AI Token à l'international : de l'électricité bon marché et des murs infranchissables

La Chine représente 61 % de l’ensemble des appels de tokens AI dans le monde, mais l’argent qu’elle gagne peut-être ne représente qu’une petite fraction de ce qu’Anthropic gagne.

Une nuit de février 2026, dans le Mission District de San Francisco, un développeur d’origine indienne nommé Arjun fixait l’écran de sa facture. Il utilisait Claude pour exécuter un flux de travail d’agent de revue de code automatisée. Plus d’une dizaine de sous-tâches en parallèle, appelant à répétition le contexte, la consommation de tokens AI n’est pas linéaire, elle est exponentielle. Une nuit, quelques dizaines de dollars ont été brûlés.

Le lendemain, il a basculé sur M2.5 du modèle MiniMax, une entreprise chinoise, sur OpenRouter — la plus grande plateforme d’agrégation de modèles AI au monde. Avec le même flux de travail, la facture a été réduite d’un ordre de grandeur. Le code tournait, le résultat était à peu près le même.

Ce qu’Arjun ne sait pas, c’est que chacune de ses requêtes part de Californie, traverse un câble sous-marin dans le Pacifique, et arrive dans un centre de données dans une province du nord-ouest de la Chine. Le cluster GPU démarre, l’électricité circule du réseau national vers la puce, l’inférence se termine, le résultat est renvoyé en moins de deux secondes.

L’électricité n’a jamais quitté le réseau électrique chinois, mais la valeur de cette électricité, portée par de grands modèles et sous forme de tokens AI, a commencé à sortir vers l’étranger.

Ce n’est pas seulement un choix d’un développeur, c’est toute la Silicon Valley qui est en train de “maximiser les tokens”. Arjun n’est qu’un exemple parmi la frénésie mondiale de consommation de tokens AI.

Et de l’autre côté du Pacifique, la scène est tout autre.

Au printemps de la même année, dans le Gobi du nord-ouest de la Chine, plusieurs centres de calcul, encore très actifs deux ans plus tôt, sont devenus silencieux. Un vieux de la construction de centres de calcul, qui m’a parlé lors d’un moment de FOMO collectif, a dit :

“L’exportation de tokens AI n’est pas aussi simple que beaucoup de médias le prétendent.”

Il ne parlait pas de technique, mais de digestion. La meilleure voie est que les grands fabricants de modèles construisent eux-mêmes leurs centres de calcul ; en second lieu, les opérateurs télécoms avec des canaux de secours ; le pire, ce sont ceux qui, comme des capitaux privés, ont poursuivi la vague AI sans plan B — ils semblent en plein soleil, mais en réalité personne ne les soutient.

Le mur transfrontalier, il ne peut pas passer — ces centres inachevés ou à moitié abandonnés du nord-ouest ne sont pas impossibles à construire, mais une fois bâtis, on se rend compte que : le mur est plus haut que les centrales électriques.

D’un côté, la Silicon Valley qui maximise ses tokens, de l’autre, des centres de données du nord-ouest qui tournent à vide. L’électricité la moins chère de Chine a permis de produire les tokens AI les moins chers du monde. Mais combien de valeur les entreprises chinoises d’IA peuvent-elles réellement en capturer ?

1. Il y a dix ans, une autre vague de clients a visité ces mêmes centrales

En 2015, dans le Sichuan, le Yunnan et le Xinjiang, les gestionnaires de centrales électriques ont commencé à accueillir une étrange clientèle. Ils louaient des bâtiments abandonnés, y installaient des machines compactes, et faisaient fonctionner 24h/24. Ces machines ne produisaient rien, sauf une seule chose : faire un problème mathématique en boucle. Parfois, dans cette infinité de calculs, un bitcoin apparaissait.

C’était la version 1.0 de la sortie de valeur de l’électricité. L’électricité bon marché, via le minage, était convertie en actifs numériques circulant mondialement, puis monétisée en dollars sur les échanges. L’électricité ne traversait aucune frontière, mais sa valeur, portée par le bitcoin, circulait à l’échelle mondiale. Au sommet, la Chine représentait plus de 70 % de la puissance de calcul du bitcoin dans le monde.

