Nous Research a dévoilé Arete-27B, un modèle de langage post-entraîné construit sur une base Qwen, ce que l'entreprise décrit comme un effort pour renforcer les valeurs occidentales sur une fondation entraînée en Chine. Le résultat phare : le taux de propagande du modèle a été réduit de 22 % à 1 %, sans perte significative de performance générale.

Le nom est délibérément choisi. Arétè, écrit en grec ἀρετή, est le concept classique d'excellence et de vertu — plus précisément, la pleine réalisation du potentiel le plus élevé d'une chose. Pour Nous Research, cette appellation vaut aussi déclaration d'intention.

Ce que Nous Research a réellement fait

Qwen est la famille de modèles de langage à poids ouverts d'Alibaba, largement utilisée comme base de fine-tuning dans la communauté open source de l'IA. Ces modèles sont performants et librement accessibles, ce qui en fait des points de départ attractifs pour les développeurs. Ils présentent également des tendances idéologiques mesurables, intégrées lors du pré-entraînement sur des données chinoises — c'est de là que provient le chiffre de 22 % de taux de propagande cité pour le modèle de base.

Nous Research a appliqué du post-entraînement — le terme technique désignant les étapes de fine-tuning supervisé et d'apprentissage par renforcement qui suivent l'entraînement initial d'un modèle — pour ajuster ces tendances. L'entreprise décrit ce processus comme un alignement de valeurs, et la direction spécifique est ici explicite : réduire les sorties cohérentes avec les récits de l'État chinois et les orienter vers les normes libérales occidentales.

Pour les nombreuses équipes de la communauté open source qui partent des checkpoints Qwen pour développer des applications personnalisées, ce résultat est directement pertinent : il montre que les tendances idéologiques héritées du pré-entraînement peuvent être ciblées au stade du post-entraînement, tout en préservant, selon les chiffres rapportés, la performance générale.

La position de Nous Research dans le paysage de l'IA open source

L'entreprise est surtout connue pour sa série Hermes de modèles à poids ouverts, qui ont acquis un public dans la communauté open source pour leur qualité de suivi des instructions et leurs refus réduits par rapport aux alternatives commerciales plus restrictives. Arete applique la même boîte à outils de post-entraînement à une fin différente : plutôt que de réduire les refus, elle oriente le contenu idéologique des sorties du modèle.

Nous Research a levé une série A d'un montant rapporté de 50 millions de dollars en avril 2025, suivie d'un tour de financement supplémentaire rapporté de 90 millions de dollars. Elle opère de manière constante dans l'espace des poids ouverts, publiant des modèles sur lesquels des concurrents et des développeurs indépendants peuvent directement construire.

La désignation « 27B » suit la convention standard pour les modèles d'environ 27 milliards de paramètres, une classe de taille largement adoptée dans la communauté open source, où les checkpoints Qwen sont fréquemment utilisés comme points de départ pour du fine-tuning personnalisé. Compte tenu de la large diffusion de ces checkpoints, la prochaine chose à surveiller est de savoir si des chaînes d'alignement de valeurs comme celle-ci seront reprises par d'autres équipes réutilisant des modèles de base entraînés en Chine pour leurs propres publics.

Source : CryptoBriefing. Ce reportage est basé sur un article original édité par Diego Almada Lopez.