Qwen, le laboratoire d’IA d’Alibaba, vient de lever le voile sur Qwen-AgentWorld. Il s’agit d’un simulateur qui recrée différents environnements numériques. Les agents IA y apprennent à prédire le résultat de leurs actions avant de les effectuer.
Les agents IA savent déjà écrire du code. Ils peuvent aussi naviguer sur le Web ou lancer des commandes dans un terminal. En revanche, ils se trompent encore régulièrement dès que leur environnement devient complexe. Avec Qwen-AgentWorld, Alibaba tente de s’attaquer à ce problème en changeant la manière dont ces systèmes sont entraînés. L’idée paraît presque évidente après coup. Car avant d’apprendre à agir, pourquoi ne pas apprendre à comprendre le monde dans lequel ils évoluent ?
Avec Qwen-AgentWorld, Alibaba mise sur un simulateur plutôt que sur des données réelles
Pendant des années, les modèles de langage ont surtout appris à prédire le mot suivant. Les agents IA, eux, ont ensuite été adaptés pour utiliser des outils ou interagir avec des logiciels. Une méthode efficace, mais qui ressemble parfois à envoyer quelqu’un conduire sans lui expliquer comment fonctionne une route.
C’est précisément ce qu’Alibaba cherche à éviter avec Qwen-AgentWorld. Le modèle n’a pas été conçu comme un simple LLM auquel on ajoute des capacités d’agent après coup. La modélisation de l’environnement constitue son objectif d’entraînement dès le départ.
Concrètement, le système simule sept environnements différents au sein d’un seul modèle. Il reproduit le comportement d’un terminal, d’un moteur de recherche, d’un serveur MCP et d’un environnement de développement. Il prend également en charge le navigateur Web, le système d’exploitation et Android.
Le modèle adopte une approche différente pour les interfaces graphiques. Il ne les traite pas comme de simples images. Elles sont représentées par des structures textuelles, comme du code HTML ou des arbres XML. Un choix qui simplifie l’entraînement tout en permettant au modèle de raisonner sur des interfaces complexes.
Pour y parvenir, Qwen-AgentWorld a été entraîné sur plus de 10 millions de trajectoires d’interactions réelles, selon Alibaba. Un volume conséquent, même si la quantité ne garantit jamais la qualité.
Pourquoi une telle approche ?
L’autre particularité du projet concerne la façon dont il améliore les agents. Plutôt que d’entraîner ses agents dans des environnements réels, Alibaba utilise Qwen-AgentWorld pour prédire le résultat de leurs actions. L’agent peut alors s’exercer dans un environnement entièrement contrôlé avant d’affronter le monde réel.
Cette approche présente plusieurs avantages. Les scénarios deviennent reproductibles, les erreurs coûtent moins cher et les situations rares peuvent être générées à volonté. En résumé, un peu comme dans un simulateur de vol.
Les chercheurs expliquent également qu’un apprentissage de la prédiction des états améliore déjà les performances des agents. Même sans entraînement spécifique sur certaines tâches. Cette capacité se transfère ensuite vers différents benchmarks sans nécessiter de nouveau réglage.
Pour mesurer ces progrès, Alibaba publie également AgentWorldBench, un nouveau benchmark couvrant les sept domaines simulés. Selon les résultats présentés, le modèle Qwen-AgentWorld-397B-A17B obtient les meilleurs scores globaux sur cette évaluation interne. Il devance notamment GPT-5.4, Claude Opus 4.8, Gemini 3.1 Pro, DeepSeek V4-Pro et Qwen3-6P Plus.
Ces performances restent toutefois à interpréter avec prudence. Les benchmarks offrent un indicateur intéressant. Mais ils ne remplacent jamais les usages réels. Les prochains mois apporteront un premier élément de réponse. Ils montreront si cette nouvelle génération de modèles améliore réellement les agents IA dans des situations concrètes.
- Partager l'article :