Le chemin de capture de valeur du bitcoin est très court — l’électricité devient calcul, le calcul devient BTC, le BTC devient dollar. Sans dépendre de personne. Le bitcoin est un produit terminal, un or numérique soutenu par l’énergie, qui peut être monétisé dès la sortie de la mine. Il peut partir à l’étranger en toute simplicité.

Mais cette voie courte a ses faiblesses.

En 2021, une régulation brutale a dispersé les mineurs, la valeur a été instantanément anéantie. La puissance de calcul a migré vers le Kazakhstan, le Texas, le Canada. Les centrales électriques n’ont pas réduit leur production, mais ces électricités ne peuvent plus se transformer en dollars.

La logique de l’électricité n’a pas disparu, elle attend simplement une nouvelle enveloppe.

Après l’émergence de ChatGPT, la même série de centrales, de bâtiments, voire de contrats d’électricité, se sont transformés en centres de données AI. Les machines de minage ont été remplacées par des GPU, le bitcoin par des tokens AI.

Mais les tokens AI ne sont pas des bitcoins.

Le bitcoin est un produit terminal, le token AI est un semi-fini. Il doit passer par des couches successives de modèles, de produits, de workflows pour devenir quelque chose que le client est prêt à payer. Il ne peut pas partir à l’étranger en toute simplicité. La chaîne industrielle construite autour de ce semi-fini — du green power et des salles de refroidissement liquide en bas, aux puces AI et serveurs au milieu, jusqu’aux API de grands modèles, plateformes d’agrégation et conformité transfrontalière — comporte sept niveaux, tous liés.

La chaîne s’est allongée. Chacune de ses couches peut être détournée.

Ce qui ne change pas, c’est l’électricité, et une question qui reste la même : cette fois, combien de valeur peut-on réellement laisser derrière ?

2. Le voyage d’un kilowatt-heure, et son pont cassé

Pour répondre à cette question, suivons le parcours d’un kilowatt-heure.

Chaque fois qu’Arjun appuie sur Entrée, cinq étapes se succèdent : électricité → calcul → entraînement du modèle → inférence du modèle → livraison du token AI à son écran.

Les trois premières sont déjà terminées. Un kilowatt-heure d’une centrale hydroélectrique du Sichuan, arrivé dans un centre de Mongolie intérieure, a alimenté un cluster GPU pendant plusieurs mois, ingurgitant des trillions de données, entraînant un grand modèle. Après l’entraînement, la “recette” du modèle est fixée. L’avantage électrique de la Chine est entièrement intégré à cette étape — coûts d’entraînement plus faibles, architecture plus efficace, optimisations industrielles issues de la compétition entre une dizaine d’entreprises. L’énergie d’un kilowatt-heure est compressée dans un fichier de quelques centaines de gigaoctets.

Les deux dernières étapes sont en train de se produire. Chaque fois qu’Arjun appuie sur Entrée, un centre de données doit lancer une inférence : charger la recette, consommer du calcul et de l’électricité, produire en temps réel un lot de tokens AI, et le renvoyer. La naissance de chaque token AI nécessite de l’électricité en temps réel.

Le problème, c’est : lequel de ces centres ?

2.1 Deux routes totalement différentes pour l’exportation de tokens AI

Arjun suit la première voie — inférence en Chine, livraison du token AI via API à l’étranger. La requête traverse le Pacifique jusqu’à Guizhou, puis revient à San Francisco. L’électricité verte locale à 0,38 yuan/kWh réduit directement le coût marginal de chaque token AI. La baisse de prix qu’il bénéficie est essentiellement la facture d’électricité chinoise, intégralement transférée.

La seconde voie consiste à déplacer la recette à l’étranger, en Virginie ou à Singapour, pour faire l’inférence. Des entreprises comme Zhipu ou DeepSeek déploient sur Azure de Microsoft, MiniMax sur AWS d’Amazon, en utilisant leur propre électricité locale et GPU local. Le coût de chaque token AI n’a rien à voir avec le prix de l’électricité en Chine.

