Après DeepSeek, les autres champions chinois de l’IA à suivre de près

DeepSeek n’a pas seulement fait parler de lui pour les performances de ses modèles : la jeune entreprise a rappelé, avec une force inhabituelle, que la Chine disposait d’un écosystème d’intelligence artificielle capable de bousculer les références américaines. Son émergence a aussi braqué les projecteurs sur des concurrents déjà bien installés, des géants du cloud aux start-up pékinoises spécialisées dans les grands modèles de langage.

Au 3 février 2025, il serait prématuré de désigner un « prochain DeepSeek ». L’impact d’une entreprise ne dépend pas uniquement d’un classement de benchmark : il faut aussi convaincre des développeurs, trouver des clients, tenir une promesse de coûts bas et transformer un modèle en produit utile. Mais les annonces successives d’Alibaba Cloud, Zhipu, Moonshot AI, ByteDance et Tencent dessinent une compétition beaucoup plus dense qu’il n’y paraît.

DeepSeek a déplacé le centre de gravité de la compétition

DeepSeek a suscité une attention internationale parce que ses modèles ont associé, selon les évaluations et démonstrations mises en avant par l’entreprise, de solides capacités de raisonnement et de programmation à une approche de coûts plus contenue que celle de nombreux concurrents. Dans un secteur où l’entraînement et l’exploitation des modèles nécessitent habituellement d’immenses ressources de calcul, cette promesse compte autant que les performances brutes.

L’effet est particulièrement visible en Chine. Les entreprises locales ne cherchent plus seulement à rattraper les grands laboratoires américains. Elles communiquent désormais sur des comparaisons directes avec DeepSeek V3, mais aussi avec les modèles d’OpenAI, de Meta ou d’Anthropic. Cette accélération concerne plusieurs dimensions à la fois : la qualité des réponses, le raisonnement, la longueur des documents exploitables, la création vidéo et le coût des interfaces de programmation, ou API.

Ces annonces ne signifient pas que tous les modèles se valent dans tous les usages. Un système peut être excellent pour écrire du code, moins performant en mathématiques ou dans une langue donnée, et particulièrement cher à faire fonctionner. C’est précisément ce qui rend la bataille actuelle si intense : chaque acteur tente de se distinguer sur un terrain mesurable.

Alibaba Cloud veut reprendre l’initiative avec Qwen 2.5-Max

Le 29 janvier 2025, Alibaba Cloud a dévoilé Qwen 2.5-Max, une mise à jour de sa famille de modèles Qwen. L’entreprise affirme que ce modèle obtient de meilleurs résultats que DeepSeek V3 et Llama 3.1 de Meta sur 11 benchmarks. Alibaba le compare également à d’autres références internationales, signe que la cible n’est plus seulement le marché chinois.

Un benchmark est une série de tests standardisés : questions de connaissances, exercices de raisonnement, génération de code, respect d’instructions ou résolution de problèmes scientifiques. Ils sont utiles pour comparer rapidement des modèles, mais ils ne résument pas toute leur valeur. Les jeux de tests peuvent favoriser certaines méthodes, les résultats peuvent être difficiles à reproduire et l’expérience d’un utilisateur dépend aussi de la rapidité du service, de ses garde-fous et de son intégration dans un outil.

Il faut donc lire les résultats annoncés par Alibaba comme des déclarations de performance de l’entreprise, et non comme un verdict indépendant définitif. Ils indiquent néanmoins une réalité importante : Qwen est devenu une famille de modèles centrale dans la stratégie cloud d’Alibaba. Pour un groupe de cette taille, l’enjeu est double. Il s’agit de proposer une IA compétitive aux entreprises clientes, tout en attirant développeurs et éditeurs de logiciels vers ses infrastructures.

La réaction rapide autour de Qwen 2.5-Max illustre aussi la pression que DeepSeek exerce sur les prix et sur le rythme des sorties. Dans ce marché, attendre plusieurs mois pour répondre à une nouveauté peut suffire à perdre en visibilité, voire à voir les développeurs migrer vers une API concurrente.

