Stratégie d'autonomie chinoise : lorsque la demande augmente, les alternatives diminuent

Lorsque l’on parle du secteur mondial de l’intelligence artificielle, nous faisons face à une équation étrange : plus la demande en puissance de calcul augmente, plus les options de sources fiables se réduisent. C’est exactement la situation actuelle en Chine — et la façon dont elle y répond redéfinit la balance des forces dans l’industrie.

La véritable contrainte n’est pas dans les puces, mais dans l’environnement logiciel

Certains pensent que l’interdiction des puces est la menace principale. Mais la réalité est bien plus profonde. Ce qui étouffe réellement les entreprises chinoises d’IA, ce n’est pas les puces elles-mêmes, mais un environnement logiciel appelé CUDA.

Depuis 2006, NVIDIA a construit autour de sa plateforme CUDA un empire inégalé. Cette plateforme, qui transforme la puissance des processeurs graphiques en un outil de calcul haute performance, est devenue la base sur laquelle presque tous les modèles d’IA modernes sont construits. Après deux décennies d’évolution, le nombre de développeurs liés à CUDA dépasse 4,5 millions, répartis dans plus de 40 000 entreprises à travers le monde.

Voici le problème : un développeur d’IA ne peut simplement pas abandonner CUDA pour une autre technologie. Chaque ligne de code, chaque bibliothèque, chaque expérience accumulée au fil des ans — tout cela est profondément lié à cet environnement. La transition nécessiterait une réécriture massive des compétences de milliers des esprits les plus brillants. Qui assumera ce coût ?

Des algorithmes à l’autonomie : la voie alternative de la Chine

Mais au lieu de faire face directement à l’interdiction, les entreprises chinoises ont choisi une voie radicalement différente. Entre fin 2024 et 2025, elles ont opéré une transformation stratégique vers des modèles d’experts hybrides — une technique qui divise un grand modèle en plusieurs petits experts, n’activant que ceux nécessaires pour chaque tâche.

DeepSeek a lancé son modèle V3 avec 671 milliards de paramètres, mais n’utilise que 37 milliards lors de l’inférence. Résultat : un coût d’entraînement de seulement 5,576 millions de dollars — contre 78 millions pour GPT-4 d’OpenAI. La différence ne réside pas dans des détails techniques ordinaires, mais dans une avancée qualitative en termes d’efficacité.

Ce progrès s’est traduit directement par une baisse des prix. L’interface logicielle de DeepSeek coûte entre 0,028 et 0,28 dollar par million de tokens d’entrée, contre 5 dollars pour GPT-4. Cette différence — de 25 à 75 fois moins cher — n’est pas qu’un avantage tarifaire. C’est devenu une arme stratégique.

En seulement trois semaines en février 2026, l’utilisation des modèles chinois sur OpenRouter, la plus grande plateforme de distribution d’interfaces d’IA au monde, a augmenté de 127 %. La part des modèles chinois, qui ne représentait que 2 % l’année précédente, a atteint près de 60 % un an plus tard — une croissance de 421 %.

Une infrastructure locale mature : de l’inférence à la formation

Le vrai changement est en marche. Les puces locales chinoises ont dépassé le stade de « capacité d’inférence » pour atteindre un niveau plus crucial : « capacité de formation ».

À Qidong, une ligne de production locale de 148 mètres de long a été mise en service en 2025, en un temps record — de la conception à la production en seulement 180 jours. Cette ligne produit des processeurs Loongson 3C6000 et des cartes T100 AI de Taichu Yuanqi — des puces 100 % chinoises, conçues et fabriquées localement.

Résultat : un serveur complet produit toutes les cinq minutes. Avec un investissement de 1,1 milliard de yuans, la capacité annuelle est estimée à 100 000 unités.

