La « bataille de débarquement » de l'IA de Tencent
TechFlow SélectionTechFlow Sélection
La « bataille de débarquement » de l'IA de Tencent
De la « création de modèles » à leur « utilisation efficace », Tencent veut être la paire de mains qui concrétise l'IA.
Dédié à des analyses Web3 approfondiesAuteur : Lian Ran
Au cours de la dernière année, marquée par une évolution fulgurante du secteur de l’IA, les « grands modèles » sont presque devenus le cœur de toutes les discussions. Des performances en termes de taille des paramètres et de vitesse d'inférence à leurs capacités multimodales, les indicateurs techniques se succèdent sans cesse. Pourtant, avec un regard plus lucide, la véritable compétition autour des grands modèles a depuis longtemps dépassé la simple question de savoir « quel modèle est le plus grand ou le plus puissant ». En 2025, ce qui détermine la victoire, c’est la capacité à construire durablement des fonctionnalités utiles, à comprendre réellement les scénarios complexes des utilisateurs, et surtout à transformer ces fonctionnalités en produits « faciles à utiliser ».
Lorsqu’on parle de « conception de produits » dans l’industrie internet, beaucoup pensent immédiatement à Tencent. Mais durant cette vague des grands modèles d’IA, Tencent est resté extrêmement « discret » pendant longtemps. Certains n’ont même découvert que le Hunyuan de Tencent faisait désormais partie du premier peloton mondial qu’en assistant au Google I/O Developer Conference. En mai dernier, lors de cet événement, Sundar Pichai, PDG de Google, a cité le classement Chatbot Arena, révélant incidemment le modèle Hunyuan de Tencent : 7e position mondiale, 2e en Chine, juste derrière DeepSeek.
Le moment de révélation de l’IA de Tencent remonte au début de cette année. Après le succès retentissant de DeepSeek, Tencent a surpris tout le monde en s’y connectant rapidement et très visiblement. Son application native IA « Yuanbao », quant à elle, a connu des itérations fréquentes à raison d’une mise à jour quotidienne, et son nombre d’utilisateurs actifs quotidiens (DAU) a grimpé en flèche en deux ou trois mois pour atteindre l’un des niveaux les plus élevés en Chine, bien loin de sa précédente posture « détendue ». Quelle stratégie globale Tencent met-il donc en œuvre à travers cette alternance entre rapidité et lenteur ?
Le 21 mai, au sommet sur les applications industrielles de l’IA de Tencent Cloud, Tang Daosheng, vice-président exécutif senior du groupe Tencent et PDG de l’unité Cloud & Smart Industries, a résumé ainsi la direction prise par Tencent dans le développement de l’IA : « Rendre l’IA accessible à tous, et ses bénéfices à portée de main. » Derrière cette phrase se cache une philosophie globale de Tencent dans le domaine de l’IA : ne pas s’acharner à être le premier à annoncer l’AGI, ni chercher à créer des buzzwords ou de nouveaux concepts, mais plutôt à bâtir un système complet, en évolution constante, offrant une expérience solide.
Le cœur de ce système ne repose pas sur la performance isolée d’un seul indicateur, mais sur l’évolution conjointe du modèle et du produit. Tencent n’ignore pas l’importance des modèles ; au contraire, il insiste continuellement sur le fait que le modèle constitue la base fondamentale de toute capacité IA. Dès avril de cette année, Tencent a officiellement créé un « département des grands modèles linguistiques » et un « département des modèles multimodaux », renforçant systématiquement ses capacités internes de développement de modèles. Cela reflète également la logique du « petit pas rapide, itération continue », une approche pragmatique et de long terme adoptée par Tencent dans les technologies de base.
L’avantage de Tencent ne se limite pas aux modèles eux-mêmes, mais réside dans sa capacité à faire mûrir durablement les compétences technologiques, afin de les concrétiser en outils réellement utilisables par les utilisateurs et capables de générer de la valeur continue. Cela traduit une patience technique, mais aussi un réalisme orienté produit.
