Ant Group mise sur des puces chinoises pour abaisser le coût de l’IA

Pour développer les grands modèles d’intelligence artificielle, le logiciel ne suffit pas : il faut aussi disposer d’une puissance de calcul considérable. Or, cette puissance a un prix. Ant Group, groupe chinois connu pour ses activités de technologie financière et lié à l’écosystème d’Alibaba, cherche donc à réduire sa facture matérielle en diversifiant les puces utilisées pour entraîner ses systèmes d’IA.

Selon des informations publiées le 24 mars 2025, Ant Group a associé des puces chinoises, dont certaines provenant des écosystèmes d’Alibaba et de Huawei, à des processeurs graphiques de Nvidia. L’entreprise aurait obtenu, dans le cadre de cette approche, des résultats comparables à ceux de puces Nvidia H800, tout en visant une réduction d’environ 20 % des coûts d’entraînement.

L’annonce mérite toutefois d’être lue avec précision. Il ne s’agit pas de fusionner physiquement des puces chinoises et américaines pour fabriquer un nouveau composant. Il est question d’une stratégie de calcul hétérogène : faire fonctionner, au sein d’un même effort de recherche et de développement, des accélérateurs d’origines différentes et des méthodes logicielles capables de les exploiter efficacement.

Ce qu’Ant Group cherche à faire exactement

L’intelligence artificielle générative repose sur d’immenses opérations mathématiques. Lorsqu’un modèle apprend à prédire le mot suivant d’un texte, à reconnaître une image ou à répondre à une question, il traite d’énormes volumes de données et ajuste des milliards, parfois des centaines de milliards de paramètres. Ces calculs sont habituellement confiés à des GPU, des processeurs initialement conçus pour l’affichage graphique, mais devenus essentiels à l’IA grâce à leur capacité à réaliser de nombreuses opérations en parallèle.

Nvidia domine largement ce marché, avec des puces devenues une référence pour l’entraînement des grands modèles. Mais elles sont coûteuses, demandent une infrastructure de serveurs spécifique et ne sont pas toujours accessibles à tous les acteurs chinois dans les mêmes conditions que sur les autres marchés.

Dans ce contexte, Ant Group aurait utilisé un mélange de matériel local et de puces Nvidia. Les informations disponibles font état de composants liés à Alibaba et Huawei, ainsi que d’une comparaison avec la H800 de Nvidia. Ant continuerait par ailleurs d’utiliser des produits Nvidia pour une partie de ses travaux d’IA, tout en examinant d’autres options, dont des solutions chinoises et des processeurs d’AMD.

Cette nuance est importante : la stratégie n’est pas nécessairement de remplacer instantanément tous les GPU Nvidia. Elle consiste plutôt à trouver le bon équilibre entre performances, disponibilité, compatibilité logicielle et coûts d’exploitation.

Pourquoi la méthode mixture of experts peut alléger la facture

La réduction de coût évoquée est liée à une approche appelée mixture of experts, souvent abrégée en MoE. Le principe peut se comprendre comme une organisation du travail : au lieu de mobiliser l’ensemble du modèle pour chaque requête, le système répartit les tâches entre plusieurs sous-modèles spécialisés, les experts. Un mécanisme de sélection choisit quels experts doivent intervenir à chaque étape.

Un modèle MoE peut ainsi posséder une capacité totale très importante sans activer tous ses paramètres en permanence. En théorie, cela permet d’obtenir de bonnes performances tout en limitant le volume de calcul effectivement nécessaire pour chaque donnée traitée. C’est particulièrement intéressant pour les modèles de langage de grande taille, dont l’entraînement peut nécessiter des semaines de calcul sur des centaines ou des milliers d’accélérateurs.

La contrepartie est technique. Il faut répartir efficacement les calculs entre les puces, éviter que certains experts soient trop sollicités, synchroniser les serveurs et assurer que les données circulent assez vite entre les machines. Une puce moins coûteuse peut perdre son avantage si le logiciel ne parvient pas à l’exploiter correctement ou si les communications entre serveurs deviennent un goulet d’étranglement.

C’est pourquoi l’enjeu ne se limite pas au composant lui-même. Les bibliothèques logicielles, les compilateurs, les systèmes de gestion de clusters et les méthodes d’entraînement comptent autant que la puissance brute annoncée par un fabricant.

Les restrictions américaines redessinent le marché des accélérateurs

Le projet d’Ant Group s’inscrit dans une rivalité technologique plus large entre Washington et Pékin. Depuis 2022, les États-Unis ont renforcé les règles encadrant l’exportation vers la Chine de certaines puces performantes, d’équipements de production de semi-conducteurs et de technologies associées. Ces mesures visent notamment les capacités de calcul avancé pouvant servir à l’intelligence artificielle.

Nvidia avait commercialisé la H800 comme une version adaptée au marché chinois après les premières restrictions. Mais l’évolution des règles américaines, en octobre 2023, a également limité l’exportation de cette famille de produits sans licence. Cela explique pourquoi les groupes chinois cherchent à ne pas dépendre exclusivement d’une seule génération de GPU importés.

