplement qu’un chiffre de téléchargement dépend énormément de la manière dont il est comptabilisé.
Les deux chiffres ne mesurent probablement pas exactement la même chose
Alibaba n’a pas nécessairement inventé le milliard manquant. Hugging Face lui-même précise que ses statistiques ne couvrent que son propre écosystème. Elles n’incluent pas nécessairement les téléchargements réalisés depuis d’autres plateformes, les déploiements privés, les API ou les infrastructures internes des entreprises. Et, Alibaba possède justement son propre écosystème de distribution avec ModelScope, très utilisé en Chine.
Qwen est également disponible via différents clouds, dépôts et outils permettant de télécharger ou déployer ses modèles sans passer par Hugging Face.
Le chiffre des 3 milliards pourrait donc agréger plusieurs canaux. Le problème est surtout méthodologique : sans détail complet sur la manière dont Alibaba construit ce total, il est impossible de le comparer directement au compteur de Hugging Face. Autrement dit, 3 milliards est un chiffre d’Alibaba, tandis que 2,061 milliards est une mesure vérifiable à l’intérieur du Hub Hugging Face.
Les deux peuvent théoriquement être vrais simultanément.
Même divergence autour des 300 000 modèles dérivés
Le même phénomène apparaît lorsqu’on examine les modèles construits à partir de Qwen. Alibaba affirme que plus de 300 000 modèles dérivés ont été créés autour de sa famille. Hugging Face en compte précisément 151 448 sur son Hub.
L’écart est presque du simple au double. Mais là encore, la statistique publique reste extrêmement favorable à Alibaba. Les dérivés Qwen présents sur Hugging Face représentent 2,6 fois l’ensemble de l’empreinte de Meta et environ 4,7 fois les repositories directement dérivés de Llama. Google arrive derrière avec un peu plus de 82 000 modèles dérivés.
Même en utilisant uniquement les chiffres indépendants de Hugging Face, Qwen se trouve donc dans une position exceptionnelle.
Le véritable succès de Qwen n’est peut-être pas son nombre de téléchargements
Le chiffre le plus intéressant n’est finalement pas 3 milliards. C’est 151 448. Un téléchargement peut être automatisé. Un modèle peut être téléchargé plusieurs fois dans le cadre d’un pipeline, d’un test ou d’un déploiement continu. Hugging Face rappelle d’ailleurs qu’une poignée de modèles relativement anciens génèrent une part gigantesque du trafic parce qu’ils sont intégrés dans des processus automatisés.
La création d’un modèle dérivé indique quelque chose de différent. Elle signifie qu’un développeur a décidé d’utiliser Qwen comme fondation pour construire son propre modèle. Fine-tuning, quantification, adaptation à une langue, spécialisation métier ou optimisation matérielle : chaque dérivé représente une nouvelle branche de l’écosystème.
Et sur ce terrain, Qwen domine très largement.
Qwen est devenu une sorte de plateforme
C’est précisément la conclusion du rapport Hugging Face. Qwen ne doit plus seulement être considéré comme une collection de Large Language Model (LLM) publiés par Alibaba. Il est progressivement devenu une base technique sur laquelle d’autres développeurs construisent leurs propres systèmes.
Hugging Face observe entre 180 et 210 nouveaux repositories dérivés de Qwen créés chaque jour pendant les sept premiers mois de 2026. Cette dynamique crée un cercle vertueux. Plus Qwen est utilisé, plus des versions optimisées apparaissent. Plus ces versions existent, plus il devient facile pour de nouveaux utilisateurs d’adopter l’écosystème. À terme, le meilleur modèle n’est donc pas nécessairement celui qui remporte le plus de benchmarks.
C’est celui qu’un développeur trouve déjà adapté à son matériel, sa langue et son cas d’usage.
Alibaba a compris l’importance de couvrir toute la gamme
La stratégie de Qwen diffère aussi de celle de nombreux concurrents chinois. Certains laboratoires concentrent leurs efforts presque exclusivement sur des modèles gigantesques destinés à rivaliser avec les meilleures solutions propriétaires.
Alibaba adopte une approche beaucoup plus large. La famille Qwen couvre des modèles extrêmement compacts pouvant fonctionner localement jusqu’aux architectures de plusieurs centaines de milliards, voire de milliers de milliards de paramètres.
