# Qwen 3.8 reconnaît des jeux à partir des poids d’un réseau neuronal

> Simon Willison a constaté que Qwen 3.8 27B, exécuté sur un ordinateur portable, reconnaissait trois jeux sur quatre à partir de leurs poids de réseau, sans aucun outil. Chaque réponse a pris près d’une heure, voire plus.

Oossa · 2026-11-03 · https://oossa.com/fr/qwen-3-8-identifies-games-from-neural-network-weights

Simon Willison a testé la capacité de Qwen 3.8 27B à reconnaître un jeu en examinant les poids bruts d’un petit réseau neuronal, sans exécuter de code ni utiliser d’autres outils. Il a fait tourner le modèle de 17GB sur son ordinateur portable. Selon lui, le modèle a correctement reconnu Pac-Man, Pong et Breakout, mais a pris Freeway pour un jeu ressemblant à Pac-Man.

Les réponses correctes ont pris entre 46 minutes et plus d’une heure chacune. L’expérience de Willison porte sur l’interprétation des poids ; elle ne montre pas que Qwen peut modifier ou améliorer un autre modèle, une affirmation distincte étudiée dans l’article qu’il suivait.

## Les faits

- Lors des tests de Willison, Qwen 3.8 27B a correctement reconnu 3 des 4 réseaux de jeu.
- La réponse concernant Pac-Man a pris 46 minutes et 12 secondes ; celle concernant Pong, 1 heure, 4 minutes et 54 secondes.

## Pourquoi c'est important

Pour les personnes qui exécutent de grands modèles en local, ce test laisse penser qu’elles pourraient déduire la fonction d’un petit réseau à partir de ses poids, même si le processus a été lent et a échoué pour un jeu sur quatre.

## Sources et références

1. [Qwen 3.8 27B on my laptop can interpret model weights, too](https://simonwillison.net/2026/Nov/3/qwen-can-interpret-model-weights/) – Simon Willison, 2026-11-03

Dernière mise à jour: 2026-11-03