Rapport approfondi de Goldman Sachs : qui deviendra le gagnant de long terme de l’industrie des grands modèles d’IA en Chine ?

null

Auteur : Wall Street à l’affût

Les grands modèles d’IA chinois se trouvent à un tournant historique. Goldman Sachs estime que les performances intelligentes des grands modèles propriétaires de poids ouverts et de modèles open source en Chine ont déjà atteint des niveaux proches des meilleurs modèles propriétaires mondiaux, et que les volumes d’adoption des entreprises locales ainsi que des PME à l’échelle mondiale s’étendent rapidement. En conséquence, l’effet de moteur de données générera encore davantage d’améliorations et de mises à niveau des modèles.

D’après Pursuifan Trading Desk, le dernier rapport de Goldman Sachs indique que cette trajectoire d’évolution peut se résumer par : « le moment d’efficacité des coûts de DeepSeek l’an dernier, jusqu’au moment d’intelligence des modèles de cette année pour GLM de Zhipu ». L’équipe menée par l’analyste Ronald Keung, dans ce rapport de 50 pages, procède à une évaluation systématique autour de quatre questions centrales : comment les modèles d’IA chinois atteignent de hautes performances à bas coûts, pourquoi ils choisissent la voie open source, comment ils se monétisent, où se situent les marchés adressables clés, et qui deviendra le gagnant durable.

Sur le plan de la dynamique concurrentielle, Goldman Sachs a mis en place un « cadre de positionnement concurrentiel » fondé sur la capacité de tarification, l’avantage en coûts et la solidité financière, et en déduit que, dans le domaine des modèles de base (texte), Zhipu (première couverture) et DeepSeek (non coté) sont les plus solides ; dans le domaine multimodal, ByteDance (non coté) mène. Goldman Sachs maintient également des recommandations « acheter » sur MiniMax et Kuaishou.

L’art de faire petit avec grand, l’efficacité pour gagner

Les grands modèles chinois peuvent atteindre des performances proches à des coûts nettement inférieurs à ceux de produits comparables aux États-Unis ; le cœur réside dans la double percée de l’innovation d’architecture et de l’efficacité des paramètres.

Le rapport de Goldman Sachs indique que, pour les modèles open source chinois, l’ordre de grandeur des paramètres se situe généralement entre 200 milliards et 1 600 milliards, soit seulement 2 % à 10 % des meilleurs modèles mondiaux, principalement en raison de la contrainte d’accès aux capacités de calcul haut de gamme. Dans le même temps, des innovations comme l’architecture de mélange d’experts (MoE) et les mécanismes d’attention clairsemée font que la proportion des paramètres réellement activés n’est que de 3 % à 5 % du total, ce qui réduit fortement les coûts d’entraînement et d’inférence.

Au niveau de modèles spécifiques, DeepSeek V4 Pro compte 1 600 milliards de paramètres, GLM5.2 de Zhipu 0,7 milliard, et MiniMax M3 0,4 milliard.

Goldman Sachs attribue le bond récent de la capacité de programmation des modèles chinois à la synergie entre la sélection de données et l’entraînement post-apprentissage par renforcement. Le 27 juin, DeepSeek a lancé le framework de décodage spéculatif DSpark, déjà déployé dans les services en ligne de V4-Flash et V4 Pro : sans modifier les poids du modèle ni la qualité des sorties, il permet d’accélérer la vitesse de génération par utilisateur de 60 % à 85 % (V4-Flash) et de 57 % à 78 % (V4 Pro).

Le LongCat 2.0 publié par Meituan le 30 juin est vu par Goldman Sachs comme un jalon important vers l’autonomisation de l’infrastructure de base de l’IA en Chine : il s’agit du premier modèle open source MoE de 1 600 milliards de paramètres en Chine, entièrement entraîné et déployé à partir de 50 000 cartes de calcul nationales. Goldman Sachs estime que cela démontre la faisabilité d’une chaîne matérielle localisée pendant l’étape d’entraînement pré-entraînement gourmande en calcul, ce qui a une portée profonde pour aider les modèles d’IA chinois à se défaire de la dépendance aux puces étrangères haut de gamme.