Cette diversité est essentielle. Un développeur peut utiliser un petit Qwen sur un ordinateur portable, puis rester dans le même écosystème lorsqu’il passe à une infrastructure serveur beaucoup plus puissante. Hugging Face décrit cette stratégie comme une volonté de devenir la famille sur laquelle les développeurs standardisent leurs workflows.
C’est probablement l’un des facteurs majeurs du succès actuel.
L’open-weight devient une bataille d’écosystèmes
La compétition ne consiste donc plus seulement à publier le modèle le plus intelligent. Elle ressemble progressivement à une bataille de plateformes. Meta avait utilisé exactement cette stratégie avec Llama. En proposant des poids accessibles et un large choix de modèles, l’entreprise avait réussi à devenir pendant plusieurs années l’une des références naturelles de l’écosystème ouvert.
Qwen semble aujourd’hui reprendre ce rôle. Les développeurs créent des versions quantifiées, spécialisées, traduites ou adaptées à différentes architectures matérielles. Ces versions génèrent ensuite leurs propres communautés. Le laboratoire à l’origine du modèle bénéficie alors d’une forme d’effet réseau très similaire à celui d’une plateforme logicielle.
Changer de famille devient plus coûteux à mesure que les outils, les connaissances et les modèles dérivés s’accumulent.
Les petits modèles représentent encore l’essentiel des usages réels
Le rapport Hugging Face apporte d’ailleurs une nuance fascinante à la course permanente aux modèles géants. Les modèles de moins d’un milliard de paramètres représentent une part disproportionnée des téléchargements historiques. À l’inverse, les modèles dépassant 100 milliards de paramètres ne constituent qu’une fraction minuscule du volume total.
La raison est simple. Les modèles gigantesques impressionnent dans les benchmarks. Les petits modèles, eux, peuvent réellement être exécutés sur le matériel dont disposent la majorité des développeurs. C’est exactement là que la stratégie de Qwen devient puissante.
Alibaba ne publie pas uniquement des vitrines technologiques, il alimente aussi les catégories de modèles que les utilisateurs peuvent faire fonctionner localement.
Qwen domine aussi fortement les formats dédiés au local
Cette tendance apparaît particulièrement clairement avec le format GGUF, très populaire pour exécuter des modèles quantifiés avec des outils comme llama.cpp. Les versions basées sur Qwen génèrent près de 40 millions de téléchargements GGUF par mois sur Hugging Face. C’est presque deux fois plus que l’écosystème Gemma de Google et plus de cinq fois le trafic observé autour de Llama dans cette catégorie.
Cette statistique est particulièrement révélatrice. Elle ne mesure pas seulement l’intérêt suscité par une annonce, elle montre que Qwen est effectivement utilisé comme infrastructure de calcul local.
Pour Alibaba, c’est probablement beaucoup plus précieux qu’une première place temporaire dans un classement de benchmarks.
Les États-Unis commencent à réagir
La domination chinoise dans l’open-weight n’est évidemment pas passée inaperçue. Meta a récemment réaffirmé son intérêt pour les modèles ouverts, tandis que Nvidia multiplie également les publications autour de sa famille Nemotron. Le fabricant de GPU possède d’ailleurs une motivation évidente. Un modèle ouvert optimisé pour une plateforme matérielle peut devenir un excellent moyen de vendre cette même plateforme. Nvidia peut donc utiliser ses modèles comme une démonstration grandeur nature de ses GPU et de son infrastructure.
La stratégie rejoint celle observée chez Alibaba : donner accès aux poids n’implique pas nécessairement de renoncer à toute monétisation. La valeur peut simplement être déplacée ailleurs.
Open-weight ne signifie pas absence de business model
C’est l’une des idées importantes derrière la stratégie Qwen. Alibaba peut proposer de nombreux modèles avec des licences relativement permissives tout en générant des revenus grâce à son cloud, ses API et ses infrastructures. Plus Qwen devient populaire, plus Alibaba peut attirer des entreprises vers ses services. Le modèle devient alors une porte d’entrée.