Zhipu et Moonshot, deux start-up qui visent plus qu’un chatbot

Parmi les entreprises les plus observées figure Zhipu, une start-up basée à Pékin et soutenue par Alibaba. Elle est souvent rangée parmi les « tigres de l’IA » chinois, aux côtés d’autres jeunes pousses ambitieuses. Son ambition ne se limite pas à fournir un modèle généraliste : Zhipu cherche aussi à construire des agents capables d’agir dans des logiciels et sur des appareils.

Son application AutoGLM est pensée pour faciliter la gestion d’un smartphone par des commandes vocales sophistiquées. L’idée est simple à formuler, mais complexe à réaliser : au lieu de se contenter de répondre à une question, l’IA doit comprendre une intention, enchaîner des actions et interagir de manière fiable avec l’interface d’un téléphone. Ce type d’agent représente une étape supplémentaire par rapport au chatbot classique, à condition que les actions soient suffisamment précises et que les données personnelles soient correctement protégées.

Zhipu évolue dans un contexte géopolitique tendu. En janvier 2025, l’entreprise a été ajoutée à une liste américaine de restrictions commerciales. Zhipu a contesté fermement cette décision, estimant que les accusations formulées à son encontre étaient sans fondement. Cette situation peut compliquer l’accès à certaines technologies et à certains partenaires, mais elle n’a pas interrompu le développement de ses produits.

Moonshot AI, autre start-up pékinoise financée par Alibaba, se distingue pour sa part par son assistant Kimi et son modèle Kimi k1.5. L’entreprise met en avant une capacité allant jusqu’à 2 millions de caractères chinois traités dans une seule requête. Une telle fenêtre de contexte est particulièrement intéressante pour analyser de longs rapports, des contrats volumineux, des archives ou de vastes corpus de documents.

Cette promesse doit toutefois être interprétée avec prudence. Pouvoir accepter un texte immense ne garantit pas qu’un modèle en retiendra chaque détail ni qu’il en tirera des conclusions justes. La qualité de l’analyse, la fiabilité des citations et la capacité à retrouver la bonne information au sein d’un très long document comptent tout autant que la limite théorique de caractères. Des observateurs, dont l’analyste Matt Sheehan, voient néanmoins Moonshot AI comme une entreprise susceptible de rivaliser directement avec DeepSeek.

ByteDance et Tencent jouent la carte des plateformes

Avec ByteDance, la compétition prend une autre échelle. La maison mère de TikTok possède déjà une expérience considérable des produits grand public, des recommandations algorithmiques et des services numériques à très grande échelle. Le 29 janvier, l’entreprise a relancé Doubao-1.5-pro, un modèle qu’elle présente comme capable de dépasser OpenAI dans certains tests.

Son argument le plus immédiatement lisible est tarifaire : 9 yuans par million de tokens, soit un tarif présenté comme inférieur de moitié à celui de DeepSeek. Pour une entreprise qui veut intégrer de l’IA dans un service utilisé des millions de fois, le prix n’est pas un détail. Une petite différence de coût par requête peut devenir déterminante à grande échelle, surtout pour les assistants conversationnels, la modération, la création de contenu ou l’automatisation du service client.

Le tarif seul ne suffit cependant pas. Les clients regarderont aussi la qualité des réponses en chinois et dans d’autres langues, la stabilité de l’API, la confidentialité des données, les limites d’utilisation et la capacité à faire évoluer le produit. ByteDance part avec un atout : elle sait déjà distribuer des produits numériques à un immense public. Reste à voir si Doubao deviendra une référence technique aussi forte qu’une plateforme populaire.

Tencent, connu mondialement pour WeChat, avance sur un terrain différent avec Hunyuan. Ce modèle est notamment associé à la génération de vidéo à partir de texte, un domaine dans lequel l’IA doit produire des images cohérentes au fil des secondes tout en respectant une instruction écrite. Tencent affirme que Hunyuan peut atteindre un niveau comparable à celui de Llama 3.1 de Meta dans certains cas, avec une puissance de calcul sensiblement réduite selon des analystes.

