Un article pour tout comprendre : les huit meilleures entreprises d’IA de Chine et des États-Unis, et les fondateurs derrière les modèles

编译：PANews 大钳子

Il n’y a pas de réponse unique et correcte pour l’entrepreneuriat en IA. Des chercheurs orientés publication, des équipes de “commercialisation” académique, des ingénieurs-quant (approche ingénierie + quant), des entrepreneurs transversaux, ainsi que des organisateurs orientés exécution peuvent tous trouver leur place dans cette compétition.

Au cours des dix dernières années, l’intelligence artificielle est passée de la recherche de pointe en laboratoire à une force centrale qui redessine la structure de l’industrie technologique. Aujourd’hui, les entreprises d’IA les plus suivies à l’échelle mondiale incluent non seulement OpenAI, Google DeepMind, Anthropic et xAI, mais aussi DeepSeek, Face au Clair de Lune, Zhipu AI et MiniMax.

En surface, elles développent toutes de grands modèles. En revanche, elles incarnent des trajectoires entrepreneuriales totalement différentes : certains viennent de la recherche académique de haut niveau et d’articles de référence ; d’autres transforment les résultats des laboratoires universitaires en industrie ; certains accumulent d’abord capacité de calcul et capitaux dans la finance quantitative ; et d’autres excellent dans le financement, le produit, l’opérationnel et l’organisation, rassemblant des équipes techniques en une société de niveau mondial.

🇨🇳 Chine : des articles de recherche aux laboratoires académiques, puis à l’ingénierie quantitative

Face au Clair de Lune : transformer un article qui change l’industrie en un produit utilisable par tous

Face au Clair de Lune a été fondée en 2023. Son produit Kimi est l’une des applications de grands modèles les plus reconnaissables en Chine, représentant le modèle Kimi K3, qui met l’accent sur le multimodal, le long contexte, la programmation et le raisonnement approfondi.

La fondatrice Yang Zhilin, née en 1992 à Shantou, dans la province du Guangdong, est diplômée de l’université Tsinghua. Elle a ensuite obtenu un doctorat en informatique à l’université Carnegie Mellon, auprès de chercheurs spécialisés en traitement du langage naturel. Durant son doctorat, elle a participé à des travaux ultérieurement largement cités, comme Transformer-XL et XLNet. Par la suite, elle a également mené des recherches en IA chez Google Brain et Meta.

Parmi ces entrepreneurs en Chine, Yang Zhilin suit une voie particulièrement typique : prouver d’abord la qualité de son jugement dans le milieu académique, puis convertir ce jugement en un produit directement utilisable par le grand public. Par rapport à Zhipu AI, qui suit une voie davantage orientée services aux entreprises, Face au Clair de Lune cible dès le départ le segment C (consommateurs).

Zhipu AI : un modèle de “commercialisation” sorti des laboratoires de Tsinghua

Zhipu AI a été fondée en 2019, issue du système du laboratoire d’ingénierie des connaissances de l’université Tsinghua. Sa voie technique est incarnée par la série GLM, avec un déploiement de long terme des modèles de base, des services aux entreprises et des plateformes de modèles.

Cofondateur et CEO, Zhang Peng : ses parcours de licence, master et doctorat se déroulent à l’université Tsinghua. Entre 2005 et 2020, il s’est profondément investi dans la construction du laboratoire d’ingénierie des connaissances et de la plateforme académique AMiner, sans expérience de “cyber géant” Internet classique.

La particularité de Zhipu AI tient à son point de départ : elle ne démarre pas de zéro grâce à un produit viral. Elle transforme directement une base de connaissances et un réseau académique accumulés en une dizaine d’années au sein d’un laboratoire universitaire en une plateforme de modèles de base offrant des services à l’extérieur. C’est aussi, pour Face au Clair de Lune, le principal contraste : l’un fait d’abord la plateforme, l’autre fait d’abord le produit.

