Junyang Lin, l’ancien responsable technique du projet Qwen d’Alibaba, a publié une critique détaillée de l’approche de pensée hybride qui alimentait la génération Qwen3 — et explique pourquoi il estime que la pensée agentique, et non des chaînes de raisonnement plus longues, est la bonne voie à suivre.
Lin a quitté son poste chez Alibaba en mars 2026 et opère désormais comme chercheur indépendant. Son analyse, présentée d’abord dans un exposé intitulé Qwen: Towards a Generalist Model / Agent et développée dans un article de blog ultérieur, représente l’une des perspectives internes les plus détaillées sur les compromis architecturaux et d’entraînement derrière une grande famille de modèles.
Le problème de la pensée hybride
Qwen3 a été livré avec deux modes distincts : un mode « thinking » qui produit des chaînes de raisonnement pas à pas, et un mode « non-thinking » (instruct) pour des réponses quasi instantanées. L’idée était d’offrir le meilleur des deux mondes dans un seul modèle.
Lin soutient que cette fusion est fondamentalement plus difficile qu’il n’y paraît. Le mode instruct récompense la directivité, la concision et la faible latence. Le mode thinking récompense la dépense de jetons supplémentaires sur des problèmes difficiles. Fusionner les deux dans un seul modèle, dit-il, dégrade les deux.
« Des traces de raisonnement plus longues ne rendent pas un modèle plus intelligent », a écrit Lin. « La pensée doit être façonnée par la charge de travail cible, pas par le benchmark. »
Qwen3 a utilisé un pipeline post-entraînement en quatre étapes — long cold start de chaîne de pensée, apprentissage par renforcement sur le raisonnement, et « fusion du mode thinking » — pour tenter la fusion. Mais les versions ultérieures ont expédié des variantes Instruct et Thinking séparées, concédant effectivement que l’approche unifiée ne fonctionnait pas comme prévu.
Lin a présenté la difficulté comme un problème de données plutôt que d’architecture de modèle. « C’est plus un problème de données qu’un problème de modèle », a-t-il déclaré, soulignant la difficulté de construire des données d’entraînement qui servent bien les deux modes simultanément.
Il a reconnu l’approche d’Anthropic avec Claude 3.7 Sonnet, qui expose un budget de réflexion configurable par l’utilisateur, comme un « correctif utile » à la ruée du secteur vers les modèles hybrides.
Du raisonnement à la pensée agentique
L’argument le plus important de Lin concerne la suite. Il divise les récents progrès de l’IA en deux ères :
Ère 1 — Raisonnement réflexif, illustré par la série o d’OpenAI et DeepSeek-R1. L’apprentissage par renforcement nécessite des récompenses déterministes et vérifiables, ce qui oriente naturellement l’entraînement vers les mathématiques, le code et la logique formelle. Le RL devient un problème d’ingénierie système — déploiements à grande échelle et pipelines de vérification.
Ère 2 — Pensée agentique, que Lin considère comme la frontière actuelle. L’objectif passe de la production d’une réponse correcte au maintien du progrès tout en agissant dans un environnement interactif. Un agent doit décider quand arrêter de délibérer et passer à l’action, quel outil invoquer et dans quel ordre, comment intégrer les retours bruités du monde, et comment réviser les plans après des échecs.
« Penser pour répondre n’est pas la même chose que penser pour agir », a-t-il écrit.
Le tableau comparatif de son article de blog établit clairement la distinction :
| Dimension | Raisonnement réflexif | Pensée agentique |
|———–|———————-|——————|
| Jugé par | Qualité de la délibération interne avant une réponse | Maintien du progrès pendant l’action |
| Signal de récompense | Réponses vérifiables (maths, code, logique) | Succès de la tâche dans un environnement interactif |
| Objet d’entraînement principal | La chaîne de pensée elle-même | La politique qui sélectionne les actions, lit les retours de l’environnement et s’adapte |
Lin s’attend à ce que « l’ingénierie d’orchestration » — la couche d’orchestration qui achemine le travail entre des sous-agents spécialisés — importe plus que la capacité brute du modèle dans les années à venir. Un seul modèle généraliste pourrait finalement être moins important qu’un système capable de planifier, déléguer, vérifier et récupérer.
La famille Qwen elle-même a démontré cette trajectoire. La diapositive de clôture de l’exposé se termine par une phrase : « Training models -> training agents. »
Accroches concrètes pour les développeurs
L’analyse de Lin offre également des conseils tangibles pour les praticiens. Le flag `enable_thinking` de Qwen3, qui bascule entre les modes dans le template de chat, est le genre de détail ergonomique sur lequel le secteur devrait, selon lui, se concentrer pour simplifier :
“`python
from transformers import AutoModelForCausalLM, AutoTokenizer
name = “Qwen/Qwen3-8B”
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForCausalLM.from_pretrained(name, torch_dtype=”auto”, device_map=”auto”)
enable_thinking=True -> mode raisonnement pas à pas
enable_thinking=False -> mode quasi instantané, non-thinking
text = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True,
enable_thinking=True)
“`
Pour les déploiements agentiques, Lin recommande l’orchestration multi-agents : un modèle orchestrateur planifie et achemine le travail, tandis que des sous-agents spécialisés exécutent des tâches plus étroites. Cette architecture contrôle la pollution du contexte — un problème qui s’aggrave à mesure que les tâches agentiques s’étendent sur de nombreux tours et appels d’outils — mieux que les agents monolithiques.
La propre démo Deep Research de Qwen, qui décompose les questions de recherche en sous-requêtes, appelle la recherche externe, évalue la qualité des sources et renvoie des citations fondées, est présentée comme un exemple précoce du paradigme agentique en action.
La famille Qwen3, publiée sous licence Apache 2.0, couvre des tailles de modèle de 0,6 milliard à 235 milliards de paramètres, avec des variantes MoE (30B-A3B et 235B-A22B) activant 8 des 128 experts par jeton. Des formats quantifiés incluant GGUF, GPTQ, AWQ et MLX sont disponibles.
Sources: Qwen’s Former Lead on What Hybrid Thinking Got Wrong and Why He Now Backs Agents (MarkTechPost, juillet 2026); Qwen: Towards a Generalist Model / Agent (talk) (YouTube); Alibaba’s Qwen tech lead steps down (TechCrunch, mars 2026); From ‘Reasoning’ Thinking to ‘Agentic’ Thinking (blog de Lin)
Traduit par Lydie