2.2 Coca-Cola n’exporte jamais ses bouteilles d’eau

Ce mode fonctionne comme Coca-Cola — ils n’exportent pas l’eau en bouteille de leurs usines américaines dans le monde entier, mais la formule, qui est utilisée localement avec l’eau et les lignes d’embouteillage du pays.

Dans le back-office d’Aliyun Bailing, il y a un menu déroulant : “Champ d’application du déploiement” — “Chine continentale”, “International”, “Global”. En choisissant “International”, l’inférence se fait à Virginie, la conformité disparaît, et le prix de l’électricité devient américain. Ce menu est le commutateur entre la première et la deuxième voie.

Mais Coca-Cola peut gagner le monde entier avec sa formule, parce que personne ne peut la copier. Les grands modèles ne sont pas comme ça — DeepSeek, Tongyi Qianwen sont open source, tout le monde peut télécharger les poids. La formule est publique, mais l’embouteillage est fait par d’autres, l’électricité aussi. La seule variable de capture de valeur restante est : la vitesse de sortie de la formule.

Selon un rapport de Galaxy Securities, le cycle d’itération des grands modèles mondiaux est passé de plusieurs mois à quelques mois. Si une interdiction sur les puces ralentit cette itération, la fenêtre de fraîcheur se réduit de plus en plus.

Arjun ne se soucie pas de l’origine de la formule. Il ne regarde que celle qui est la moins chère cette semaine, et si elle sera encore utilisable la semaine suivante.

Le voyage d’un kilowatt-heure à l’étranger s’est coupé entre entraînement et inférence. Ce qui a été coupé, ce n’est pas seulement la chaîne de coûts, mais aussi la capture de valeur.

Le premier mode a conservé l’avantage électrique, mais a perdu le marché — les clients entreprises ne veulent pas que leurs données traversent la Chine, la latence est un problème sérieux. Le second mode a ouvert le marché, mais a perdu le coût — on ne vend plus de l’électricité bon marché, mais la formule elle-même.

Le temps n’est pas en faveur de la Chine. Selon Deloitte, le centre de gravité mondial de l’IA se déplace de la formation vers l’inférence — la part de l’inférence passera de un tiers en 2023 à deux tiers, et pourrait dépasser 80 % à l’avenir. La formation coûte une fois, l’inférence coûte chaque jour. Plus l’inférence devient importante, plus la part que peut influencer le prix de l’électricité diminue.

C’est la différence essentielle entre l’exportation de tokens AI et celle de photovoltaïque. Le photovoltaïque, du silicium aux modules, puis à l’installation, transmet ses avantages de coût tout au long de la chaîne, sans rupture. La chaîne de coûts des tokens AI se fissure entre entraînement et inférence. La prime électrique ne peut pas passer, ce qui se transmet réellement à l’étranger, c’est la capacité d’ingénierie inscrite dans ce fichier de quelques centaines de gigaoctets.

Deux modes, deux impasses. Jusqu’où peut aller cette route, en vendant des tokens AI à bas prix ?

3. L’électricité bon marché, mais le mur infranchissable

Ce n’est pas loin. Trois murs se resserrent autour de cette voie.

Premier mur : le mur physique.

Les requêtes d’Arjun traversent le Pacifique, avec un délai de 150 à 300 ms aller-retour. La conversation ne se ressent pas. Mais le workflow d’agent, qui implique plusieurs dizaines de tours de requêtes, ne peut pas attendre — la latence s’accumule en secondes, et le workflow se bloque. Ce n’est pas une question politique, ni une question de système, c’est la vitesse de la lumière qui décide.

Soit on reste dans la lumière, soit la lumière reste là.

Deuxième mur : le mur réglementaire.

Les entreprises américaines qui achètent des services AI doivent répondre à cinq questions : les données entrent-elles en Chine ? Où sont les logs ? Les entrées et sorties sont-elles utilisées pour l’entraînement ? La conformité est-elle respectée ? En cas de problème, qui est responsable ?

Si on ne peut pas répondre à ces cinq questions, le processus d’achat s’arrête là. Ce n’est pas que le modèle ne fonctionne pas, c’est que le service de conformité ne signe pas.

