Résumé des points clés
La Russie semble “disparue” des compétitions mondiales en IA, mais ses géants technologiques locaux (Yandex et Sberbank) ont construit leur propre écosystème IA cohérent, doté de modèles pratiques et d’applications concrètes. Cependant, en raison du départ des talents, des contraintes liées aux puces de calcul et de la petite taille de son marché, elle ne peut pas participer à la compétition au plus haut niveau dans le domaine de l’IA générale. Elle se concentre plutôt sur l’IA militaire et les “grandes modèles souverains”, suivant une approche différenciée.
I. Le silence n’est pas synonyme d’absence : l’écosystème IA local grandit discrètement
La Russie n’a pas été laissée pour compte, elle est simplement hors de la lumière des projecteurs. Deux géants soutiennent les fondations de son écosystème IA :
- Yandex (l’équivalent russe de Google) : a lancé YandexGPT Pro 5.1, qui atteint plus de 60 % de la performance des modèles commerciaux haut de gamme internationaux dans des tâches spécifiques en russe (telles que la recherche locale et la génération de contenu en russe). L’entreprise a également développé l’outil multimodal Shedevrum (capable de générer des images et des vidéos) ainsi qu’un assistant intelligent nommé Alice Pro. Le navigateur Yandex, équipé d’Alice, compte 71 millions d’utilisateurs actifs par mois et se classe dans le top 10 des navigateurs mobiles mondiaux.
- Sberbank : a créé GigaChat 3.5 Ultra, qui utilise une “architecture d’experts mixtes” (ce qui permet aux modèles de fonctionner en modules, augmentant ainsi l’efficacité) ; la vitesse de génération de textes longs a été multipliée par quatre. De plus, l’entreprise possède un modèle de génération d’images/3D nommé Kandinsky.
Ces technologies ont déjà trouvé des applications concrètes : dans le domaine médical (diagnostic assisté par CT), la gestion du risque financier (prévention de la fraude) et l’utilisation par 40 % de ses clients grâce à des systèmes vocaux intelligents. Les sanctions occidentales ont même facilité cela, car les produits IA occidentaux ont été évincés du marché, permettant aux applications russes de combler rapidement les lacunes.
II. Difficulté à retenir les talents : les “centres de formation” servent d’autres pays
La Russie était pourtant une source importante de talents en IA :
- Son enseignement des mathématiques est de premier plan mondial ; elle domine régulièrement les compétitions internationales de mathématiques, et dispose d’une solide base dans les disciplines fondamentales telles que la vision par ordinateur et les algorithmes. On dit même dans la Silicon Valley : “Pour les problèmes mathématiques complexes, faites appel à des ingénieurs russes”. L’ancien directeur scientifique d’OpenAI, Ilya Sutskever, est originaire de l’ex-Union soviétique.
Cependant, il est difficile de retenir ces talents : les salaires des experts en algorithmes à Moscou ne dépassent pas quelques centaines de milliers de dollars par an, tandis que dans la Silicon Valley, les mêmes compétences sont rémunérées plusieurs fois plus et accompagnées d’actions (comme celles des employés d’OpenAI qui valent aujourd’hui une fortune). La Russie est devenue un “centre de formation” où les talents sont finalement recrutés par de grandes entreprises occidentales.
III. Le manque de puissance de calcul : un obstacle à l’échelle
L’entraînement des modèles IA nécessite une grande quantité de puissance de calcul de pointe, et la Russie est confrontée à des limites :
- Les supercalculateurs obsolètes : ceux construits avant les sanctions utilisaient des cartes graphiques NVIDIA A100/V100 ; aujourd’hui, ces supercalculateurs ne figurent plus dans le top 100 mondial, comparés aux clusters de plusieurs centaines de milliers de cartes graphiques en Californie ou en Chine.
- Interdiction des puces : l’Occident a interdit l’exportation des dernières puces IA (comme la NVIDIA H100). La Russie tente d’acheter les puces Ascend 950PR de Huawei, mais en raison de la forte demande intérieure, elle doit attendre en ligne. Les entreprises locales russes ne peuvent produire que des puces de 180-90 nanomètres (alors que les modèles IA actuels nécessitent des puces de 3-5 nanomètres), et elles n’ont pas prévu de passer à la production de puces de 28 nanomètres avant 2030. Des stocks de puces dispersés permettent de développer de petits modèles, mais pas d’effectuer des entraînements à grande échelle ; le problème est donc moins de “disponibilité” que de “quantité”.
IV. Changement de direction : l’IA militaire et les grands modèles souverains comme solutions
Ne pouvant pas se concentrer sur l’IA générale, la Russie a choisi deux approches plus pratiques :
- IA militaire : elle oriente ses technologies vers des applications militaires (détection autonome de cibles par des groupes d’avions sans pilote, reconnaissance en temps réel d’images satellite, perturbation dans les guerres électroniques, aide à la prise de décision sur le champ de bataille). Ces domaines verticaux ne nécessitent pas d’investissements massifs et mettent en valeur les avantages industriels russes.
- Grandes modèles souverains : la législation exige que ces modèles soient développés par des entreprises locales, avec les données et les serveurs situés en Russie, ce qui assure la sécurité des informations (aucun transfert de données sensibles vers l’étranger). La Russie propose cette solution aux pays du BRICS, qui craignent les fuites de données ; bien que leurs capacités générales soient inférieures à celles des modèles comme GPT, la sécurité et la conformité légale constituent un atout majeur.
V. De nouvelles règles dans la compétition en IA : il s’agit de tout l’écosystème industriel
Auparavant, l’IA reposait sur des génies ; en 2012, le modèle AlexNet a été développé par une équipe de quelques personnes, et en 2017, la publication de l’article sur l’Attention n’avait que huit auteurs. Aujourd’hui, cela nécessite des centaines de milliers de cartes graphiques, des centres de données répartis dans tout le pays, une énergie électrique abondante et des investissements de plusieurs milliards de dollars, ce qui représente un projet à l’échelle d’un entire système industriel.
La Russie manque justement cet “écosystème complet” : elle dispose de la technologie et des talents, mais pas du capital, des puces ni d’un marché suffisamment large (seulement 200 millions d’utilisateurs en russe, contre des milliards pour l’anglais et le chinois). Elle n’a donc pas réussi à se classer première dans le domaine de l’IA générale. Elle n’a pas quitté la scène de l’IA ; elle a simplement choisi une voie adaptée aux nouvelles règles du jeu.
En résumé : L’IA russe n’est pas inexistante, mais elle ne peut pas se permettre les investissements massifs et l’écosystème mondial requis pour l’IA générale. Elle se concentre donc sur des domaines où elle est plus forte et sur des aspects liés à la sécurité. Cela nous montre que dans l’ère de l’IA, la technologie et les talents ne suffisent pas ; un système industriel complet est indispensable pour réussir.