IA à étapes

Qu’est-ce que l’IA par étapes ?

StepAI est un assistant IA multimodal lancé par Shanghai Step Star, destiné aux utilisateurs individuels et offrant des fonctionnalités de questions-réponses en dialogue, de recherche en ligne, d’une base de connaissances, de génération d’images, de reconnaissance vocale et de déploiement d’agents intelligents. Au début, le produit était connu des utilisateurs sous le nom de « Yuewen » ou StepChat ; actuellement, le nom officiel et celui du site principal sont « StepAI ». La version web, l’application et le mini-programme WeChat font partie du même écosystème de produits.

Step Star a été fondée en 2023 par Jiang Daxin. Ses activités comprennent les modèles de base de la série Step, les applications Step AI, une plateforme ouverte ainsi que des services d’entreprise. Les abonnements individuels, l’API payante de la plateforme ouverte et le plan Step pour développeurs sont indépendants les uns des autres, et leurs quotas ne peuvent pas être combinés directement.

Fonctionnalités clés

1. Dialogue multimodal

Les utilisateurs peuvent saisir du texte, des images, des fichiers, de la voix ou des liens pour permettre à StepAI d’effectuer des questions-réponses, des résumés, de l’écriture, des traductions, du codage et des tâches créatives. Sur les appareils mobiles, il est possible de poser des questions par prise de photo, d’utiliser la reconnaissance vocale, ou encore des appels vidéo intelligents ; pour cela, l’utilisateur doit autoriser l’accès à l’appareil photo, à l’album photo et au micro.

Le modèle est capable de comprendre du contenu multimodal, mais il peut interpréter à tort les petits caractères, les tableaux, les graphiques, les noms audio et les images complexes. Les données importantes doivent être vérifiées une par une dans le fichier d’origine.

2. Recherche en ligne

Une fois la recherche Web activée, Step AI cherche sur Internet et répond en se basant sur les résultats de recherche, ce qui est adapté aux contextes journalistiques, à la recherche de produits et à la compilation d’informations en temps réel. La portée des résultats de recherche, leurs dates et la qualité de leurs sources ne sont pas entièrement contrôlables ; lorsqu’il s’agit de sujets médicaux, juridiques, financiers, politiques ou de citations, il est nécessaire d’ouvrir les pages originales pour vérification.

3. Questions-réponses de la base de connaissances

La version web propose une « Bibliothèque de connaissances » où les utilisateurs peuvent télécharger des fichiers et poser des questions concernant leurs données privées. La bibliothèque est idéale pour lire des contrats, des rapports, des matériaux pédagogiques et des documents d’entreprise ; on peut également basculer, au cours d’une conversation, sur un mode axé uniquement sur les questions-réponses dans la bibliothèque de connaissances.

La réponse peut omettre les tableaux, les notes de bas de page, les pages scannées ou les relations entre fichiers. Il convient de vérifier les droits d’accès aux documents avant de les télécharger et de supprimer toute information sensible ;

Les utilisateurs peuvent consulter ou supprimer les fichiers téléchargés dans la base de connaissances.

4. Génération et édition d’images

StepAI peut générer des images à partir de langage naturel, les modèles de base Step 1X, Step 2X ainsi que les modèles d’édition d’images couvrent différents styles et scénarios de modification. La plateforme ouverte prend en charge les formats carrés ainsi que les compositions verticales et horizontales ; la série Step 1X ne génère qu’une image à la fois.

Les images générées peuvent contenir des erreurs de texte, des déformations des personnes ou des éléments similaires à des œuvres existantes. Avant une utilisation commerciale, il convient de vérifier les droits d’image, les marques déposées, les droits d’auteur ainsi que les exigences de la plateforme concernant l’étiquetage du contenu généré par l’IA.

5. Step Audio Studio

Audio Studio offre la reconnaissance vocale, la synthèse vocale, la duplication de voix et des fonctionnalités de création liées à l’audio. La série StepAudio met l’accent sur la compréhension et la génération vocales du début à la fin, pouvant gérer les émotions, le rythme de parole, les dialectes et les informations paralinguistiques.