Le chef économiste de Morgan Stanley, Xing Ziqiang, a évoqué un exemple encore plus aigu : Huawei, avec ses équipements 5G, avait aussi un avantage technique et tarifaire, mais en 2018, elle a été exclue des réseaux de télécommunications européens et américains. Les stations 5G, comme les tokens AI, impliquent tous deux le flux de données via des équipements et des serveurs. Sa phrase était :

“Ne pas trop vanter l’avantage électrique dans l’exportation de tokens, en ignorant les enjeux géopolitiques et de sécurité.”

L’avantage technique ne peut pas compenser le déficit de confiance.

Troisième mur : le mur politique.

Les interdictions sur les puces bloquent la formation, la censure bloque la mise en marché. Ce sont les variables imprévisibles.

Les trois murs limitent très étroitement le périmètre : vendre des tokens AI à bas prix, en passant par ces murs, ne peut atteindre que les développeurs peu sensibles à la conformité, tolérants à la latence, et extrêmement sensibles au prix. La formule, dans cette voie, ne peut pas transmettre l’avantage électrique.

Deux modes, deux impasses. Où en est la position des entreprises chinoises d’IA dans la chaîne de valeur mondiale ?

4. Les champions sur le petit ring, spectateurs de la chaîne de valeur

Le 24 février 2026, OpenRouter publie ses chiffres : les dix premiers modèles en termes de consommation totale de tokens AI représentent 8,7 trillions, dont 5,3 trillions pour les modèles chinois, soit 61 %.

“La Chine dépasse enfin les États-Unis” — cette nouvelle fait le tour de l’Internet chinois.

Le COO d’OpenRouter, Chris Clark, décrit dans un podcast : “Les modèles open source chinois occupent une part exceptionnelle dans le workflow d’agents des entreprises américaines.” Une tâche complexe, avec Claude, coûte entre 50 et 100 dollars, avec DeepSeek V3.2, environ 0,5 dollar. La différence de prix, par centaine de fois, est une ligne de vie ou de mort pour des startups qui font tourner plusieurs dizaines d’agents.

Mais derrière ces 61 %, se cachent deux vérités.

Premier : ce n’est qu’un petit ring.

Les tokens AI consommés par OpenRouter ne représentent qu’environ 3 % du total mondial. La vraie compétition se joue ailleurs, avec des écarts énormes.

En avril 2026, Anthropic dépasse 30 milliards de dollars de revenus annuels. Il y a 15 mois, ce chiffre n’était que 1 milliard — une croissance de 30 fois. Claude Code, un outil de codage, a atteint 1 milliard en six mois. 1000 entreprises paient plus d’un million de dollars par an, et 80 % de leurs revenus viennent de clients entreprises. OpenAI, lui, génère 25 milliards de dollars par an.

De leur côté, en Chine : MiniMax a brûlé 500 millions de dollars en neuf mois, avec un chiffre d’affaires de 79 millions. Le magazine Caijing est encore plus dur — certains API de modèles chinois ont une marge brute négative, chaque requête leur coûte de l’argent.

La Chine produit le plus de tokens AI, mais reste presque invisible dans la chaîne de valeur.

Deuxième : tous les tokens AI n’ont pas la même valeur.

Un même token AI, pour une conversation, vaut 0,01 dollar par million, pour coder, 200 dollars par million, pour la revue juridique, 1000 dollars par million. Un écart de dix mille fois. Selon des estimations industrielles, moins de 5 % de la consommation génère plus de 80 % de la valeur commerciale.

La même semaine que cet article, Anthropic et Blackstone, Goldman Sachs ont créé une coentreprise de 1,5 milliard de dollars, déployant directement des ingénieurs dans les entreprises du portefeuille PE. Et ont lancé 10 agents financiers — génération de pitchbook, KYC, mémos de crédit, clôture mensuelle, audit financier. Jamie Dimon et Dario Amodei étaient présents. Un agent KYC consomme quelques dizaines de dollars de tokens AI à chaque utilisation, mais permet d’économiser des milliers de dollars en coûts de conformité.