Marché polarisé en deux camps, les plus forts deviennent plus forts

Goldman Sachs décrit le marché des modèles d’IA chinois comme en train de former une « structure en deux niveaux », et identifie deux quadrants visant la maximisation de l’ARR.

Sur le segment haut de gamme, représenté par GLM5.2 de Zhipu et Qwen3.7 Max d’Alibaba, le prix des modèles de premier plan s’établit à environ 1 dollar par million de tokens, soit 5 fois celui des modèles bas de gamme ; la marge brute d’inférence serait d’environ 10 % à 20 % (estimation de Goldman Sachs). En comparaison, les meilleurs modèles américains se tarifient à 4 à 8 dollars par million de tokens : les modèles haut de gamme chinois se situent à seulement 10 % à 25 %, mais, grâce à un ratio de paramètres activés plus faible, ils maintiennent tout de même une marge brute positive.

Sur le segment bas de gamme, pour les tâches destinées aux agents, les modèles se tarifient jusqu’à 0,06 à 0,2 dollar par million de tokens, en ouvrant le marché mondial des PME et des utilisateurs individuels sensibles au prix. MiniMax réalise 60 % à 70 % de son chiffre d’affaires à l’étranger. À noter : DeepSeek a annoncé l’introduction, à partir de la mi-juillet, d’un mécanisme de tarification heures de pointe/heures creuses pour la série V4. Les tarifs en heures de pointe sont le double des tarifs hors pointe ; la tarification mixte s’établit à environ 0,35 dollar par million de tokens (V4 Pro) et 0,12 dollar par million de tokens (V4 Flash).

Goldman Sachs prévoit que les revenus d’API et d’abonnement des modèles d’IA chinois passeront de 35 000 millions de yuans (estimation pour 2026) à 879 000 millions de yuans en 2030, soit une consommation quotidienne de tokens qui passera de 35 000 milliards à 4 600 milliards de tokens, une hausse d’environ 25 fois.

Stratégie open source : pénétration large, trajectoire de monétisation à améliorer

Le rapport de Goldman Sachs détaille la logique stratégique de l’adoption généralisée, en Chine, des voies open source / poids ouverts pour les modèles d’IA et ses limites en matière de monétisation.

L’avantage central d’une stratégie open source réside dans la flexibilité de déploiement et l’écosystème communautaire. Les séries Qwen d’Alibaba, DeepSeek, GLM de Zhipu et MiniMax M3 adoptent toutes une approche open source ou à poids ouverts ; le modèle Seed de ByteDance constitue le principal exemple de différence : il suit une voie entièrement fermée et propriétaire. Le mode open source permet de déployer les modèles de manière flexible en Chine continentale comme à l’étranger, et d’accélérer les itérations grâce aux retours de la communauté.

Cependant, Goldman Sachs souligne que les chiffres d’ARR divulgués par les entreprises de modèles open source risquent d’être fortement en dessous de l’ampleur réelle des déploiements et du potentiel de revenus. Par exemple, pour Zhipu : son objectif d’ARR fin 2026 est de 1 milliard de dollars, mais le volume de déploiement réel de GLM5.2 à l’échelle mondiale sera bien supérieur à la quantité de tokens et aux revenus via les propres canaux API de Zhipu — le portail MaaS d’Alicloud « Bainlian » peut héberger directement le modèle open source GLM5.2, sans que Zhipu ne soit rémunéré.

Goldman Sachs s’attend à ce que l’industrie migre progressivement d’un pur open source (licence MIT, entièrement gratuit) vers un modèle « poids ouverts + licence communautaire » : en clair, l’usage commercial nécessitera un accord de partage des revenus avec la société du modèle. La gamme de MiniMax M a déjà été la première à adopter ce mode. Goldman Sachs estime que cette évolution améliorera nettement l’efficacité économique unitaire des sociétés de modèles d’IA : les sociétés de modèles pourront bénéficier d’accords de partage de revenus avec des plateformes comme AWS Bedrock et Alibaba Bainlian, sans avoir à assumer elles-mêmes les coûts de calcul d’inférence.

Du « maximiser les tokens » à la priorité au ROI

Goldman Sachs qualifie l’expansion des marchés internationaux comme le plus grand espace de hausse pour les modèles d’IA chinois, en particulier dans les marchés hors États-Unis.