Plus important encore, ces puces commencent déjà à supporter des tâches de formation réelles pour des modèles massifs. Zhipu AI et Huawei ont lancé ensemble le modèle GLM-Image en janvier 2026 — le premier modèle avancé de génération d’images entièrement entraîné sur des puces chinoises. Un mois plus tard, le géant des télécommunications China Telecom a formé un modèle « étoile » massif, entièrement sur des infrastructures chinoises.

Ce n’est pas une avancée technique ordinaire — c’est une transformation qualitative. La formation exige un traitement massif de données, des calculs complexes et des mises à jour de paramètres — des exigences dix fois supérieures à celles de l’inférence.

Le pilier central de cette transformation est la puce Ascend de Huawei. Fin 2025, le nombre de développeurs dans l’écosystème Ascend dépasse 4 millions, avec 3 000 partenaires industriels. Quarante-trois modèles clés ont été entraînés sur Ascend, et plus de 200 modèles open source ont été adaptés.

En mars 2026, Huawei a lancé sa nouvelle technologie de calcul SuperPoD hors du marché chinois pour la première fois. La puissance de traitement de la puce Ascend 910B atteint celle de l’NVIDIA A100. Si un écart subsiste, la différence fondamentale a changé : de « inutilisable » à « utilisable efficacement ».

Électricité et nouveau monde : quand l’énergie devient une arme stratégique

Alors que l’attention se porte sur les puces et les algorithmes, un phénomène plus discret mais plus impactant se développe : l’écart énergétique s’accroît à une vitesse vertigineuse.

Début 2026, les États-Unis font face à une crise énergétique aiguë. La Virginie a suspendu l’approbation de nouveaux projets de centres de données, suivie par la Géorgie jusqu’en 2027. Le réseau électrique de la côte est affiche un déficit de capacité de 6 GW. D’ici 2033, le pays devra faire face à un déficit total de 175 GW — l’équivalent des besoins de 130 millions de foyers.

La consommation des centres de données américains a atteint 183 térawattheures en 2024 — environ 4 % de la consommation nationale totale. Elle devrait doubler d’ici 2030. À elle seule, l’IA pourrait représenter entre 20 et 25 % de la consommation électrique américaine d’ici 2030.

Les coûts d’électricité en gros dans les zones concentrant ces centres ont augmenté de 267 % en cinq ans.

En Chine, la situation est radicalement différente. La Chine produit 10,4 térawattheures par an — 2,5 fois plus que les États-Unis (4,2 térawattheures). Plus important encore : la consommation résidentielle ne représente que 15 % du total, contre 36 % aux États-Unis. Cela signifie une énorme capacité énergétique disponible pour les investissements en calcul.

Les prix de l’électricité industrielle en Chine occidentale tournent autour de 0,03 dollar par kilowattheure — soit un quart ou un cinquième du coût de l’électricité dans les régions américaines axées sur l’IA (0,12-0,15 dollar).

L’écart n’est pas marginal — c’est structurel. Déplacer des opérations intensives en calcul d’une région en pénurie énergétique vers une région à l’abondance relative change complètement la donne économique.

Les symboles remplacent les produits : comment la Chine redéfinit ses exportations

Alors que les États-Unis traversent une crise énergétique, l’IA chinoise se déploie discrètement sur les marchés mondiaux. Mais cette fois, ce qui sort n’est pas une usine ou un produit — ce sont des « tokens », ces unités précises traitées par les modèles d’IA.

Ces tokens sont produits dans des usines de calcul chinoises, puis transférés via des réseaux mondiaux vers le reste du monde. C’est une nouvelle marchandise numérique — pas besoin de navires ou de douanes, juste une connexion Internet.

Les données de distribution des utilisateurs de DeepSeek racontent l’histoire : 30,7 % en Chine, 13,6 % en Inde, 6,9 % en Indonésie, 4,3 % aux États-Unis, 3,2 % en France. Supportant 37 langues, ils ont conquis les marchés émergents comme le Brésil.