La clonage de voix ne peut être utilisée qu’avec des échantillons pour lesquels une autorisation explicite a été obtenue, et ne doit pas servir à se faire passer pour autrui ou à commettre des fraudes.

6. L’agent StepClaw

StepClaw est un agent IA capable de comprendre des instructions et d’exécuter automatiquement des tâches. StepAI offre une mise en œuvre en un clic, tant sur ordinateur que dans le cloud ; certains abonnés peuvent disposer d’un environnement de 2 cœurs 4 Go ou 4 cœurs 8 Go, et être connectés à WeChat, Feishu et Enterprise WeChat pour permettre au assistant intelligent de fonctionner en continu.

StepClaw est actuellement encore en phase de test. Une fois déployé, il pourra accéder à des messages, des fichiers, au réseau et à des outils externes ; il faudra donc utiliser des comptes dotés des droits minimaux, restreindre les commandes à haut risque, éviter le téléchargement de clés de production et de données privées des clients, et définir un budget, des journaux d’activité ainsi qu’un interrupteur d’arrêt pour son fonctionnement continu.

Capacités du modèle

La série Step couvre le raisonnement textuel, la vision, les images, la voix et les agents. Les éléments clés de l’écosystème actuellement disponible incluent Step 3.7 Flash, Step 3.5 Flash, le raisonnement multimodal Step 3, la vision Step 1o, StepAudio et les modèles d’images Step 1X.

• Step 3.7/3.5 Flash：Destiné au raisonnement, à la programmation, aux appels d’outils et aux tâches d’agent à un bon rapport qualité-prix ;
• Step 3：Modèle de raisonnement multimodal avec 321 milliards de paramètres totaux et 38 milliards de paramètres activés ;
• Step 1o Vision：Utilisé pour la compréhension d’images et les Q&R visuels ;
• StepAudio：Couvrant les conversations vocales bout en bout, l’ASR, le TTS, le raisonnement vocal et l’édition ;
• Étape 1X et 2X :Utilisé pour la génération d’images à partir de texte et l’édition d’images.

L’application met à jour le modèle sous-jacent, et les noms des fonctionnalités sur la page web ne révèlent pas nécessairement la version précise. Les développeurs qui ont besoin de résultats reproductibles doivent utiliser l’API pour fixer le modèle et créer leur propre ensemble d’évaluation.

Comparaison des prix et des versions

Prix de l’abonnement Step AI

Voici les prix promotionnels affichés sur la page d’abonnement officielle en août 2026 ; le prix original souligné, les points et les avantages liés à la puissance de calcul peuvent être modifiés :

• Goûter :9,9 yuans/semaine, avec 250 points et des avantages pour 7 jours ;
• Introduction :39 yuans/mois, avec 1300 points, 2 cœurs, 4 Go de mémoire et 40 Go d’espace de stockage ;
• Avancé :99 yuans/mois, avec 4500 points et un support technique prioritaire ;
• Avancé :199 yuans/mois, inclus 10 000 points ;
• Spécialité :499 yuans/mois, inclus 27 000 points, 4 cœurs et 8 Go de mémoire, 40 Go d’espace de stockage ainsi que des services spécialisés.

Chaque plan présente le déploiement en un clic de StepClaw sur ordinateur, StepClaw dans le cloud, ainsi que la compatibilité avec WeChat, Feishu et WeCom. L’abonnement peut être renouvelé automatiquement ; les règles de résiliation et des points restants sont sujettes à la page d’achat et au contrat de membre.

Tarif à la consommation pour la plateforme ouverte

La plateforme ouverte facture séparément en fonction des entrées du modèle, des hits de cache et des sorties. Les prix représentatifs actuels sont les suivants :

