L’approche chinoise de l’intelligence artificielle s’éloigne du modèle de la Silicon Valley : les modèles sont de plus en plus ouverts, peu coûteux à exploiter et conçus pour une application large plutôt que pour une course solitaire vers une superintelligence spéculative. Le lancement récent et l’adoption rapide du Kimi K3 de Moonshot AI illustrent ce déplacement et mettent en lumière un modèle pragmatique de diffusion de l’IA dans l’économie.
Pourquoi Kimi K3 a fait mouche
La sortie du Kimi K3 — un modèle dont les capacités égaleraient, selon les premières réactions du secteur, celles des systèmes de pointe d’Anthropic et d’OpenAI — a suscité une attention soutenue. La demande a temporairement mis à l’épreuve la capacité de Moonshot, contraignant l’entreprise à suspendre les abonnements le temps d’augmenter ses ressources. Des allégations selon lesquelles certains laboratoires chinois auraient entraîné leurs modèles à partir de systèmes américains ont circulé, mais ces affirmations restent non vérifiées.
Au-delà des performances, c’est le modèle de distribution du Kimi qui importe : il est diffusé en tant que modèle à poids ouverts, ce qui permet à toute entreprise ou développeur de télécharger le modèle, de l’exécuter sur des serveurs locaux et de l’adapter à des usages spécifiques. Cette ouverture est désormais courante chez plusieurs fournisseurs chinois, notamment Alibaba, DeepSeek, Z.ai et MiniMax. Les entreprises monétisent généralement via des services annexes — hébergement, intégration en entreprise, personnalisation — plutôt que par des frais par requête.
IA chinoise : ouverte, bon marché et axée sur l’application
La combinaison de poids accessibles et de coûts d’exploitation réduits positionne l’IA chinoise comme une plateforme propice à une large adoption industrielle. Développeurs et entreprises peuvent créer des applications sur mesure — de la gestion du commerce en ligne à l’optimisation logistique en passant par le marketing ciblé — sans supporter les coûts élevés par token associés aux modèles fermés des acteurs américains.
Cette accessibilité résulte à la fois d’un choix stratégique et de contraintes. Les restrictions sur la vente de puces Nvidia de pointe à la Chine visaient à ralentir ses progrès, mais elles ont aussi incité les laboratoires locaux à privilégier l’efficacité. De nombreux modèles chinois offrent désormais des performances élevées pour une fraction du coût de calcul de certains équivalents américains, rendant leur déploiement sur des infrastructures locales économiquement attractif.
Modèles américains fermés, centres de données et coûts environnementaux
À l’inverse, les modèles américains de premier plan restent largement fermés et facturés à l’usage, les entreprises payant des frais substantiels par token pour accéder aux capacités via des API. Pour répondre à une demande en forte hausse, les entreprises américaines construisent d’importants centres de données, une expansion qui comporte des compromis environnementaux et a suscité des oppositions locales. L’intensité capitalistique de la course à l’intelligence artificielle générale (AGI) a également laissé plusieurs acteurs de pointe non rentables, tandis que les investisseurs misent sur des retours futurs en cas de réalisation de l’AGI.
Les entreprises chinoises, en revanche, se concentrent généralement sur la création de modèles performants et économes, intégrables dans des produits et services. Cet accent pragmatique sur les applications à court terme contribue à diffuser les gains d’efficacité sur une base plus large d’entreprises et de travailleurs.
Sentiment public et garde-fous réglementaires
Les attitudes du public envers l’IA diffèrent nettement entre les deux pays. (Le texte original se termine de façon incomplète.)