La vidéo générative est très gourmande en ressources. Si la promesse d’efficacité se confirme dans des usages concrets, elle pourrait intéresser les créateurs, les studios, les équipes marketing et les plateformes sociales. Mais elle soulève également des questions de droits d’auteur, de désinformation et d’identification des contenus synthétiques. La performance technique ne pourra pas être le seul critère de succès.

Pourquoi les benchmarks et les prix ne suffisent pas à départager les modèles

L’effervescence autour de DeepSeek a installé un réflexe : comparer les tableaux de scores et chercher un vainqueur. C’est utile, mais insuffisant. Les benchmarks sont des indicateurs, pas des usages. Ils peuvent mesurer le raisonnement sur des problèmes formalisés, la capacité à suivre une consigne ou les connaissances générales, sans reproduire la complexité d’un déploiement dans une entreprise.

Pour évaluer un modèle, plusieurs questions pratiques doivent être posées :

• Répond-il de manière fiable à des demandes réelles, y compris quand elles sont mal formulées ?
• Est-il rapide lorsque de nombreux utilisateurs le sollicitent simultanément ?
• Son coût reste-t-il prévisible avec des requêtes longues et fréquentes ?
• Peut-il être adapté à une langue, à un métier ou à une base documentaire précise ?
• Quelles données sont conservées et sous quelles règles juridiques le service fonctionne-t-il ?

L’autre critère décisif est la diffusion. DeepSeek a démontré qu’un modèle peut attirer l’attention au-delà de son pays d’origine. Pour Alibaba, Zhipu, Moonshot, ByteDance ou Tencent, la prochaine étape sera de transformer leurs avancées en écosystèmes : outils pour développeurs, applications, partenaires, documentation, infrastructures et confiance des utilisateurs.

Les restrictions américaines accélèrent aussi la recherche locale

La rivalité technologique entre les États-Unis et la Chine forme l’arrière-plan de cette course. Les restrictions américaines sur certaines technologies avancées, notamment celles liées aux puces et aux capacités de calcul, rendent plus difficile l’accès de sociétés chinoises à des composants et services essentiels. Zhipu en offre un exemple direct avec les restrictions commerciales qui la visent.

Ces obstacles constituent un risque réel pour les entreprises concernées. L’entraînement des très grands modèles dépend de matériel spécialisé, de chaînes d’approvisionnement complexes et de compétences rares. Mais ils créent aussi une incitation puissante à développer des alternatives locales : modèles plus économes, optimisation logicielle, infrastructures nationales et matériel conçu ou intégré en Chine.

C’est l’un des enseignements de la séquence DeepSeek. La disponibilité limitée de certaines technologies ne bloque pas mécaniquement l’innovation. Elle peut pousser les acteurs à chercher davantage d’efficacité. Cela ne supprime pas les contraintes, mais cela change la nature de la compétition : il ne s’agit plus uniquement d’accumuler la plus grande puissance de calcul possible, il faut aussi en tirer le meilleur parti.

Ce qu’il faut surveiller après l’effet DeepSeek

Dans les mois à venir, la question ne sera pas seulement de savoir quel modèle chinois prend la tête d’un classement. Il faudra observer si les promesses de Qwen 2.5-Max, Kimi k1.5, Doubao-1.5-pro, AutoGLM et Hunyuan se traduisent par des usages durables.

Trois signaux seront particulièrement révélateurs. D’abord, la capacité de ces entreprises à maintenir des prix bas sans dégrader la qualité ou la disponibilité de leurs services. Ensuite, l’adoption par les développeurs et les entreprises, qui déterminera la création d’applications concrètes autour de leurs modèles. Enfin, leur marge de manœuvre face aux restrictions internationales et aux exigences de sécurité.

DeepSeek a prouvé qu’une entreprise chinoise pouvait provoquer un choc mondial dans l’IA. Ses rivaux potentiels n’ont pas tous le même profil ni la même stratégie. Alibaba mise sur le cloud et les modèles généralistes, les start-up explorent les agents et le contexte long, ByteDance fait valoir la distribution et les prix, Tencent investit notamment la vidéo. Cette diversité pourrait être le véritable changement : l’IA chinoise ne se résume plus à un seul nom, mais à une compétition d’acteurs aux forces complémentaires.