DeepSeek : l’argent gagnée avec le trading quantitatif investi dans les grands modèles

DeepSeek a été fondée en 2023. L’entreprise se concentre sur les modèles de base, l’efficacité de l’entraînement et les poids ouverts (open weights). Les modèles représentatifs incluent DeepSeek-V3, R1 et la série V4 qui suit.

Le fondateur Liang Wenfeng, né en 1985 à Wuchuan, Zhanjiang, dans le Guangdong, a fait sa licence en ingénierie électronique et information à l’université de Zhejiang. Il a ensuite obtenu un master en information et communications, avec des axes de recherche incluant la vision par ordinateur. Il n’a pas un parcours dans des “grands groupes” comme Huawei, Tencent ou Baidu : pendant la période de ses études supérieures, il s’est plongé dans le trading quantitatif en machine learning, puis a cofondé ensuite une entreprise de quant, VisionFund Quant (Huanfang Quant).

La voie de Liang Wenfeng est la plus singulière parmi ces entreprises : il ne fait pas d’abord le chercheur puis cherche des financements ; il accumule d’abord capitaux et capacité de calcul grâce aux investissements quantitatifs, puis renverse ensuite la vapeur en investissant ces ressources dans la recherche et le développement de grands modèles. DeepSeek est, d’une certaine façon, un produit de “la capacité de calcul gagnée via la finance, nourrie à l’IA”.

MiniMax : passer de cadres techniques de grands groupes à des entrepreneurs multimodaux

MiniMax a été fondée en 2022. C’est une société de modèles de base multimodaux, couvrant le texte, la voix, les images et la vidéo. Ses produits incluent Hailuo AI, Xingye, etc.

Le fondateur Yan Junjie : licencié en mathématiques à l’université du Sud-Est (Southeast University), docteur en IA à l’Institut d’automatisation de l’Académie chinoise des sciences, et a aussi terminé une recherche postdoctorale à l’université Tsinghua. Avant de se lancer dans l’entrepreneuriat, il a travaillé plus de six ans chez SenseTime, atteignant le poste de vice-président et de vice-directeur du centre de recherche.

Yan Junjie cumule deux expériences : une formation académique solide, et une expérience pratique en gestion produit et en conduite d’équipes dans un groupe d’IA à grande échelle comme SenseTime. MiniMax choisit de faire la voie plus difficile du multimodal. Dans une certaine mesure, c’est aussi un choix “naturel” qui résulte de l’addition de ces deux expériences.

🇺🇸 États-Unis : de la recherche fondamentale à la gouvernance de la sécurité, puis l’intégration de ressources transversales

Anthropic : un frère et une sœur, moitié physiciens, moitié gouverneurs

Anthropic a été fondée en 2021 par un groupe de chercheurs ayant quitté OpenAI. L’idée centrale est que “la sécurité de l’IA doit progresser en parallèle avec le développement de ses capacités”. Ses produits phares incluent la série Claude.

Le cofondateur et CEO Dario Amodei : titulaire d’un diplôme de premier cycle en sciences physiques à l’université de Stanford et d’un doctorat en biophysique à l’University College de Princeton. Cette trajectoire interdisciplinaire a ensuite continué à façonner son parcours de recherche : il rejoint d’abord Google Brain en tant que chercheur senior, puis rejoint OpenAI comme vice-président de la recherche, participant à l’entraînement de GPT-2 et GPT-3, et étant aussi l’un des principaux participants aux premiers travaux RLHF (apprentissage par renforcement basé sur les retours humains). En 2021, il quitte OpenAI avec plusieurs collègues, dont sa sœur Daniela, puis fonde Anthropic.