01 La clé de la stratégie IA de Tencent : ne pas courir après le « plus grand », mais créer le « plus utile »
Avant l’apparition soudaine de DeepSeek R1, la stratégie dominante des grandes entreprises chinoises consistait à développer des modèles de grande taille, avec un grand nombre de paramètres, et à construire un « écosystème IA fermé » — intégrant modèles, outils et cas d’usage dans une chaîne complète et autonome.
Face à cela, la stratégie de Tencent apparaît plus pragmatique : plutôt que de participer à une course effrénée aux paramètres, Tencent concentre ses efforts sur la transformation des capacités des grands modèles en formes de produits accessibles, exploitables et durables. Que ce soit la percée spectaculaire de Yuanbao au début de l’année ou l’annonce récente selon laquelle « toutes les activités de Tencent embrassent pleinement l’IA », on perçoit clairement la détermination de Tencent à maîtriser le produit. Aujourd’hui, concevoir des produits IA « faciles à utiliser » devient progressivement un consensus pour tout le secteur.
Pour Tang Daosheng, ce changement découle de l’impact « historique » de DeepSeek sur l’industrie, une transition allant de la « quantité » à la « qualité » : « Les utilisateurs ressentent concrètement que l’IA devient de plus en plus “utilisable” dans leur usage quotidien. L’IA franchit le seuil de l’intégration industrielle et se place désormais à un nouveau point tournant vers une adoption généralisée. »
Lors du récent sommet sur les applications industrielles de l’IA de Tencent Cloud, il a ajouté que l’IA générative doit passer de « utilisable » à « facile à utiliser ». Cette « transition » nécessite une nouvelle accélération à quatre niveaux : grands modèles, agents intelligents, bases de connaissances et infrastructures.
Tang Daosheng, vice-président exécutif senior du groupe Tencent et PDG de l’unité Cloud & Smart Industries – Crédit : Tencent Cloud
Plus précisément, l’optimisation continue des modèles améliore les performances et l’expérience interactive ; les agents intelligents peuvent, à partir du modèle, réfléchir, décider et exécuter des tâches de manière autonome ; les systèmes de bases de connaissances permettent de réduire les hallucinations et d’améliorer la compréhension du contexte, rendant le modèle « plus proche de l’entreprise, plus proche de l’utilisateur » ; quant à l’infrastructure sous-jacente, son itération constante réduit fortement les coûts d’entraînement et d’inférence, tout en augmentant la rapidité de réponse du système. Cette architecture de Tencent reflète une accumulation continue de la compréhension de la « praticabilité » dans les processus de productisation et de service.
Cette logique de « construire pour servir l’utilisation » se retrouve clairement dans l’évolution de la famille des modèles auto-développés Hunyuan. Depuis sa première sortie en 2023, Hunyuan n’a cessé d’évoluer, améliorant régulièrement ses capacités techniques : cette année, il a lancé successivement le modèle Turbo S (réflexion rapide) et le modèle T1 (réflexion profonde), tous deux atteignant des niveaux de référence leaders dans le secteur.
Au-delà des modèles linguistiques, Tencent renforce continuellement ses investissements dans les capacités multimodales, développant activement des modèles couvrant la génération d’images, vidéos et 3D, ainsi que la compréhension d’images, les modèles vocaux bout-en-bout, etc., afin de fournir un soutien IA complet à des scénarios commerciaux plus larges. Cette extension continue du système de capacités enrichit les modes d’interaction supportés par le modèle, tout en abaissant significativement le seuil d’utilisation pour les applications.
Outre le renforcement continu de son propre écosystème, Tencent maintient comme objectif prioritaire la « facilité d’emploi », intégrant activement des modèles externes de haute qualité afin d’obtenir une combinaison optimale. On peut déjà observer cette stratégie dans l’assistant IA généraliste « Yuanbao ». Ce dernier adopte une architecture double moteur combinant Hunyuan et DeepSeek, étant l’un des premiers produits grand public en Chine à intégrer DeepSeek. Cette architecture résulte d’un choix stratégique de fusion effectué par Tencent après comparaison de performances, adaptation aux scénarios et analyse des besoins utilisateurs.