Cette logique est particulièrement puissante dans les régions où Alibaba Cloud cherche à se développer, notamment en Asie du Sud-Est, au Moyen-Orient ou en Afrique.
La gratuité des poids peut donc servir une stratégie commerciale extrêmement ambitieuse. Le véritable produit n’est pas nécessairement le modèle lui-même, c’est l’écosystème qui l’entoure.
Mais, l’ouverture commence déjà à rencontrer ses propres limites
L’industrie entre également dans une phase où les grands modèles ouverts deviennent suffisamment précieux pour que leurs créateurs cherchent de nouvelles formes de monétisation. Certaines licences commencent à inclure davantage de restrictions pour les très grands utilisateurs commerciaux.
Le rapport Hugging Face constate d’ailleurs que les modèles chinois les plus récents ne suivent plus tous automatiquement le modèle extrêmement permissif des précédentes générations.
L’âge de l’open-weight totalement sans conditions pourrait donc évoluer. Les entreprises ont dépensé des milliards pour entraîner ces architectures à mesure que leurs modèles deviennent incontournables, elles cherchent logiquement à récupérer davantage de valeur.
La plus grande menace pour Qwen pourrait venir de Pékin
Un autre risque est beaucoup plus politique. Les autorités chinoises étudient actuellement la possibilité de restreindre l’accès international aux modèles d’IA les plus avancés développés dans le pays. Des discussions auraient notamment concerné Alibaba, ByteDance et Z.ai. L’objectif serait de traiter certains modèles de pointe comme des technologies stratégiques pouvant être soumises à des contrôles similaires à ceux utilisés pour d’autres technologies sensibles.
Aucune politique définitive n’a encore été annoncée. Mais si Pékin limitait réellement le téléchargement international des meilleurs modèles chinois, cela pourrait profondément modifier la dynamique actuelle.
Une restriction pourrait casser exactement ce qui fait la force de Qwen
Ce serait un paradoxe majeur. Qwen est devenu puissant précisément parce qu’il est disponible partout. Un étudiant peut le télécharger, une startup peut le modifier, une entreprise peut l’intégrer et une communauté peut créer une version adaptée à du matériel grand public. C’est cette disponibilité qui génère les centaines de milliers de dérivés et les milliards de téléchargements.
Restreindre l’accès aux futures générations les plus performantes pourrait donc affaiblir l’effet réseau qu’Alibaba a mis plusieurs années à construire. Les modèles américains auraient alors une occasion idéale de reconquérir les développeurs.
Dans la bataille de l’open-weight, l’ouverture elle-même est devenue un avantage stratégique.
Le chiffre de 3 milliards compte moins que la tendance
Il est donc utile de garder deux idées simultanément. Oui, le chiffre de 3 milliards revendiqué par Alibaba doit être traité avec prudence, puisqu’il dépasse sensiblement les données directement observables sur Hugging Face et que sa méthodologie complète n’est pas publique. Mais non, cette divergence ne change pas réellement la tendance fondamentale. Les données indépendantes sont déjà suffisamment impressionnantes.
Plus de 2 milliards de téléchargements sur Hugging Face en 2026,151 448 modèles dérivés et près de 40 millions de téléchargements GGUF par mois, avec un écosystème largement supérieur à celui de Meta sur plusieurs indicateurs.
Qwen n’a pas besoin du chiffre le plus spectaculaire pour démontrer son succès.
La Chine est en train de redéfinir la course à l’IA ouverte
Pendant plusieurs années, l’industrie de l’intelligence artificielle semblait organisée autour d’un schéma relativement simple. Les laboratoires américains dominaient les modèles de pointe. La Chine cherchait à combler l’écart.
En 2026, cette lecture devient beaucoup moins pertinente. Sur le terrain de l’open-weight, les laboratoires chinois construisent désormais une partie de l’infrastructure utilisée par les développeurs du monde entier. Alibaba possède avec Qwen l’exemple le plus spectaculaire de cette transformation. Le véritable indicateur à surveiller n’est donc peut-être plus le nombre exact de milliards de téléchargements.
C’est le moment où un développeur démarre un nouveau projet et choisit naturellement Qwen avant même d’étudier les alternatives. À ce stade, un modèle n’est plus simplement populaire : il devient un standard de fait.
