L'IA, c'est du chinois !
Pendant que l'Europe garde les yeux tournés vers la Silicon Valley, une partie du futur technologique s'écrit à Pékin, Shenzhen ou Hangzhou.
Le monde a changé plus vite que notre façon de le regarder.
Des dirigeants inconnus, des technologies omniprésentes
Bill Gates, Steve Jobs, Elon Musk : ces trois noms dépassent largement le monde de l'informatique. Ils appartiennent à notre culture commune et incarnent, pour beaucoup d'Européens, l'idée même de l'innovation. Demandez maintenant qui sont Liang Wenfeng, Robin Li ou Frank Wang : les réponses se feront plus rares. Ces trois dirigeants comptent pourtant parmi les acteurs qui redessinent le paysage technologique mondial.
Liang Wenfeng a fondé DeepSeek. En janvier 2025, son modèle R1 a affiché des performances comparables à celles des meilleurs modèles de raisonnement de l'époque sur plusieurs tests. L'entreprise a ensuite précisé, dans un article publié dans Nature, que la phase d'entraînement par renforcement de R1 avait représenté un coût d'environ 294 000 dollars de calcul sur 512 GPU Nvidia H800.
Le chiffre a de quoi frapper les esprits. Il ne correspond pas au coût complet de développement du modèle. Le R1 s'appuie sur DeepSeek-V3, dont l'entraînement avait nécessité plusieurs millions de dollars de calcul, sans compter les infrastructures, les données, les expérimentations et le travail des équipes. Le 27 janvier 2025, l'arrivée de DeepSeek sur le devant de la scène mondiale a provoqué une onde de choc sur les marchés technologiques. Nvidia a perdu près de 17 % en une séance.
Robin Li est le cofondateur de Baidu, pionnier chinois de l'intelligence artificielle, engagé depuis longtemps dans les grands modèles de langage et la conduite autonome. Frank Wang, connu en Chine sous le nom de Wang Tao, a fondé DJI en 2006 à Shenzhen. Son entreprise s'est imposée comme le principal constructeur mondial de drones civils et illustre la capacité de l'industrie chinoise à transformer des avancées en vision par ordinateur, stabilisation ou navigation autonome en produits diffusés à l'échelle mondiale.
Un récit de l'innovation centré sur la Silicon Valley
Ce contraste entre des technologies omniprésentes et des dirigeants largement inconnus en Europe en dit long sur notre représentation de l'innovation. Pendant des décennies, son récit s'est écrit presque exclusivement depuis les États-Unis. Entreprises, conférences, biographies, documentaires et médias spécialisés ont façonné un imaginaire où la Silicon Valley occupait presque tout l'horizon.
Cette représentation ne correspond plus à la réalité. La Chine n'est plus seulement l'usine du monde. Elle est devenue l'un des grands centres de recherche et d'industrialisation dans l'intelligence artificielle, la robotique, les véhicules électriques et autonomes, les batteries ou les semi-conducteurs. Ses universités forment des générations d'ingénieurs. Son industrie possède une capacité remarquable à transformer rapidement une innovation en produit fabriqué à grande échelle.
DeepSeek n'est qu'un acteur de cet écosystème. Baidu, Alibaba, Tencent, Huawei, Moonshot AI ou DJI évoluent dans des secteurs différents et poursuivent des stratégies qui leur sont propres. Leur poids montre que le centre de gravité technologique mondial ne se situe plus dans une seule région du monde.
Le révélateur DeepSeek
La vraie surprise n'était peut-être pas dans les chiffres. Elle était dans notre étonnement à découvrir une entreprise active depuis plusieurs années et un fondateur presque inconnu en Europe, comme si une partie de l'innovation mondiale s'était développée hors de notre champ de vision.
Le succès de DeepSeek a servi de révélateur. Il a montré à quel point notre connaissance de l'écosystème technologique chinois restait partielle. Liang Wenfeng et son équipe ne sont pas apparus soudainement en janvier 2025. DeepSeek existait depuis 2023 et s'inscrivait déjà dans un environnement chinois de recherche, d'investissement et d'expérimentation en intelligence artificielle particulièrement actif.
Ni éloge ni diabolisation
Comprendre ces acteurs ne revient pas à célébrer le modèle chinois. La Chine reste un régime autoritaire, les libertés publiques y sont limitées et les secteurs considérés comme stratégiques entretiennent des liens étroits avec le pouvoir politique. L'intelligence artificielle y constitue aussi un instrument de puissance économique et géopolitique.
Les États-Unis suivent une autre trajectoire. Leur capacité d'innovation reste exceptionnelle, portée par les universités, le capital-risque, les laboratoires privés et un écosystème entrepreneurial particulièrement dynamique. Ce modèle pose d'autres questions : concentration des capitaux, dépendance à quelques infrastructures privées et pouvoir considérable accordé à un petit nombre d'entreprises sur des technologies susceptibles de devenir essentielles au fonctionnement de nos sociétés.