Depuis son lancement, Yuanbao maintient une forte cadence d’itérations, intégrant progressivement des fonctions telles que fichiers WeChat, contenus des comptes officiels, saisie vocale et traitement de documents, tout en prenant en charge la recherche en ligne et la compréhension d’images. Ces améliorations, bien que superficiellement mineures, constituent en réalité les piliers fondamentaux de la stabilité et de la durabilité de l’expérience utilisateur. Selon les rapports financiers de Tencent, le DAU de Yuanbao a augmenté de plus de 20 fois en un mois depuis le 13 février.
Ce succès n’est pas celui d’un simple paramètre de modèle, mais bien la manifestation d’une capacité systémique orientée vers la livraison.
Tencent teste et valide continuellement l’efficacité de ce système dans divers scénarios internes : l’assistant IA de Tencent Meeting peut générer automatiquement des comptes-rendus et recommandations basés sur le contenu passé et en temps réel ; CodeBuddy, l’assistant de codage de Tencent Cloud, est utilisé par plus de 85 % des développeurs internes, améliorant nettement l’efficacité du développement, raccourcissant le temps global de codage de plus de 40 % ; l’assistant santé IA de Tencent Health peut automatiquement interpréter les rapports médicaux et proposer des recommandations personnalisées de suivi.
En somme, la stratégie IA de Tencent n’a jamais été simplement de créer un « cerveau ultra-intelligent », mais toujours de construire un « assistant réellement utile ».
02 Du « utilisable » au « facile à utiliser » : construire un ensemble complet de système IA livrable
Passer du « utilisable » au « facile à utiliser » ne repose pas sur une percée ponctuelle, mais sur l’accumulation globale d’un ensemble complet de technologies.
Tencent n’a pas cherché à définir les limites des capacités IA par la taille des paramètres, mais a mis en place de manière systématique, de l’architecture de base jusqu’à l’expérience finale, un chemin « livrable ». Derrière cela se trouve un ensemble hautement coordonné de capacités techniques : interaction multimodale, optimisation du raisonnement, renforcement des connaissances (RAG), support de données multiples, traitement haute concurrence, mécanismes de sécurité cloud, méthodes de développement agile, mécanismes de compréhension utilisateur, ainsi qu’un écosystème ouvert destiné aux partenaires.
Les contenus et données de haute qualité sont des éléments centraux de l’utilisabilité des grands modèles. Alors que les capacités des grands modèles tendent à se rapprocher, c’est là que se jouera à l’avenir la compétition autour de la qualité des produits IA — justement là où Tencent peut exercer pleinement ses avantages uniques.
Tencent dispose de vastes ressources en contenu : les articles des comptes officiels WeChat, Tencent News, WeRead pour le texte et les images ; WeChat Channels et Tencent Video pour la vidéo ; ou encore Tencent Medical Encyclopedia, une source fiable de vulgarisation médicale. Ces données peuvent servir de sources fiables aux modèles, aidant à produire des réponses de haute qualité. Yuanbao s’appuie précisément sur les contenus des comptes officiels WeChat et sur une puissante capacité de « recherche en ligne » pour garantir qualité et actualité des résultats. Selon le rapport SuperCLUE, parmi 10 plateformes ayant intégré DeepSeek-R1, Yuanbao obtient la meilleure performance en recherche en ligne, arrivant premier dans les trois indicateurs clés : note totale, capacité de recherche de base et capacité d’analyse et de raisonnement.
Cet écosystème de contenu de qualité attire fortement de nombreux fabricants de modèles, de contenus et de matériel en Chine. Par exemple, OPPO et Xiaomi intègrent dans les modules de questions-réponses musicales de leurs téléphones et enceintes intelligentes des modèles combinant des ressources comme QQ Music, répondant ainsi aux besoins musicaux des utilisateurs.
Les capacités multimodales, longtemps considérées comme indispensables pour atteindre l’AGI, sont aujourd’hui un facteur clé de différenciation dans la compétition produit. C’est aussi un champ stratégique crucial où Tencent, grâce à une préparation solide, entend affirmer sa suprématie.