L’équipe de recherche États-Unis de Goldman Sachs estime qu’en 2030, l’IA pour agents stimulera une croissance de 24 fois de la consommation mondiale de tokens, pour atteindre 120 mille milliards de tokens par mois. Dans ce total, les agents d’entreprise contribuent à +55 fois, et les agents grand public à +12 fois. Sur le marché mondial (hors Chine), les modèles d’IA chinois ont déjà gagné une part de tokens significative grâce à l’amélioration des performances et à l’avantage prix.

Le rapport de Goldman Sachs indique que le paradigme d’utilisation de l’IA par les entreprises connaît une transformation fondamentale, passant de « maximiser les tokens » à « privilégier le ROI ». Le premier a dominé de fin 2025 à début 2026 : les entreprises assimilent une consommation de tokens élevée à la productivité de l’organisation. Le second, lui, se concentre sur des limites claires des tâches, le nombre d’agents actifs chaque jour, l’automatisation des processus côté back-end et la production réelle. Une étude de tendances d’ingénierie de Jellyfish AI montre que, dans les entreprises, les utilisateurs d’IA intensifs consomment 10 fois plus de tokens, mais la production ne progresse que d’environ 2 fois.

Au niveau des canaux, l’Alphabet Gemini Enterprise Agent Platform et l’AWS Bedrock d’Amazon fournissent déjà des services de hébergement pour des modèles d’IA chinois tels que DeepSeek, MiniMax, Moonshot, GLM et Qwen. D’après un article du Wall Street Journal, le PDG de Microsoft a récemment indiqué que Microsoft envisage d’héberger une version de DeepSeek dans Copilot, comme modèle optionnel à faible coût, et a souligné que si DeepSeek est hébergé, il fonctionnera au sein de l’écosystème cloud de Microsoft, garantissant que les données clients restent au sein d’Azure.

Qui sont les gagnants sur le long terme ?

Goldman Sachs a construit un cadre de positionnement concurrentiel en trois dimensions, afin d’évaluer la probabilité de victoire durable de chaque acteur via des indicateurs quantitatifs ; la formule centrale est : taille de l’ARR × avantage de marge brute + solidité financière.

La dimension « capacité de tarification » examine la vitesse de mise sur le marché (comparaison avec les modèles précédents et de niveau équivalent), le score LMArena (basé sur des évaluations d’utilisateurs issues de tests à grande échelle à l’aveugle) et le niveau de tarification mixte par million de tokens.

La dimension « avantage en coûts » examine le débit (nombre de tokens par seconde), le taux de succès du cache, le ratio de paramètres activés et la marge brute d’inférence. La dimension « solidité financière » examine la trésorerie disponible, la part de la trésorerie nette dans l’actif total, ainsi que le multiple d’évaluation.

Dans le domaine des modèles de base de texte, Goldman Sachs estime que Zhipu (première couverture, recommandation neutre, valorisation cible 110 milliards de dollars) et DeepSeek (non coté) sont les plus forts : les deux affichent de solides performances à la fois en capacité de tarification et en avantage de coûts. L’évaluation implicite totale des sociétés indépendantes de modèles d’IA dépasse 200 milliards de dollars.

Dans le domaine multimodal / génération vidéo, ByteDance mène grâce à Seedance : selon LatePost et 36Kr, la marge brute de Seedance atteint 70 % et le taux d’exécution de l’ARR dépasse 2 milliards de dollars. Kuaishou et MiniMax Hailuo / le modèle H3 à venir sont également jugés prometteurs par Goldman Sachs : l’établissement attend que, au second semestre 2026, ils bénéficient des percées fonctionnelles issues de la fusion génération vidéo + LLM, ainsi que d’une tension d’offre favorisant une tarification saine.

Goldman Sachs maintient une recommandation « acheter » sur MiniMax, avec un prix cible de 860 HKD. La raison est que son modèle M3 se trouve dans le quadrant de maximisation de l’ARR à la fois avec un volume de tokens élevé et une tarification attrayante, et que son évaluation actuelle ne représente que 13 fois l’ARR de fin 2026 ; par rapport aux multiples d’évaluation des sociétés chinoises et mondiales comparables, il existe une décote nette. Le ratio risque/rendement penche nettement vers le haut.