Opposer une Chine étatique à une Amérique entrepreneuriale ne suffit plus à décrire ce qui se joue. Les stratégies industrielles divergent. Les deux puissances considèrent l'intelligence artificielle, les semi-conducteurs et les infrastructures de calcul comme des enjeux stratégiques.
L'« IA communiste », vraiment ?
Cette confrontation prend une forme inattendue en juillet 2026. Dean W. Ball, responsable de la prospective stratégique chez OpenAI et ancien conseiller de l'administration américaine sur l'intelligence artificielle, réagit à Kimi K3, un modèle chinois à poids ouverts développé par Moonshot AI. Il le juge suffisamment performant pour se rapprocher, dans certains usages agentiques, des meilleurs modèles publics américains du début de l'année. Le modèle économique retient surtout son attention.
Une partie croissante de l'écosystème chinois diffuse des modèles dont les poids peuvent être téléchargés et exécutés sur des infrastructures qui n'appartiennent pas à leurs concepteurs. DeepSeek, Qwen ou Kimi participent à cette dynamique. Une grande partie du modèle économique américain repose sur des systèmes propriétaires accessibles à travers des services et des API, financés par des investissements privés considérables.
Poids ouverts (open weights) : un modèle à poids ouverts met à disposition les paramètres numériques acquis lors de son entraînement. Ils peuvent être téléchargés, ce qui permet d'exécuter le modèle sur ses propres machines ou infrastructures sans dépendre systématiquement du service en ligne de son concepteur. Cela ne signifie pas que le modèle est entièrement open source : le code, les données d'entraînement ou certaines informations sur sa conception peuvent rester fermés.
Dean W. Ball résume cette confrontation par une formule provocatrice : un monde dominé par les modèles à poids ouverts pourrait conduire à une forme de « full AI communism », où l'intelligence artificielle ne serait plus principalement un produit vendu sur un marché, mais une infrastructure numérique largement accessible.
Le mot « communisme » relève ici davantage de la provocation politique que de l'analyse économique. La question derrière la formule est plus intéressante. Si des modèles proches des meilleurs systèmes propriétaires deviennent librement accessibles, que devient un modèle industriel fondé sur des dizaines de milliards d'investissements et sur la vente d'accès à l'intelligence artificielle ?
Ball considère aussi les modèles à poids ouverts comme une force « décélérationniste ». Leur diffusion pourrait réduire les perspectives de revenus des modèles propriétaires et, avec elles, la justification économique d'une course permanente à des investissements toujours plus importants.
La stratégie chinoise n'est pas celle d'un bien commun désintéressé. Les restrictions américaines sur l'exportation des GPU ont limité l'accès des entreprises chinoises aux capacités de calcul les plus avancées. Diffuser les poids permet aussi de déplacer une partie du coût de l'inférence vers ceux qui utilisent les modèles. Entreprises, développeurs, hébergeurs ou États financent alors leurs propres machines. Les concepteurs peuvent concentrer davantage de ressources sur la recherche et l'entraînement tout en diffusant largement leurs technologies.
Une IA ouverte peut réduire une dépendance tout en en créant une autre.
Un modèle téléchargeable offre davantage de contrôle qu'un service entièrement fermé, surtout lorsqu'il peut fonctionner localement. Les architectures, les standards, les outils et les écosystèmes qui s'imposent façonnent aussi les usages futurs. La bataille entre les États-Unis et la Chine ne porte plus seulement sur la puissance des modèles. Elle concerne leur propriété, leur financement et les infrastructures dont nous finirons par dépendre.
Que cherche-t-on à construire ?
L'Europe observe souvent cette rivalité comme s'il fallait choisir un camp. Une autre question mérite d'être posée : que cherche-t-on à construire avec l'intelligence artificielle ?
Une technologie ne se résume pas à ses performances. Elle repose sur des centres de données, des réseaux électriques, des semi-conducteurs, l'extraction de métaux critiques et des chaînes industrielles mondialisées. Elle transforme le travail, redistribue la valeur créée et modifie les rapports de force entre États, entreprises et citoyens.
Mesurer son succès au nombre de paramètres d'un modèle, à ses résultats dans les benchmarks ou à la valorisation boursière de l'entreprise qui le développe ne raconte qu'une partie de l'histoire. Qui possède les infrastructures de calcul ? Qui finance leur fonctionnement ? Qui capte les revenus ? Où sont produits les composants ? Quelles ressources sont mobilisées ?
Ces questions concernent les États-Unis, la Chine et l'Europe. Elles permettent aussi de sortir d'une vision où le progrès technologique serait une trajectoire unique dont il suffirait d'accélérer le mouvement.
