IA : la Chine accélère et bouscule l’avance technologique des États-Unis

La rivalité technologique entre Pékin et Washington prend une place centrale dans le débat sur l’intelligence artificielle. Longtemps perçus comme les leaders incontestés des grands modèles d’IA, les États-Unis voient désormais les progrès de groupes chinois, dont la jeune entreprise DeepSeek, alimenter l’idée d’un resserrement de l’écart. Au 25 janvier 2025, cette séquence ne signifie pas que la Chine a déjà pris l’avantage sur tous les terrains. Elle montre en revanche que la course ne se résume plus à une domination américaine sans concurrence.

L’IA est devenue une infrastructure stratégique. Les modèles génératifs peuvent transformer la recherche scientifique, l’industrie, les services, l’éducation ou la cybersécurité. Ils nécessitent aussi des ressources rares : des puces de calcul très puissantes, des centres de données, de l’électricité, des ingénieurs spécialisés, des jeux de données et des capitaux considérables. C’est cette chaîne complète que cherchent à maîtriser les deux premières puissances économiques mondiales.

Des investissements qui donnent la mesure de l’enjeu

Aux États-Unis, le projet Stargate, annoncé le 21 janvier 2025 sous l’administration de Donald Trump, illustre le changement d’échelle de la compétition. L’initiative prévoit un investissement pouvant atteindre 500 milliards de dollars sur quatre ans pour développer des infrastructures dédiées à l’IA. Le chiffre est spectaculaire, mais il faut le lire correctement : il ne s’agit pas du budget d’entraînement d’un unique modèle, ni d’une dépense déjà réalisée en une fois. Il désigne un projet d’infrastructures et de capacités de calcul à long terme.

En Chine, l’État central, les provinces et les municipalités soutiennent depuis plusieurs années le développement de secteurs jugés stratégiques, parmi lesquels l’intelligence artificielle. La publication d’origine souligne que les collectivités locales cherchent à attirer les jeunes pousses par des aides pouvant atteindre plusieurs milliards de dollars. Cet appui peut prendre diverses formes : subventions, accès à des parcs technologiques, financement, soutien à la recherche ou commandes publiques.

Le point commun est clair : dans les deux pays, l’IA n’est plus considérée comme un simple marché du logiciel. Elle mobilise des investissements comparables à ceux des grandes infrastructures industrielles.

DeepSeek, le signal qui a relancé le débat

DeepSeek s’est rapidement imposée dans les discussions sur le niveau atteint par l’écosystème chinois. La start-up a publié des modèles de langage capables de se mesurer, selon le positionnement mis en avant par l’entreprise et relayé par de nombreux observateurs, aux systèmes développés par les grands acteurs américains. Son essor est devenu un symbole : un laboratoire chinois peut désormais produire des modèles avancés à une vitesse et avec une visibilité internationale qui obligent les concurrents américains à regarder de près ses méthodes.

Le chiffre le plus commenté concerne DeepSeek-V3. Dans son rapport technique, l’entreprise estime le coût de l’entraînement principal à 5,576 millions de dollars, soit environ 6 millions de dollars. Ce montant a été largement mis en regard d’une estimation d’environ 3 milliards de dollars attribuée à OpenAI pour des développements de même catégorie.

La comparaison appelle toutefois une grande prudence. D’abord, DeepSeek-V3 et les modèles commercialisés ou développés par OpenAI ne correspondent pas nécessairement au même produit, à la même taille, à la même période, ni aux mêmes objectifs. Ensuite, les entreprises ne publient pas toutes les mêmes informations comptables. Le coût communiqué par DeepSeek concerne une phase précisément définie d’entraînement et repose sur un prix de calcul indiqué dans son rapport. Il ne représente pas automatiquement le coût total de développement de la technologie.

Enfin, les montants dépensés par OpenAI ne sont pas publiés sous une forme permettant une comparaison parfaitement homogène modèle contre modèle. Le rapprochement entre 6 millions et 3 milliards de dollars est donc parlant sur le plan médiatique, mais il ne suffit pas à établir qu’un modèle équivalent aurait été obtenu pour une fraction exactement connue du coût américain.

Ce que le cas DeepSeek révèle avec davantage de certitude, c’est la capacité d’entreprises chinoises à chercher des gains d’efficacité. Dans un secteur où le calcul est coûteux et où l’accès aux composants est stratégique, optimiser l’entraînement, l’architecture des modèles et l’usage des ressources disponibles peut devenir un avantage décisif.

Peut-on vraiment parler de rattrapage chinois ?

Le mot « rattrapage » est séduisant, mais il masque une réalité plus nuancée. La performance d’un modèle de langage ne se juge pas avec un seul test ni avec un seul coût. Elle dépend de sa capacité à raisonner, programmer, dialoguer dans plusieurs langues, suivre des consignes, traiter de longues informations et résister aux erreurs. Elle dépend aussi de la qualité du produit final : fiabilité, sécurité, simplicité d’usage, disponibilité pour les entreprises et capacité à fonctionner à grande échelle.

Les États-Unis conservent des atouts majeurs. Ils abritent plusieurs des entreprises qui ont lancé la vague récente des IA génératives, disposent d’un écosystème de capital-risque très puissant et dominent une partie essentielle de la chaîne des semi-conducteurs avancés. Les grands laboratoires américains ont aussi accumulé une expérience considérable dans l’entraînement et le déploiement mondial de modèles à très grande échelle.

La Chine possède, de son côté, une base industrielle importante, un immense marché intérieur, des entreprises technologiques établies et une politique publique volontariste. Ses acteurs peuvent s’appuyer sur un vivier de talents, sur des usages locaux et sur le soutien des administrations. Le progrès de DeepSeek est donc moins la preuve d’une victoire définitive qu’un avertissement : l’avance technologique ne peut jamais être tenue pour acquise.