Vingt-six mille entreprises mondiales ont créé des comptes, et 3 200 institutions ont déployé des versions d’entreprise. D’ici 2025, 58 % des nouvelles startups d’IA auront intégré DeepSeek dans leur infrastructure.

En Chine, elles détiennent 89 % du marché. Dans les pays sous sanctions, la part oscille entre 40 et 60 %.

Une leçon historique du Japon : construire le système plutôt que le simple produit

Il y a quarante ans, le Japon a connu une crise similaire. En 1986, sous une pression énorme des États-Unis, le gouvernement japonais a signé un accord sur les semi-conducteurs avec les États-Unis — un accord qui lui a ôté son autonomie technologique.

En 1988, le Japon contrôlait 51 % du marché mondial des semi-conducteurs, contre 36,8 % pour les États-Unis. Six des dix plus grandes entreprises de semi-conducteurs mondiales étaient japonaises : NEC, Toshiba, Hitachi, Fujitsu, etc. Intel a perdu 173 millions de dollars cette année-là, frôlant la faillite.

Mais après cet accord, tout a changé. Les États-Unis ont utilisé des mécanismes d’enquête approfondie, tout en soutenant Samsung et Hynix pour affaiblir le marché japonais par des prix bas. La part du Japon dans le marché des DRAM est passée de 80 % à 10 %.

En 2017, la part du Japon dans le marché des circuits intégrés (IC) n’était plus que de 7 %. Les entreprises autrefois imbattables ont disparu ou ont été rachetées, ou ont sombré dans des pertes continues.

La véritable raison de cette fuite n’était pas un déficit technique, mais un choix stratégique fatal : accepter d’être « le meilleur produit » dans un système mondial dominé par une seule puissance, plutôt que de construire un écosystème indépendant.

Quand la vague s’est retirée, ils ont compris qu’ils ne possédaient plus rien d’autre que leur ligne de production.

La voie chinoise : même défi, choix radicalement différent

Aujourd’hui, la Chine fait face aux mêmes pressions — et même plus. Trois vagues de restrictions sur les puces (2022, 2023, 2024), avec une intensification continue. Les murs de l’environnement CUDA restent très élevés.

Mais la différence réside dans la réponse. Plutôt que de chercher à devenir « le meilleur produit » dans un système contrôlé par NVIDIA, la Chine construit un écosystème indépendant.

Elle a commencé par des améliorations radicales des algorithmes. Ensuite, l’infrastructure locale est passée de la capacité d’inférence à celle de formation. Elle a rassemblé 4 millions de développeurs dans l’écosystème Ascend. Enfin, elle a déployé des tokens à l’échelle mondiale, dans les marchés émergents comme dans les pays avancés.

Chaque étape construit une véritable autonomie — quelque chose que le Japon n’a jamais possédé.

Le 27 février 2026, trois entreprises chinoises de fabrication de puces d’IA ont publié leurs résultats financiers le même jour. Kemo a augmenté ses revenus de 453 % et a réalisé ses premiers bénéfices annuels. Moitun a crû de 243 %, mais a perdu 1 milliard de dollars. Moxi a augmenté de 121 %, avec une perte de 800 millions.

C’est à la fois du feu et de l’eau. Le feu, c’est la folie du marché. L’eau, c’est le coût de construire un écosystème.

Chaque perte est une somme réelle dépensée dans la course à l’indépendance — investissements en R&D, soutien logiciel, ingénieurs sur le terrain résolvant les problèmes de traduction, un prix à payer pour l’autonomie.

Ces trois rapports financiers illustrent de façon saisissante cette guerre pour la puissance de calcul, plus que tout rapport industriel. Ce n’est pas une victoire inspirante, mais une bataille acharnée, livrée sur la ligne de front, où le sang coule.

Mais la nature de la guerre a changé. Il y a huit ans, nous demandions : « Pouvons-nous rester ? ». Aujourd’hui, la vraie question est : « Quel prix sommes-nous prêts à payer ? ».

Et ce prix, c’est le progrès.