C’est la réalité des tokens AI à haute valeur.

Marc Nachmann de Goldman Sachs a dit : “Avoir un modèle seul ne suffit pas pour changer votre workflow. Il faut des gens capables de combiner technologie et métier.”

Cette phrase tranche précisément la différence de valeur entre la Chine et les États-Unis. Les entreprises chinoises vendent la matière première — les tokens AI —, tandis qu’Anthropic vend des solutions intégrées. La Chine, dans la chaîne de développement, n’est pas le chef d’orchestre, mais le ouvrier à la pièce.

C’est comme le photovoltaïque chinois en 2008 — leader mondial en volume, mais avec des marges très faibles sur la composante. La maîtrise du prix, la prime de marque, la part haut de gamme, sont dans les mains des autres. Il faudra encore une dizaine d’années pour que la Chine domine vraiment le marché mondial du photovoltaïque.

Mais l’histoire du photovoltaïque de 2008 ne s’est pas arrêtée à “du volume sans profit”. Les entreprises chinoises qui ont gagné la course mondiale ne l’ont pas fait en étant les moins chères, mais en contrôlant toute la chaîne, du silicium aux modules, puis aux centrales.

L’espoir de l’exportation de tokens AI ne repose pas uniquement sur le prix de l’électricité — mais sur la capacité à passer de “producteur le plus cheap” à infrastructure intégrée dans le workflow des entreprises.

Il y a déjà des tentatives.

XunSce, dans la finance et l’énergie, utilise des tokens AI pour facturer et lier profondément clients, données et processus métier. La part des tokens dans leur facturation est passée de 5 % à 20-30 %, et ils ont été rentables pour la première fois fin 2025. Ils ne vendent pas des tokens bon marché, mais “re-facturent leur business avec des tokens AI”. La logique est la même que celle d’Anthropic pour Goldman — sauf qu’ici, c’est dans une industrie verticale chinoise, et qu’ils ont déjà levé 1,5 milliard de dollars avec Jamie Dimon.

L’écart est énorme, mais la direction est la bonne.

5. L’électricité n’a pas changé, mais la facture oui

En mai 2026, Doubao lance une version payante à 68 yuans par mois. Avec 345 millions d’utilisateurs actifs mensuels, le produit commence à faire payer.

La même semaine, Tencent Cloud augmente ses prix AI de 5 %, et le prix de GLM-5 de Zhipu est 50 % plus élevé que la génération précédente.

Certains ont analysé le coût d’inférence de Doubao — 58 % pour l’équipement, 29 % pour l’électricité. Chaque utilisateur supplémentaire consomme une part supplémentaire du cluster GPU. En interne, chez ByteDance, on commence à dire : “On ne voit pas de voie claire vers la monétisation, et le coût d’inférence pour un DAU élevé pèse sur la marge.”

Les jours où plusieurs dizaines de sociétés perdaient de l’argent pour faire du bruit sont révolus.

L’augmentation des prix révèle une question plus fondamentale que les trois murs : si l’avantage électrique réduit le coût de production des tokens AI, la valeur de ces tokens ne dépend pas du coût de production, mais de leur usage. Un kilowatt-heure transformé en tokens AI, pour la conversation ou la décision d’entreprise, a une valeur dix-mille fois différente.

La Chine possède l’électricité la moins chère du monde, a entraîné la production des tokens AI les moins chers, et détient 61 % de leur consommation sur OpenRouter. Mais l’année de revenus d’Anthropic pourrait dépasser la somme de toutes les grandes entreprises chinoises de modèles.

Les centrales hydroélectriques dans les montagnes du Guizhou tournent encore. Il y a dix ans, cette même électricité alimentait des mines, qui ont disparu. Aujourd’hui, cette même électricité alimente des usines à tokens AI. Les usines existent, mais la quantité de tokens produits ne cesse d’augmenter, la valeur restante diminue.

Arjun a encore économisé des dizaines de dollars ce soir. Mais chaque dollar qu’il a économisé, c’est précisément la part de valeur que les entreprises chinoises d’IA n’ont pas réussi à capturer.