Les puces, le vrai nerf de la compétition

Derrière les démonstrations de modèles se trouve une bataille plus discrète : celle du matériel informatique. Les IA modernes sont entraînées grâce à des milliers de processeurs spécialisés, souvent appelés GPU. Ces puces accélèrent les calculs nécessaires à l’apprentissage automatique. Plus elles sont performantes et nombreuses, plus il est possible d’entraîner rapidement des modèles complexes, à condition de disposer de l’énergie, des réseaux et des logiciels adaptés.

Les États-Unis ont mis en place des restrictions à l’exportation de technologies avancées vers la Chine, notamment dans le domaine des puces et des équipements nécessaires à leur production. L’objectif est de limiter l’accès chinois à des capacités de calcul considérées comme critiques pour l’IA et, plus largement, pour la sécurité nationale.

L’efficacité de cette stratégie fait débat. La publication d’origine observe que les entreprises chinoises continuent de progresser et cherchent à s’adapter aux contraintes. Une restriction peut ralentir un acteur, renchérir ses coûts ou limiter certaines options techniques. Elle peut aussi l’inciter à optimiser ses modèles, à développer des alternatives nationales ou à réorganiser ses chaînes d’approvisionnement.

Cela ne signifie pas que les contrôles à l’exportation sont sans effet. Ils rappellent surtout qu’une compétition technologique ne se gagne pas seulement en publiant le meilleur assistant conversationnel. Elle se joue aussi dans les usines de semi-conducteurs, les centres de données, les réseaux électriques et les outils logiciels qui permettent de faire fonctionner les puces.

L’innovation ne se résume pas à la taille des budgets

L’écart entre un projet d’infrastructures à 500 milliards de dollars et un entraînement annoncé à environ 6 millions de dollars semble vertigineux. Pourtant, ces nombres décrivent des réalités différentes. Le premier mesure une ambition d’investissement à l’échelle nationale et industrielle. Le second mesure une opération technique ciblée. Les mettre dans la même phrase peut être utile pour comprendre la tension de la course, mais pas pour déterminer mécaniquement quel pays est en tête.

L’innovation en IA repose sur plusieurs leviers qui ne se compensent pas toujours entre eux :

• la qualité des chercheurs et ingénieurs ;
• l’accès au matériel de calcul et à l’énergie ;
• les algorithmes qui permettent d’obtenir plus de résultats avec moins de calcul ;
• les données et les méthodes pour entraîner, tester et améliorer les modèles ;
• la capacité à transformer une avancée de laboratoire en service réellement utilisé.

La question du coût est néanmoins fondamentale. Si certains modèles deviennent compétitifs avec moins de ressources matérielles, davantage d’entreprises et de pays pourront participer à la vague de l’IA générative. À l’inverse, si seuls quelques groupes capables de financer des infrastructures géantes restent en mesure d’entraîner les systèmes les plus puissants, la concentration du secteur s’accentuera.

Une rivalité aux conséquences économiques et géopolitiques

La course sino-américaine a des effets bien au-delà des deux pays. Les entreprises du monde entier dépendent de logiciels, de services cloud, de puces et de modèles conçus dans ces écosystèmes. Leurs choix technologiques peuvent donc les rapprocher de standards américains ou chinois, avec des conséquences sur les données, les normes de sécurité et les relations commerciales.

Pour les États-Unis, maintenir une avance dans l’IA est lié à la compétitivité de leurs entreprises et à leur capacité à fixer les standards techniques mondiaux. Pour la Chine, réduire la dépendance à l’égard des technologies étrangères est également un objectif économique et stratégique. Cette logique nourrit la multiplication des investissements, mais aussi les tensions commerciales et les restrictions sur les composants sensibles.

L’IA soulève en parallèle des interrogations sur ses usages. Les outils de vision par ordinateur, de reconnaissance vocale et d’analyse de données peuvent servir à améliorer des services publics, la médecine ou les transports. Ils peuvent aussi renforcer les capacités de surveillance, faciliter la collecte de données personnelles ou être intégrés à des systèmes militaires. Ces risques ne concernent pas un seul pays, mais le modèle politique et réglementaire adopté par chaque État influe directement sur les garde-fous disponibles.

La question des droits individuels devient donc indissociable de la question de la performance. Une puissance technologique ne se mesure pas uniquement à la rapidité de ses modèles, mais aussi à sa capacité à encadrer leurs usages, à protéger les citoyens et à rendre les systèmes responsables de leurs effets.

Ce qu’il faut surveiller

Dans les prochains mois, plusieurs indicateurs permettront de mieux évaluer l’évolution du rapport de force. Il faudra observer la capacité de DeepSeek et des autres entreprises chinoises à transformer leurs annonces techniques en produits fiables et largement adoptés. Il faudra également suivre le déploiement réel des infrastructures promises aux États-Unis, car une annonce de financement ne se traduit pas instantanément en capacités de calcul disponibles.

L’accès aux puces avancées restera un point de friction déterminant, tout comme la faculté des entreprises chinoises à améliorer l’efficacité de leurs systèmes malgré les restrictions. Enfin, les décisions de régulation seront essentielles. Une course à l’IA sans règles communes sur la sécurité, les données et les usages à haut risque pourrait accentuer les tensions géopolitiques autant que les progrès technologiques.

Au 25 janvier 2025, la Chine n’a pas effacé d’un coup l’avance américaine dans tous les domaines de l’IA. Mais l’émergence de modèles chinois crédibles, combinée à des investissements massifs des deux côtés du Pacifique, confirme une chose : la prochaine étape de l’intelligence artificielle sera façonnée par une concurrence intense, industrielle et profondément politique.