Le parcours de Daniela est totalement différent. Elle a étudié la littérature anglaise. Après son diplôme, elle n’entre pas directement dans l’industrie technique : elle travaille d’abord successivement chez Stripe et OpenAI sur des tâches liées aux opérations. Chez Anthropic, son rôle ne consiste pas à entraîner les modèles, mais à construire l’ensemble des systèmes de base permettant à l’entreprise de fonctionner en toute sécurité et de manière stable : de la gestion du recrutement et de la gouvernance d’entreprise jusqu’à la mise en œuvre opérationnelle des politiques de sécurité.

Ce duo frère-sœur est, dans une certaine mesure, la microcosme d’Anthropic : il faut des chercheurs comme Dario, capables de juger la voie technique et de comprendre les limites des capacités des modèles ; mais il faut aussi des personnes comme Daniela, qui comprennent l’organisation, les processus et la maîtrise des risques.

OpenAI : celui qui sait raconter une histoire, et celui qui maîtrise la technique

OpenAI a été fondée en 2015. L’entreprise a lancé des produits emblématiques comme ChatGPT, GPT et Sora. C’est l’acteur central qui a introduit l’IA générative dans le champ de vision du grand public.

Sam Altman a étudié l’informatique à Stanford pendant deux ans avant d’abandonner, puis a créé une entreprise de réseaux sociaux, Loopt, avant de devenir président de Y Combinator. Son point fort n’a jamais été de publier les meilleurs articles, mais plutôt le financement, le jugement produit, la mobilisation organisationnelle et la capacité à raconter une narration technique.

Ilya Sutskever est une autre catégorie. Il est titulaire d’un doctorat en mathématiques et en informatique de l’université de Toronto, où il a été l’élève de Geoffrey Hinton, pionnier du deep learning. Il a participé chez Google Brain à des avancées importantes comme AlexNet et Seq2Seq, et a dirigé la voie d’entraînement à grande échelle d’OpenAI au début.

Si Ilya a décidé quel type de modèles OpenAI pouvait construire, Sam a décidé si l’entreprise pouvait survivre, obtenir des financements et vendre la technologie. L’association des deux correspond presque à la meilleure pratique, à la Silicon Valley, de la voie “chercheur + organisateur”.

xAI : la capacité de Musk à construire des voitures et des fusées, transposée à l’IA

xAI a été fondée en 2023. Son produit phare est Grok. L’entreprise met l’accent sur l’information en temps réel, le raisonnement et les médias génératifs, et est étroitement liée à la plateforme X.

Le fondateur Elon Musk est né à Pretoria, en Afrique du Sud. Il a étudié la physique et l’économie à l’université, puis a brièvement rejoint le programme de master de Stanford avant d’abandonner. Contrairement aux autres fondateurs d’IA, il n’a pas d’expérience dans des postes classiques de grands groupes. Il a participé à la création successivement de Zip2, PayPal, SpaceX et Neuralink, et a longtemps dirigé Tesla.

La manière dont Musk est entré dans l’IA ne part pas des articles ni des laboratoires : il a intégré des ressources accumulées dans des domaines transversaux, comme le paiement, les voitures électriques, l’aérospatiale, la communication par satellite et les plateformes sociales, puis a directement investi ces ressources dans la capacité de calcul et les données nécessaires à l’entraînement de grands modèles.

Google DeepMind : un génie du jeu d’échecs, passant d’un parcours jeu à un parcours protéines

Google DeepMind a été fondée en 2010. En 2014, Google l’a rachetée. Aujourd’hui, il s’agit d’un institut central de R&D en IA au sein de Google, qui a successivement lancé AlphaGo, AlphaFold et Gemini.

Le cofondateur et CEO Demis Hassabis, né à Londres au Royaume-Uni : titulaire d’un premier diplôme en informatique de l’université de Cambridge et d’un doctorat en neuroscience cognitive à l’University College London. Enfant, il était un joueur d’échecs de haut niveau. À 17 ans, il a participé au développement du jeu “Theme Park”, puis a créé sa propre société de jeux, Elixir Studios.