Dès ses débuts avec les laboratoires Youtu et Tianlai, Tencent a accumulé de nombreuses technologies brevetées dans les domaines de l’image et de l’audiovisuel. Tencent Meeting, largement utilisé aujourd’hui, incarne la synthèse des technologies multimédias de Tencent. À l’ère de l’IA, Tencent renforce continuellement ses atouts en multimodalité. Le 21 mai, Tencent a annoncé plusieurs nouveautés multimodales : Hunyuan Image 2.0, premier à atteindre une génération d’images en temps réel de niveau commercial ; le modèle de raisonnement visuel profond T1-Vision, supportant plusieurs images en entrée et doté d’une chaîne de pensée nativement intégrée, permettant aisément de « réfléchir en regardant l’image » ; Hunyuan 3D, grâce à une architecture originale de type 3D creuse, réalise un bond générationnel en termes de contrôle et de génération d’ultra-haute définition ; le modèle vocal bout-en-bout Hunyuan Voice offre des appels vocaux à faible latence, avec une amélioration notable du caractère humain et de l’expression émotionnelle.
Tang Daosheng a souvent souligné l’importance du multimodal. Selon lui, le monde réel est un système complexe constitué d’informations multidimensionnelles. « À l’avenir, l’IA devra posséder la vue et l’ouïe comme l’humain, pour comprendre pleinement et de façon tridimensionnelle le monde. Au-delà du texte, elle devra transmettre des informations complètes et authentiques via le ton, les gestes, etc. »
Sous cet angle, développer des modèles multimodaux ne signifie pas seulement étendre les capacités techniques, mais bien reconstruire l’expérience. En intégrant dans un même modèle des entrées/sorties d’image, voix, vidéo et texte, l’utilisateur interagit avec l’IA de manière plus simple et obtient des résultats plus riches, abaissant ainsi fortement le seuil d’utilisation. Cette forme d’interaction fait de l’IA non plus un « jouet pour geeks », mais un outil véritablement accessible au grand public.
Un modèle doit non seulement être simple d’accès et interactif, mais surtout précis et fiable une fois déployé. Comme l’a dit Tang Daosheng, « ce dont les entreprises ont besoin, c’est qu’un problème spécifique soit résolu dans un scénario réel, plutôt que d’atteindre 80 % dans chacun de 100 scénarios différents. »
Pour rendre l’IA « plus fiable », la technologie RAG (recherche augmentée de génération) est largement considérée comme une voie efficace à court terme pour améliorer précision et compréhension contextuelle. Tencent figure parmi les premiers fournisseurs cloud à avoir proposé et adopté activement la combinaison « grand modèle + RAG ». S’appuyant sur ses années d’expérience en analyse de documents et en vectorisation, Tencent a construit une capacité structurée de renforcement des connaissances, permettant une fusion transparente entre les bases de connaissances privées des entreprises et les modèles généraux, réduisant efficacement les taux d’hallucination et approfondissant la compréhension métier. Cela fournit une base solide pour la création d’assistants IA personnalisés par les clients.
Cette capacité RAG de Tencent découle elle-même d’années d’accumulation technologique et de pratiques massives. Dès 2019, Tencent a appliqué la technologie de recherche de données vectorielles à plus de 40 scénarios internes comme Tencent Video, QQ Browser et QQ Music, traitant quotidiennement plus de 160 milliards de requêtes. Grâce à la recherche vectorielle, QQ Browser a réduit ses coûts de recherche de 37,9 %, tandis que QQ Music et Tencent Video ont vu une augmentation notable du temps moyen d’écoute et d’exposition effective par utilisateur.
Pour assurer une « expérience utilisateur fluide » en surface, les capacités d’infrastructure en arrière-plan constituent une barrière invisible déterminante pour le déploiement à grande échelle. Par exemple, l’entraînement et l’inférence des modèles IA imposent des exigences extrêmement élevées en matière d’allocation des ressources de calcul, d’efficacité du flux de données et de rapidité du système. Tencent a considérablement amélioré l’efficacité de l’entraînement et les performances d’inférence grâce à une infrastructure intégrée comprenant la plateforme TI de Tencent Cloud, les clusters HCC haute performance, le stockage rapide GooseFS et le réseau Xingmai, réduisant fortement la latence et les coûts.
