China Telecom ouvre un modèle qui transforme les ordres en réglages

Une seule phrase prononcée peut cacher plusieurs ordres : éteindre la lumière du salon, laisser la chambre tranquille et déplacer une réunion. Jusqu'ici, la plupart des systèmes capables de comprendre de telles phrases devaient être assemblés à partir d'outils distincts. Le laboratoire XingChen AGI de China Telecom Artificial Intelligence Technology a publié en open source Xing4.0-29B-Intent, un modèle qui tente d'accomplir l'ensemble de la tâche en une seule étape.

L'approche habituelle consiste à classer d'abord, puis à extraire ensuite. Beaucoup de modèles d'intention s'arrêtent à la classification : ils savent que l'utilisateur veut régler les lumières, mais pas lesquelles ni à quel niveau. Xing4.0-29B-Intent combine les deux étapes. À partir d'un schéma, il renvoie une structure JSON avec un champ de catégorie pour chaque intention détectée et un champ d'arguments pour les entités, valeurs et attributs extraits. Une phrase comportant plusieurs commandes produit plusieurs intentions, chacune avec ses propres arguments.

Les benchmarks de l'équipe constituent ses affirmations les plus fortes. Elle annonce un score Micro-F1 en zero-shot à froid de 70,27, qu'elle dit supérieur à celui de GPT-4.1, ainsi qu'un score de correspondance exacte de 61. Sur une évaluation plus large couvrant la reconnaissance d'entités nommées, l'extraction de relations, l'extraction d'événements et la compréhension de la langue parlée, elle indique un score global de 58, soit neuf points devant Gemini-3.6-Flash, deuxième du classement. Ces chiffres n'ont pas encore été reproduits par des équipes extérieures. Les tests pratiques publiés par Zhidx montrent que le modèle fonctionne bien dans la plupart des cas, mais échoue au moins une fois : une commande sur les vitres de voiture a renvoyé un réglage à 0 % pour des vitres arrière pouvant changer leur position actuelle.

La publication va au-delà des poids du modèle. L'entraînement a utilisé 2,753 millions d'échantillons reconstruits à partir de 61 jeux de données publics, couvrant 19 domaines et 52 langues, ce que l'équipe présente comme le plus grand corpus ouvert de compréhension d'intentions. Des travaux connexes sur les données d'intention liées à l'interaction avec les téléphones ont été acceptés à EMNLP 2026. Le code est disponible sur GitHub, dans le projet TeleChat-USP, sous licence Apache 2.0, tandis que le modèle et le jeu de données sont hébergés sur Hugging Face et ModelScope, avec un SDK d'inférence et une image officielle.

Pour les développeurs d'agents, le gain est concret : un modèle qui renvoie des commandes structurées en une seule passe, avec une latence annoncée inférieure à 150 millisecondes, peut être téléchargé et testé dès aujourd'hui. Les usages visés par l'équipe sont les espaces intelligents, les assistants embarqués dans les véhicules, les flux de travail de bureau et les agents personnels. Les sources ne donnent ni calendrier commercial ni chiffres de déploiement ; ce qui changera pour les utilisateurs finaux dépendra donc du nombre de produits qui l'adopteront et de ses performances en dehors des tests de l'équipe.