Ant Group ouvre son modèle pour agents IA, sans dire comment il y gagne

Le 28 octobre, Ant Group, le groupe chinois derrière Alipay, a ouvert au public Ling-3.1-flash-1019. Ce modèle d’IA est pensé pour des agents personnels : des assistants qui poursuivent un objectif au lieu de répondre à une simple question. Il est annoncé comme plus performant que la version précédente. Reste à comprendre ce que le groupe y gagne et ce qu’un indépendant ou une PME francophone peut en faire sans se brûler.

Ce qu’Ant a publié le 28 octobre

Selon QbitAI, Bailing (百灵), la famille de grands modèles d’Ant Group, a ouvert Ling-3.1-flash-1019. C’est une version retravaillée de Ling-3.1-flash. Ant a publié en même temps Ling-3.1-flash-base, le modèle de base sur lequel s’appuie l’entraînement ultérieur.

La cible est le « Personal Agent », un assistant qui travaille dans la durée sur un objectif. QbitAI relie cette sortie à Lingguang 2.0, l’application d’Ant, devenue le 27 octobre un « assistant personnel qui gère les affaires ». D’après le média, elle s’appuie sur une mémoire entre les conversations, une planification des tâches longues et un hôte cloud indépendant. Les tâches continuent même quand l’utilisateur quitte la discussion, dans le périmètre qu’il a autorisé.

Les exemples donnés restent très concrets. Pour un voyage, l’agent suit la météo, les réservations et les préparatifs. Pour les achats du « Double 11 », la grande fête de la consommation chinoise, il trie les produits selon le budget et prévient quand un prix passe sous le seuil fixé.

Un modèle de vision, Ling-3.1-flash-VL, tourne déjà dans Lingguang. Selon la source, il sera publié plus tard.

Les chiffres annoncés, et ce qui reste à vérifier

Selon QbitAI, le modèle de base repose sur une architecture MoE (« mélange d’experts ») hybride et linéaire. Il compte environ 560 milliards de paramètres au total, dont environ 25 milliards activés pour chaque token. Autrement dit, seule une fraction du réseau travaille à chaque étape, ce qui limite le coût de calcul.

Le modèle de base est distribué en poids BF16 sous licence MIT, très permissive. Les développeurs peuvent le prolonger par un nouvel entraînement ou l’adapter à leur domaine. Sur 47 tests répartis en 8 domaines, le média indique qu’il passe devant DeepSeek-V4-Pro-Base et MiMo-V2.5-Pro-Base sur 32 d’entre eux.

Pour la version 1019, les chiffres rapportés sont les suivants :

• 44 points à l’Artificial Analysis Intelligence Index v4.3.2, soit 3 de plus que la version précédente ;
• AA-Briefcase, une évaluation de travail intellectuel complexe : d’environ 1 400 à 1 524 points Elo ;
• GDPval-AA : d’environ 1 618 à 1 644 points Elo ;
• AutomationBench-AA, pour l’automatisation de processus : de 62 % à 68 % ;
• CritPt : de 18 % à 26 %, et SciCode : de 54 % à 57 %.

Ces résultats appellent de la prudence. L’article ne précise pas qui a réalisé les mesures, ni si elles ont été vérifiées de façon indépendante. Les progrès sont mesurés par rapport à la version précédente du même modèle : le texte ne place pas ce 44 face aux modèles américains. Enfin, la licence MIT est citée pour le modèle de base. L’article ne précise pas celle de Ling-3.1-flash-1019 : la fiche officielle du modèle devra la confirmer avant tout usage commercial.

Pourquoi donner ce que d’autres font payer ?

Ant ne dit pas comment cette ouverture lui rapporte de l’argent. La source donne seulement la ligne officielle. Bailing veut une boucle entre modèle et usages, « de la vraie tâche à la vraie application », et compte explorer d’autres usages « avec les développeurs » grâce à l’open source.

Le modèle a d’ailleurs été aligné à partir des retours d’applications maison, dont Lingguang et une version médicale de l’assistant A Fu. Plus tôt, le groupe avait décliné la génération précédente en modèles financier (Ling-3.0-flash-Fin) et médical (Ling-3.0-flash-Sante).

Plusieurs hypothèses, qui n’engagent que nous, se tiennent. L’ouverture donne de la visibilité auprès des développeurs. Elle fait tester le modèle gratuitement à grande échelle. Elle peut aussi mettre la pression sur des assistants concurrents vendus sur abonnement. Ant garde par ailleurs la main sur ce qui fait l’intégration : l’application, la mémoire, l’hôte cloud. Les poids ouverts ne sont pas le produit complet.

Il faut aussi relativiser le mot « ouvert ». La source mentionne les poids et la licence. Elle ne dit rien des données d’entraînement ni de la recette complète.

Ce qu’une PME ou un indépendant peut en faire

Premier obstacle : la taille. Un calcul simple, à partir des chiffres annoncés, donne 560 milliards de paramètres à 2 octets chacun, soit environ 1,1 téraoctet de mémoire rien que pour les poids du modèle de base. Les 25 milliards de paramètres actifs allègent le calcul, pas la mémoire. Ce modèle ne tournera donc pas sur un portable de bureau.

Restent trois pistes : le louer chez un hébergeur de confiance, attendre des versions allégées par la communauté, ou regarder les déclinaisons plus ciblées d’Ant. Cette dernière piste est limitée : Ling-3.0-flash-Fin et Ling-3.0-flash-Sante comptent 124 milliards de paramètres au total. À titre indicatif, cela représente encore environ 250 Go en BF16, soit bien plus qu’un poste de travail ordinaire.

L’intérêt reste réel. Un modèle sur une infrastructure que vous choisissez, en Europe, vous donne la main sur vos données. C’est très différent d’une application ou d’une API hébergée ailleurs, où la question du RGPD se pose d’emblée.

Quant aux usages, la source nomme des catégories : travail intellectuel complexe, automatisation de processus, résolution de problèmes scientifiques. Elle ne décrit pas de cas d’entreprise. On peut imaginer de l’aide au suivi de dossiers ou à la préparation de documents, mais ce n’est qu’une hypothèse de notre part. Rien n’indique non plus que le modèle gère aussi bien le français administratif, les factures belges ou la TVA suisse.

Les précautions avant d’installer un agent

Un agent, c’est un modèle plus des outils plus des droits d’accès. Le risque vient moins des poids que de ce qu’on branche dessus. Un fichier de modèle n’émet rien tout seul. Mais le logiciel qui l’exécute et les outils de l’agent (navigation web, courriel, fichiers) envoient des requêtes. Rien dans la source n’évoque un comportement réseau problématique : c’est une précaution générale, valable pour tout modèle installé en local.

Quelques réflexes concrets :

• télécharger uniquement depuis le dépôt officiel et contrôler les empreintes des fichiers ;
• exécuter l’agent dans un conteneur ou une machine isolée, d’abord sans accès au réseau ;
• journaliser les connexions sortantes, puis n’autoriser que celles dont l’agent a besoin ;
• lui donner des comptes à droits minimaux, sans accès aux moyens de paiement ni aux données clients au départ.

Le test le plus utile reste le plus simple. Soumettez dix tâches réelles de votre semaine à ce modèle et à l’outil que vous utilisez aujourd’hui, puis comparez les résultats et les coûts. Les scores cités mesurent des tâches choisies par les évaluateurs, pas les vôtres. Tiendront-ils face à vos documents, dans votre langue ? Seul un essai encadré le dira.

Sources

• Personal Agent走向真实任务，蚂蚁百灵开源 Ling-3.1-flash-1019 – 量子位