Dès qu’un système IA entre dans des scénarios métiers réels, des questions comme la confidentialité des données, la gestion des autorisations et la traçabilité deviennent des risques fondamentaux pour les clients. Tencent utilise aussi son expérience accumulée dans la gestion de systèmes et la sécurité auprès de milliards d’utilisateurs pour construire un système complet de sécurité intégrant authentification, isolation des données, hiérarchisation des permissions et transmission chiffrée. Comparé à certains nouveaux acteurs focalisés uniquement sur la performance algorithmique, cette « expérience système issue d’activités anciennes » constitue une barrière fondamentale qui permet à l’IA de Tencent de s’imposer dans des scénarios industriels complexes.
Ainsi, la logique centrale du système de capacités IA de Tencent ne consiste pas simplement à rechercher le « meilleur » modèle, mais à rendre le modèle réellement « livrable ». Du passage des capacités techniques utilisables aux systèmes exploitables, puis à l’expérience produit agréable, Tencent pousse la transformation des avancées IA en outils universels. C’est pourquoi, lorsque DeepSeek est apparu, Tencent a pu figurer parmi les premières grandes entreprises à intégrer rapidement, déployer et exploiter de façon stable — non pas parce qu’il était le plus rapide, mais parce qu’il s’était préparé depuis longtemps pour « durer plus longtemps ».
03 Du usage interne à la co-construction : comment Tencent Cloud accompagne l’implémentation de l’IA chez les entreprises (B2B)
La stratégie de Tencent dans le domaine de l’IA n’est pas celle du « développement en vase clos », mais repose sur une consolidation des capacités dans ses propres scénarios, suivie d’une expansion progressive validée par la pratique. Ce qui soutient véritablement son entrée sur le marché B2B, ce n’est pas une percée ponctuelle d’un modèle, mais la construction d’un ensemble complet de système « livrable » : non seulement capable de « fabriquer l’IA », mais aussi de la « transformer en service » et de la livrer de façon stable et pratique aux clients.
Lors de ce sommet sur les applications IA de Tencent Cloud, la nouvelle version de la plateforme de développement d’agents intelligents et le produit de base de connaissances ont attiré l’attention des entreprises et des développeurs. L’apparition de ces outils abaisse considérablement le seuil de déploiement de l’IA et élargit sa portée.
Alors que l’ensemble du secteur s’intéresse vivement aux agents intelligents IA, la nouvelle version de la « plateforme de développement d’agents intelligents » de Tencent Cloud propose aux entreprises plusieurs modes et outils associés pour construire des agents, réalisant pour la première fois un transfert collaboratif entre plusieurs agents sans code, abaissant fortement la barrière d’entrée. La plateforme inclut également un ensemble complet d’outils Agent, prenant en charge le protocole MCP et compatible avec les définitions clés du SDK OpenAI Agents, permettant aux agents d’utiliser plus efficacement les outils et d’étendre leurs services.
La création d’une base de connaissances entreprise est aussi une configuration indispensable pour l’implémentation de l’IA. La base de connaissances d’entreprise AI de Tencent Leshare brise les barrières entre départements et niveaux hiérarchiques, gérant efficacité, date de mise à jour et permissions des connaissances, tout en permettant la collaboration et la co-création. Elle accélère non seulement la circulation des connaissances internes, mais permet aussi à l’IA de mieux gérer et exploiter les connaissances de l’entreprise pour produire des contenus de plus haute qualité.
Par ailleurs, la diffusion des applications de modèles entraîne un changement de demande en puissance de calcul : de l’entraînement vers l’inférence. L’optimisation des coûts d’inférence à grande échelle devient ainsi une compétitivité clé pour les fournisseurs cloud. Tencent Cloud améliore la vitesse de réponse, la latence et le rapport coût-performance des modèles en inférence grâce à une optimisation conjointe entre la couche IaaS et la couche outils.