• Step 3.5 Flash：Entrée : 0,7 yuan, mémoire tampon : 0,14 yuan, sortie : 2,1 yuan par million de tokens ;
• Step 3：Pour une entrée courte, le coût est de 1,5 yuan pour l’entrée et 0,3 yuan pour le cache, avec un coût de sortie de 4 à 8 yuans par million de tokens ; lorsque l’entrée dépasse 4K et atteint 64K, le coût est de 4 yuans pour l’entrée, 0,8 yuan pour le cache, et 10 yuans pour la sortie.
• Step 1o Turbo Vision：Entrée : 2,5 yuans, mémoire cache : 0,5 yuans, sortie : 8 yuans par million de tokens ;
• Step 2 Mini：Entrée : 1 yuan, mémoire cache : 0,2 yuan, sortie : 2 yuans par million de tokens ;
• StepAudio 2.5 TTS：5,8 yuans par 10 000 caractères, Step TTS 2 à 2,8 yuans, Mini à 0,9 yuans ;
• Reconnaissance vocale :Les différents modèles coûtent entre 0,15 et 2,6 yuans par heure ;
• Reconstitution du son :9,9 yuans/polyphonie ;
• Step 1X Medium：0,1 yuan par image, Image Edit 2 à 0,02 yuan par image ;
• Recherche en ligne :0,04 yuan par utilisation ; stockage de fichiers : 0,5 yuan/GB/jour.

En chinois général, 1 token correspond à environ 1,6 caractères chinois, ce qui n’est qu’une estimation ; la valeur réelle dépend du champ usage de l’interface. Le fait que le cache soit atteint, un contexte long, les appels d’outils et les tentatives de réessai influencent tous le coût.

Step Plan

Step Plan est une API abonnement conçue pour les outils de développement et les workflows d’agents à haute fréquence, utilisant une adresse d’interface et une clé indépendantes, avec des limites de 5 heures et une limite hebdomadaire. Ces quotas ne sont pas reportables, et la limite hebdomadaire est d’environ 4 fois la limite de 5 heures.

Après dépassement du plafond, il faut attendre la période correspondante pour un réinitialisation.

Le Step Plan et le solde de rechargement normal constituent deux systèmes distincts ; l’utilisation du Plan ne déduit pas le solde payant au forfait. La documentation officielle indique que le prix promotionnel est une offre temporaire, et le prix exact du forfait doit être affiché en temps réel sur la page d’abonnement ; il ne faut pas présenter les prix des anciennes promotions comme des engagements à long terme.

GitHub et l’état open source

Step Star dispose d’une organisation officielle Stepfun-ai sur GitHub, qui met à disposition divers types de modèles, de recherches et de frameworks d’entraînement. Les projets tels que Step 3.5 Flash, Step 3.7 Flash, Step3, Step-Audio, Step1X-Edit, Step-DeepResearch, GUI Agent et SteptronOss offrent des codes, des poids ou des rapports techniques.

Étape 3.5 : Flash et plusieurs nouveaux projets sont licenciés sous Apache 2.0, tandis que le projet GUI Agent est licencié sous MIT ; cependant, les poids des différents modèles, le code, les données et les licences commerciales peuvent varier, il est donc nécessaire de consulter la licence propre à chaque répertoire.

Un modèle open source ne signifie pas que le système de comptes StepAI, les services cloud StepClaw, les abonnements ou l’arrière-plan de la plateforme ouverte soient tous open source.

Confidentialité et sécurité

L’IA à étapes traite le texte, la voix, les images, les fichiers, les liens, les instructions d’opération et les retours soumis activement par l’utilisateur, et effectue des recherches en ligne lorsqu’elle est activée. Les fonctionnalités de prise de photos, de reconnaissance vocale et de vidéo sur appareils mobiles nécessitent des permissions pour la caméra, l’album photo et le microphone.

Les utilisateurs peuvent gérer les sessions, les favoris, les liens partagés, les fichiers de la base de connaissances, générer de l’audio et recréer des timbres sonores. Il convient de vérifier l’autorisation avant d’organiser des documents, de partager du code non public ou de télécharger des informations privées.

La suppression des enregistrements de l’interface doit également se conformer à la politique de confidentialité, en ce qui concerne la couverture des sauvegardes et de la conservation légale.