Parler de contournement serait toutefois inexact et trompeur. Utiliser des composants disponibles légalement, développer des puces locales ou optimiser un logiciel pour fonctionner sur différents accélérateurs ne signifie pas accéder aux produits soumis à restriction. Les règles américaines portent sur des critères techniques, des destinations, des utilisateurs finaux et parfois des autorisations spécifiques. Elles n’interdisent pas toute activité d’IA en Chine, mais elles compliquent l’approvisionnement des infrastructures les plus avancées.

Pour Ant Group, comme pour de nombreuses entreprises chinoises, l’enjeu est donc double : continuer à développer des modèles compétitifs et réduire le risque qu’une décision réglementaire ou une rupture d’approvisionnement bloque une feuille de route technologique.

Une comparaison qui doit rester prudente

L’élément le plus marquant est la comparaison évoquée avec la H800 de Nvidia. Mais elle ne doit pas être interprétée comme un classement général des puces chinoises face aux GPU de Nvidia. Une performance dépend du modèle testé, de la taille des données, de la précision de calcul retenue, du nombre de serveurs, des logiciels utilisés et de la métrique choisie.

Les informations rendues publiques ne détaillent pas tous ces paramètres. Elles ne permettent donc pas de conclure qu’un accélérateur chinois précis égale systématiquement une H800, encore moins les générations les plus récentes de Nvidia. Elles suggèrent en revanche qu’avec une méthode MoE et une infrastructure bien optimisée, Ant Group peut obtenir des résultats jugés comparables pour certains entraînements.

Nvidia H800 et puces chinoises : deux logiques de calcul

La H800 constitue un point de référence dans cette affaire, car elle a été proposée par Nvidia pour le marché chinois avant l’évolution des contrôles américains. Nvidia bénéficie d’un avantage historique : son environnement logiciel est très répandu dans les laboratoires et les centres de données, ce qui facilite le développement et le déploiement des modèles d’IA.

Les puces chinoises, elles, répondent aussi à une logique de souveraineté industrielle. Les utiliser permet aux entreprises locales de bâtir des compétences matérielles et logicielles en Chine, de diversifier leurs approvisionnements et, potentiellement, de mieux contrôler leurs coûts sur le long terme. Alibaba et Huawei font partie des groupes chinois disposant de capacités importantes dans le cloud, les semi-conducteurs ou les plateformes de calcul.

Cependant, produire une puce n’est qu’une partie de l’équation. Il faut aussi proposer des outils de programmation, des environnements de développement, une documentation solide, un support technique et des systèmes compatibles avec les infrastructures existantes. La position dominante de Nvidia repose autant sur cet écosystème que sur les caractéristiques de ses processeurs.

Pas de partenariat technologique américano-chinois annoncé

Le récit d’une alliance formelle entre Ant Group et des entreprises de la Silicon Valley serait prématuré. Les éléments disponibles décrivent l’utilisation combinée de matériels issus de plusieurs écosystèmes, pas la création d’une coentreprise, d’un processeur commun ou d’un accord de recherche annoncé entre Ant Group et Nvidia, AMD ou une autre entreprise américaine.

Cette distinction est essentielle dans un secteur très sensible sur le plan géopolitique. Ant Group pourrait conserver certains GPU Nvidia dans ses infrastructures tout en menant des tests avec des alternatives locales ou avec des produits d’autres fournisseurs. C’est une démarche classique de diversification technologique, mais son ampleur réelle, les volumes de puces concernés et le détail des usages n’ont pas été rendus publics.

L’absence de données exhaustives impose également de relativiser le chiffre de 20 %. Il s’agit d’un objectif ou d’un résultat rapporté dans un cadre donné, pas d’une promesse universelle applicable à tous les modèles d’IA ni à toutes les entreprises. La baisse peut dépendre du type de modèle, du matériel disponible et de la maturité du logiciel qui relie les puces entre elles.

Ce qu’il faut surveiller

L’initiative attribuée à Ant Group résume une évolution majeure de la course à l’IA : la performance ne se mesure plus seulement à la taille d’un modèle ou au nombre de GPU installés. La capacité à entraîner un modèle utile avec moins de calcul, moins d’énergie et des composants plus diversifiés devient un avantage économique et stratégique.

Il faudra observer trois points. D’abord, la publication éventuelle de résultats techniques plus détaillés, qui permettraient d’évaluer les conditions exactes de la comparaison avec la H800. Ensuite, la capacité des fabricants chinois à améliorer non seulement leurs puces, mais aussi les logiciels et les infrastructures nécessaires à leur adoption. Enfin, l’évolution des règles américaines d’exportation, qui peut modifier très vite les choix d’approvisionnement des entreprises chinoises.

Pour Ant Group, le pari est clair : faire de l’optimisation logicielle et de la diversité matérielle un levier de compétitivité. Pour le marché mondial, il confirme que la bataille des semi-conducteurs se joue désormais sur plusieurs terrains à la fois, de la conception des puces jusqu’aux algorithmes qui les font travailler ensemble.