Dans un discours récent, Tang Daosheng a mentionné spécifiquement le cas réussi d’Honor, auquel Tencent Cloud a permis un déploiement efficace de DeepSeek. Honor souhaitait intégrer le service DeepSeek-R1, mais avec de plus en plus de fonctionnalités IA dans les téléphones, les appels fréquents et simultanés aux grands modèles entraînaient une latence élevée, nuisant gravement à l’expérience utilisateur. Grâce à ses capacités d’accélération, Tencent Cloud a aidé Honor à déployer la version complète de DeepSeek-R1, augmentant l’efficacité de traitement jusqu’à 54 %, améliorant considérablement la vitesse d’inférence, rendant le modèle plus rapide, plus stable et la planification système plus fluide.
Les capacités B2B de Tencent ne se limitent pas au soutien infrastructurel, mais s’expriment aussi par une compréhension approfondie des secteurs et des scénarios.
Prenons l’exemple de l’industrie automobile : FAW Toyota a intégré la plateforme de développement d’agents intelligents de Tencent Cloud dans son système de service client, afin de résoudre de manière systématique le problème commun aux chatbots traditionnels : « mauvaise réponse, incomplétude, lenteur ». Jusqu’alors, les entreprises rencontraient souvent des difficultés techniques lors du déploiement de grands modèles, notamment l’accès difficile aux connaissances spécifiques et la production de contenus trop généraux, empêchant l’IA de s’implanter réellement. Tencent Cloud a aidé FAW Toyota à construire un système intégré de service client intelligent multicanal (site web, application, mini-programmes, comptes officiels), en s’appuyant sur son propre grand modèle combiné à RAG, ses capacités internes d’embedding de longs textes, et des composants comme OCR et multimodalité, intégrant pleinement les connaissances spécifiques du service client.
Conversation avec le robot de service client intelligent de FAW Toyota – Crédit : Tencent Cloud
Depuis le lancement du système en janvier, le taux de résolution autonome du service client intelligent est passé de 37 % à 84 %, répondant automatiquement à plus de 17 000 questions utilisateur par mois, soulageant efficacement la pression sur les agents humains et améliorant la satisfaction client. Plus important encore, FAW Toyota utilise également les outils de Tencent Cloud pour extraire des connaissances structurées à partir des historiques de conversations, enrichissant ainsi sa base de connaissances métier et posant les bases d’un fonctionnement stable à long terme du système.
En tant qu’entreprise automobile vendant près d’un million d’unités par an, avec des points de contact répartis dans tout le pays, cette mise à niveau de FAW Toyota n’est pas seulement une modernisation technique, mais marque symboliquement le passage de l’IA du stade expérimental à celui de la production. Avec des résultats tangibles, elle valide la « capacité de livraison » de l’IA de Tencent Cloud — chaque étape, de la fusion des modèles à l’intégration système, en passant par la gestion des connaissances et la boucle d’expérience, est mesurable, déployable et itérable, réalisant ainsi l’union entre valeur technologique et valeur métier.
Ce qui se dessine ici n’est pas une « application expérimentale » de l’IA dans un secteur, mais bien la transformation de l’IA par Tencent en une nouvelle forme de productivité « livrable, évolutif, coopératif », via une approche de plateformisation des outils, de structuration des connaissances et de naturalisation des interactions.
À l’heure où l’industrie IA entre progressivement dans une phase « utilitaire », certains acteurs auparavant populaires grâce à un « halo technologique » entrent désormais en phase de refroidissement, tandis que des entreprises comme Tencent, ayant longuement accumulé des compétences et des services systémiques, commencent à révéler leurs avantages structurels.
La capacité de Tencent à saisir rapidement l’opportunité offerte par DeepSeek et à étendre progressivement son marché B2B ne repose ni sur une rente de modèle ni sur une stratégie fortuite, mais sur une compréhension systémique de « comment bien utiliser, stabiliser et valoriser les modèles ».
Son approche ne dépend ni d’un « algorithme central » unique, ni d’un simple slogan stratégique. Ce qui porte aujourd’hui l’IA de Tencent, c’est une compréhension continue des besoins utilisateurs, un travail patient sur les capacités système, et un respect profond de la logique de mise en œuvre concrète.
C’est peut-être là la véritable rivière protectrice que Tencent construit durablement à l’ère de l’IA.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