Guide d'utilisation de l’IA à étapes

Terminer une tâche de base

1. Définir le problème, la période, la région, la priorité des sources et le format de sortie ;
2. Dans Step AI, téléchargez des matériaux dont vous avez les droits d’utilisation ou saisissez une question de recherche ;
3. Établir d’abord un cadre à l’aide d’un dialogue multimodal, puis compléter les preuves par des recherches en ligne.
4. Il est nécessaire de distinguer les faits de source, les opinions de l’auteur et les inférences de l’IA ;
5. Vérifier une par une les dates, les chiffres, l’emplacement dans le texte original et les preuves contradictoires ;
6. Modifier manuellement les conclusions et enregistrer l’heure de vérification avant de les publier ;

Créer des flux de travail professionnels réutilisables

1. Découper les sujets complexes en quatre catégories de questions : contexte, données, comparaisons et conclusions ;
2. La combinaison du dialogue multimodal, de la recherche en ligne et des questions-réponses dans une base de connaissances constitue des étapes de recherche fixes.
3. Privilégier les sites officiels, les articles scientifiques, les documents réglementaires et les données brutes ;
4. Mettre en place une vérification par une deuxième personne pour les conclusions à haut risque ;
5. Conserver les requêtes, les preuves, les versions et les problèmes non résolus ;
6. Redémarrer après modification des données et mettre à jour les conclusions ;

À qui s’adresse-t-il ?

• Utilisateurs individuels ayant besoin de questions-réponses en ligne en chinois, de résumés de documents et d’une base de connaissances ;
• Créateurs de contenu souhaitant utiliser des images, de la voix et des contenus multimodaux ;
• Utilisateurs qui doivent déployer StepClaw pour se connecter à la plateforme de messagerie professionnelle ;
• Développeurs qui utilisent des API de raisonnement, visuelles et vocales à un bon rapport qualité-prix ;
• Équipe technique chargée de la recherche et du déploiement local des modèles open source Step ;
• Clients ayant besoin de modèles sectoriels, d’intégration d’entreprise et de support personnalisé.

Restrictions d'utilisation

• L’IA peut générer des faits erronés, des citations fictives et du code non sécurisé ;
• Le réseau et la base de connaissances peuvent fournir un contexte, mais ils ne peuvent pas éliminer les illusions ;
• Les agents et les services permanents dans le cloud présentent un risque plus élevé ; pour l’envoi de messages, l’exécution de commandes, les achats, la suppression et la publication, une approbation manuelle est requise.
• Les références officielles et les présentations de modèles sont basées sur des ensembles de données spécifiques et ne représentent pas chaque tâche réelle ;
• Avant d’acheter un abonnement ou une API, il est préférable de réaliser des tests à petite échelle en utilisant ses propres données en chinois, textes longs, images, voix et besoins en parallélisme ;

Questions fréquentes

Quelle est la relation entre Step AI et Yuewen ?

Yuewen était la marque initiale de systèmes de questions-réponses intelligents de Step Star. Actuellement, le site principal et les accords juridiques utilisent « Step AI », tandis que les comptes clés et les orientations produits se poursuivent et s’étendent à StepClaw, aux bases de connaissances et aux capacités multimodales.

Est-ce que StepAI est gratuit ?

Il est possible de tester gratuitement certaines fonctionnalités, mais les montants élevés, StepClaw en cloud et les droits de calcul nécessitent un abonnement. L’abonnement de base coûte actuellement 39 yuans par mois, avec également une option d’essai à 9,9 yuans par semaine.

Y a-t-il une API ?

Disponible. La plateforme ouverte couvre le raisonnement, la vision, le texte, la reconnaissance et la synthèse vocale, la reconstitution sonore, les images et la recherche en ligne, et peut être utilisée selon un modèle payant à l’usage ou via un plan étape par étape.

Qu’est-ce que StepClaw ?

Il s’agit d’un agent IA qui peut être déployé sur un poste de travail ou dans le cloud, se connecter à des plateformes de messagerie et exécuter automatiquement des tâches ; il est actuellement encore en phase de test, et il convient de prêter une attention particulière aux droits d’accès et à la sécurité des données.

L’IA à étapes est-elle open source ?

L’application complète et les services cloud ne sont pas open source, mais plusieurs projets officiels tels que Step 3.7/3.5 Flash, StepAudio, l’édition d’images et les frameworks de recherche ont vu leur code ou leurs poids mis à disposition, sous réserve de vérifier chaque licence individuellement.