Kai-Fu Lee, l'une des figures les plus marquantes de l'intelligence artificielle, a présenté une thèse provocatrice dans un entretien avec Bloomberg : les entreprises chinoises d'IA n'ont pas besoin de créer les meilleurs modèles pour gagner. Elles doivent simplement développer des modèles suffisamment bons, suffisamment bon marché et suffisamment ouverts pour dominer partout où les États-Unis ne regardent pas.
L'argument de Lee se résume à une stratégie commerciale classique appliquée à une technologie de pointe. Alors que les entreprises américaines poursuivent des performances de pointe avec des budgets massifs et des écosystèmes fermés, les laboratoires chinois d'IA commercialisent des modèles à poids ouverts qui offrent 90 à 95 % des capacités à moins de 10 % du coût d'entraînement.
Le guide d'efficacité
Les équipes chinoises d'IA utiliseraient 1 à 3 % des ressources GPU déployées par leurs homologues américaines, tout en obtenant des résultats comparables grâce à une efficacité technique exceptionnelle.
Ces contraintes ne sont pas entièrement volontaires. Les restrictions américaines sur les exportations de puces ont limité le matériel disponible pour les laboratoires chinois, les forçant à tirer davantage de performances de ressources plus limitées.
Selon l'évaluation de Lee, l'écart de performance entre les capacités IA américaines et chinoises s'est réduit à environ 3 à 6 mois dans les domaines clés. Les modèles chinois à code ouvert figurent désormais en bonne place dans presque tous les principaux classements open source, dépassant Llama de Meta. DeepSeek et Qwen d'Alibaba sont devenus les noms à suivre, se classant régulièrement en tête ou près du sommet des classements communautaires que les développeurs utilisent réellement pour choisir leurs outils.
Différents marchés, différentes stratégies
La divergence stratégique décrite par Lee va au-delà de l'architecture du modèle. Les entreprises américaines comme OpenAI, Google et Anthropic se sont principalement concentrées sur des ventes entreprises à forte marge, en développant des produits pour les entreprises du Fortune 500 prêtes à payer des prix premiums pour les systèmes les plus performants. En revanche, les entreprises chinoises ciblent les applications grand public et les marchés émergents où la sensibilité au coût est le facteur dominant.
La propre entreprise de Lee, 01.AI, aurait intégré cette logique. Plutôt que de concourir dans l'entraînement de modèles de pointe, l'entreprise se concentre sur le développement d'applications qui exploitent des modèles existants comme DeepSeek.
Ce que cela signifie pour le paysage de l'IA
Les restrictions américaines sur les exportations de puces, conçues pour ralentir le développement de l’IA chinoise, ont peut-être accidentellement accéléré précisément le type d’innovation axée sur l’efficacité que Lee décrit. Lorsque vous ne pouvez pas acheter le meilleur matériel, vous apprenez à faire plus avec moins.
La dimension open-source ajoute une autre complication. Les modèles à poids ouverts créent des effets de réseau que les modèles fermés ne peuvent pas reproduire. Chaque développeur qui affûte un modèle DeepSeek ou Qwen pour un usage spécifique apporte de la valeur à l’écosystème plus large, attirant ainsi davantage de développeurs, ce qui attire plus d’utilisateurs, ce qui génère davantage de signaux d’entraînement.