La formation par le jeu lui a donné une intuition pour les systèmes complexes et la prise de décision. La neuroscience lui a offert une perspective biologique pour comprendre “l’intelligence” elle-même. Et l’informatique lui a donné les compétences d’ingénierie pour transformer ces idées en réalité. Le succès d’AlphaGo et d’AlphaFold est presque le résultat de la combinaison de ces trois expériences : la dernière lui a aussi valu le prix Nobel de chimie en 2024.

Quatre voies pour les fondateurs : il n’existe pas de modèle unique pour l’entrepreneuriat en IA

En regardant ces huit entreprises, on peut regrouper les parcours des fondateurs en quatre catégories.

La première : des fondateurs purement orientés “articles de technologie”. Yang Zhilin, Yan Junjie, Dario Amodei, Ilya Sutskever et Demis Hassabis ont tous une formation de recherche systématique. Le point commun : ils sont capables de juger la voie technique, de diriger des équipes de recherche, et de créer de véritables barrières sur les capacités des modèles ou les méthodes d’entraînement. Parmi eux, Yang Zhilin et Ilya sont plus proches de “d’abord écrire des articles qui changent l’industrie, puis se lancer dans l’entrepreneuriat” ; Hassabis est un produit de l’intersection entre informatique, jeux et neurosciences.

La deuxième : industrialiser les résultats de la recherche universitaire. Zhipu AI est l’échantillon le plus typique : ses capacités de base proviennent directement de l’accumulation de longue date du laboratoire d’ingénierie des connaissances de Tsinghua. Face au Clair de Lune a également de fortes “gènes” de recherche de Tsinghua et de l’étranger, mais la voie est davantage orientée marché : il ne reste pas au stade de l’emballage des résultats académiques en services aux entreprises ; il développe directement un produit destiné au grand public.

La troisième : le mariage entre mathématiques, ingénierie et capitaux. Liang Wenfeng et Musk relèvent de cette catégorie, mais leurs sources de ressources sont totalement différentes : Liang Wenfeng accumule capitaux et capacité de calcul grâce à l’investissement quantitatif, tandis que Musk mobilise des ressources via des activités transversales comme le paiement, les voitures, l’aérospatiale et les plateformes sociales. Leur point commun : leur entrée dans l’IA ne dépend jamais uniquement d’algorithmes en tant que tels.

La quatrième : des partenaires “non techniques” en organisation et des fondateurs techniques. Sam Altman et Daniela Amodei sont des représentants de cette voie. Ils ne sont peut-être pas les meilleurs chercheurs en modèles, mais ils décident si l’entreprise peut recruter des talents, obtenir des financements, bâtir des produits et tenir face aux pressions réglementaires, et ainsi éviter de s’effondrer pendant une expansion rapide.

La compétition dans l’IA de pointe n’a jamais consisté uniquement à savoir “qui a un doctorat en informatique”, ni seulement à “qui peut entraîner un modèle plus grand”.

Ce qui détermine vraiment si une entreprise peut rester à la pointe de façon durable, c’est si les capacités de recherche, d’ingénierie, de produit, de capitaux et d’organisation peuvent former une boucle fermée : les scientifiques fixent la limite technique, les équipes d’ingénierie déterminent si le modèle peut être déployé, les équipes produit déterminent si les utilisateurs ont envie de l’utiliser, les capitaux déterminent l’investissement en capacité de calcul et en talents, et l’organisation et la gouvernance déterminent si l’entreprise peut fonctionner sur la durée.

Vu sous cet angle, il n’existe pas de réponse unique et correcte pour l’entrepreneuriat en IA.

Les chercheurs orientés articles, les équipes de commercialisation académique, les écoles d’ingénierie quantitative, les entrepreneurs transversaux, ainsi que les organisateurs orientés exécution peuvent tous trouver leur place dans cette compétition.

Celui qui sait intégrer des compétences différentes en un système est le plus susceptible de devenir le gagnant à long terme de la prochaine vague d’intelligence artificielle.