La souveraineté numérique, un chantier plus vaste
Depuis quelques années, la souveraineté numérique est devenue un objectif largement partagé en Europe. L'ambition est légitime : une économie entièrement dépendante de technologies conçues ailleurs s'expose à des vulnérabilités économiques, industrielles et politiques.
Cette souveraineté ne se limite pas à produire un modèle européen ou à construire des centres de données sur le sol européen. Elle concerne les logiciels, les infrastructures, les composants, les données et les compétences. Posséder un centre de données en Europe ne garantit pas une grande autonomie si ses GPU, ses logiciels, ses modèles et une partie de ses services dépendent d'acteurs extérieurs.
La souveraineté est aussi cognitive. Connaître les acteurs qui façonnent le monde, comprendre leurs stratégies, leurs modèles économiques et leurs choix technologiques permet de décider plutôt que de subir. Regarder l'intelligence artificielle presque exclusivement à travers les entreprises américaines donne une représentation partielle d'un paysage devenu multipolaire.
Ignorer leurs stratégies, c'est laisser d'autres définir les termes du débat à notre place.
Cette dépendance intellectuelle est moins visible qu'une dépendance matérielle. Elle influence les mots employés, les problèmes jugés importants, les technologies que l'on considère comme incontournables et jusqu'aux futurs que l'on imagine possibles.
La puissance avant la sobriété
Une dimension reste souvent derrière les performances et les enjeux de souveraineté : la soutenabilité écologique et sociale. La compétition sino-américaine n'a pas été construite pour la servir. La course aux modèles toujours plus puissants pousse à multiplier les centres de données, à sécuriser l'accès aux métaux critiques et aux semi-conducteurs, et à augmenter les capacités électriques nécessaires à leur fonctionnement.
Washington et Pékin raisonnent d'abord en termes de puissance technologique, industrielle et géopolitique. La sobriété reste largement extérieure à cette compétition.
Le choix entre un modèle propriétaire américain et un modèle chinois à poids ouverts ne règle pas la question écologique. Exécuter localement un modèle peut redonner du contrôle sur les données et limiter certaines dépendances. Cela ne supprime ni le coût de sa fabrication, ni celui de son entraînement, ni l'énergie et le matériel nécessaires à son fonctionnement.
L'intelligence artificielle ne sera pas seulement jugée sur sa puissance de calcul. Sa consommation de ressources, son empreinte environnementale, ses effets sur le travail, la répartition de la richesse ou la qualité du débat démocratique pèseront aussi dans le bilan.
La question n'est pas uniquement de savoir jusqu'où la technologie peut aller. Elle est de savoir quels usages justifient les ressources qu'on leur consacre.
Inventer une troisième voie
Le défi européen ne consiste probablement pas à reproduire, avec quelques années de retard, le modèle américain ou le modèle chinois. L'Europe dispose d'atouts scientifiques, industriels, culturels et réglementaires. Ils restent fragmentés et peinent encore à former un projet technologique cohérent.
Une troisième voie ne peut pas se résumer à réglementer les innovations produites ailleurs. Elle suppose de développer des capacités propres, de soutenir la recherche et l'industrie, de maîtriser davantage les infrastructures essentielles et de favoriser les technologies ouvertes lorsqu'elles renforcent réellement l'autonomie. Elle impose aussi de poser la question des usages et des ressources plutôt que de considérer la puissance de calcul comme une fin en soi.
Cette autonomie commence par la connaissance. Connaître Liang Wenfeng, Robin Li, Frank Wang ou les stratégies qui accompagnent Kimi et DeepSeek ne changera pas le cours de l'histoire à lui seul. Les ignorer rendra simplement plus difficile la compréhension d'un monde technologique qui ne se construit plus uniquement en Californie.
Sources et ressources
Les faits, chiffres et dates cités dans cet article s'appuient notamment sur les sources suivantes :
- Nature : DeepSeek-R1, article scientifique consacré au modèle et à son entraînement
- DeepSeek-AI : publication scientifique de DeepSeek-R1
- DeepSeek : dépôt de DeepSeek-R1, modèles et documentation
- DeepSeek : architecture et documentation de DeepSeek-V3
- Reuters : réaction de Nvidia à DeepSeek et chute de son action, 27 janvier 2025
- Baidu : biographie de Robin Li, cofondateur, président et CEO
- Dean W. Ball : publications consacrées à l'intelligence artificielle
À propos du coût de DeepSeek-R1 : les quelque 294 000 dollars annoncé pour DeepSeek-R1 correspondent à la phase d'entraînement par renforcement réalisée à partir d'un modèle déjà entraîné. Ils ne représentent ni le coût de développement de DeepSeek-V3, ni l'ensemble des dépenses de recherche, d'infrastructure, de données et d'expérimentation ayant conduit à R1.