Résumé des points clés
Les entreprises chinoises spécialisées dans les modèles d'intelligence artificielle (IA) passent d'une concurrence de type « suivisme » (qui consiste à imiter les autres) à une concurrence de pointe où elles prennent l'initiative. Cependant, cette compétition ne se joue plus uniquement sur la capacité d'un modèle isolé, mais sur la capacité à « créer continuellement de l'intelligence de plus en plus performante ». Actuellement, les entreprises nationales sont engagées dans une course aux dépenses massives impliquant des paramètres, de la puissance de calcul et du capital : les paramètres ont augmenté de plusieurs milliards à des dizaines de milliards, et certaines entreprises comme ByteDance visent même des chiffres encore plus élevés (5 à 10 billions). La puissance de calcul nécessite la construction de data centers de grande capacité, et la demande en financement est explosive (Moonshine a levé 7,5 milliards de dollars américains ce mois, tandis qu'Alibaba a levé 80 milliards de dollars hongkongais par l'émission d'actions). Malheureusement, les revenus ne suivent pas ces investissements : les revenus annuels des entreprises de pointe en Chine sont 50 fois inférieurs à ceux des entreprises américaines, et le marché national est limité, rendant difficile la réalisation de profits avec des modèles open-source. Face à ces contraintes, les entreprises choisissent des approches différentes pour se distinguer : certaines se concentrent sur le pré-entraînement de grands modèles, d'autres optimisent les modèles existants pour réduire les coûts, et encore d'autres développent leur propre matériel. La clé de cette compétition réside dans la capacité à créer continuellement de l'intelligence de pointe malgré des ressources limitées et des revenus faibles.
I. Paramètres, puissance de calcul, capital : une course aux dépenses sans fin
La dynamique de la communauté IA en Chine a changé : il s'agit désormais de comparer la taille des paramètres des modèles, qui sont passés de plusieurs milliards l'année dernière à 3 billions avec Kimi K3, et ByteDance ambitionne même 5 à 10 billions. Mais augmenter les paramètres ne suffit pas ; cela nécessite de la puissance de calcul, ce qui implique la construction de data centers de grande capacité (1 GW équivaut à 1 million de kilowatt-heure d'électricité, soit l'équivalent de la consommation d'une petite ville). Or, la puissance de calcul coûte cher :
- Moonshine a levé 7,5 milliards de dollars américains ce mois, et DeepSeek a besoin de 5 milliards de plus pour sa première série de financement ;
- Tencent et Alibaba ont investi 12 milliards de yuans chaque trimestre dans l'IA, avec Alibaba ayant même levé 80 milliards de dollars hongkongais par l'émission d'actions.
En somme, dans la compétition actuelle de l'IA, celui qui peut dépenser le plus devient le leader en termes de paramètres et de puissance de calcul.
II. Les revenus freinent la progression : les difficultés de la commercialisation
Dépenser beaucoup est facile, mais gagner de l'argent l'est moins. C'est le principal problème des entreprises chinoises :
- Un écart significatif de revenus entre la Chine et les États-Unis : OpenAI et Anthropic génèrent plus de 10 milliards de dollars par an, tandis que les entreprises chinoises comme Zhipu, DeepSeek et Kimi ne totalisent que environ 2 milliards de dollars ;
- Le marché national est limité : les activités liées à l'IA d'Alibaba Cloud ne représentent que 7,3 milliards de dollars par an, ce qui reflète le plafond des dépenses des entreprises chinoises ;
- Les modèles open-source ont du mal à générer des revenus : de nombreux modèles open-source sont largement utilisés, mais les entreprises ne peuvent pas en tirer de bénéfices. Kimi essaie de résoudre ce problème en proposant des licences : les entreprises qui utilisent Kimi-K3 pour des produits commerciaux doivent payer, ce qui représente un premier pas vers une utilisation payante.
De plus, le rapport entre la valeur des entreprises chinoises et leurs revenus (valeur/ARR) est beaucoup plus élevé que celui des entreprises américaines. Si les revenus ne suivent pas le rythme des dépenses, la valeur des entreprises peut chuter drastiquement, rendant le financement encore plus difficile.
III. Trois approches différentes pour se distinguer
Sans le soutien financier des géants, les entreprises chinoises doivent trouver leurs propres solutions :
1. Kimi (Moonshine) : nouveau pari sur le pré-entraînement
Auparavant, Kimi était critiqué pour son approche de « distillation » (qui consistait à copier rapidement les capacités des autres modèles) ; maintenant, l'entreprise augmente la taille de ses pré-entraînements, ce qui se traduit par des améliorations significatives dans les tests.
2. Zhipu : optimisation des modèles existants pour réduire les coûts
Zhipu ne cherche pas à augmenter les paramètres de manière aveugle, mais à améliorer les modèles existants par des techniques telles que le traitement de textes longs et l'optimisation par apprentissage automatique. Cela permet d'améliorer les performances tout en réduisant les coûts de calcul, ce qui convient bien aux besoins de déploiement privé des entreprises et des gouvernements chinois.
3. DeepSeek : développement de matériel propriétaire
DeepSeek ne se contente pas d'augmenter les paramètres ; l'entreprise développe également son propre matériel et optimise ses infrastructures de calcul. Comme les contraintes en matière de puissance de calcul deviennent de plus en plus importantes (il est difficile d'obtenir suffisamment de GPU), le développement de matériel propriétaire peut être un avantage décisif.
IV. L'essence de la compétition de pointe : la capacité à créer continuellement de l'intelligence
Comme le souligne l'article, le critère clé de la compétition de pointe n'est pas la puissance des modèles actuels, mais la capacité à créer continuellement de l'intelligence de plus en plus performante. Pour les entreprises chinoises, cela signifie :
- Ne pas se contenter de dépenser pour augmenter les paramètres, mais trouver des moyens d'améliorer les performances à moindre coût ;
- Se tourner vers les marchés internationaux : le marché national est insuffisant, il faut chercher des opportunités à l'échelle mondiale (par exemple, CoreWeave, un cloud AI investi par NVIDIA, qui déploye des modèles open-source chinois, ou Harvey, qui utilise Kimi-K3 pour ses produits juridiques) ;
- Se libérer de la mentalité de suiveur : bien que les entreprises chinoises se concentrent principalement sur OpenAI, il reste à voir si elles pourront développer leur propre voie. Les approches de DeepSeek (matériel + modèles) et de Zhipu (optimisation des coûts) sont des exemples prometteurs.
Cette compétition ne fait que commencer ; seules celles qui parviendront à trouver un équilibre entre dépenses et revenus et à créer de l'intelligence véritablement précieuse survivront.