Longtemps considérée comme dépendante des puces Nvidia pour entraîner ses modèles d’intelligence artificielle les plus avancés, la Chine semble avoir franchi un cap décisif. Les dernières annonces de Huawei, Meituan et Baidu suggèrent que les contrôles américains perdent progressivement de leur efficacité. Reste une question essentielle : ces alternatives locales sont-elles capables de rivaliser avec Nvidia en termes de coût et de performance ?
Depuis environ deux ans, une conviction domine l’industrie de l’intelligence artificielle. D’après de nombreux professionnels du secteur, même si les entreprises chinoises disposent des capacités nécessaires pour exploiter des modèles d’IA, leur développement reste largement dépendant des puces les plus performantes du marché.
Et il se trouve que ces puces ultra-performantes sont produites par le géant américain Nvidia.
Cette distinction entre inférence et entraînement a été au cœur de la stratégie américaine de contrôle des exportations. L’inférence – qui consiste à faire fonctionner un modèle déjà développé – est relativement accessible. En revanche, l’entraînement – qui permet de créer ces modèles – exige une puissance de calcul considérable et une infrastructure particulièrement complexe.
En limitant l’accès de la Chine aux puces les plus avancées de Nvidia, Washington entendait ainsi préserver plusieurs années d’avance technologique au profit des acteurs occidentaux.
Aujourd’hui, cette hypothèse semble de plus en plus remise en question.
LongCat-2.0, un signal fort
Meituan, géant chinois des services numériques souvent comparé à une combinaison de DoorDash, GrubHub et Yelp, a récemment présenté son modèle d’IA LongCat-2.0.
Le lancement d’un nouveau modèle par un grand groupe technologique n’a rien d’inhabituel. Ce qui retient davantage l’attention est la manière dont celui-ci a été développé.
Selon l’entreprise, LongCat-2.0 a été entraîné intégralement sur un cluster de 50 000 puces conçues en Chine, sans recours à des composants Nvidia. Le modèle aurait traité près de 35 000 milliards de tokens durant sa phase d’entraînement, sans interruption majeure ni défaillance du système.
Or, dans l’univers de l’IA, la véritable difficulté ne réside pas uniquement dans l’acquisition de puces, mais dans la capacité à faire fonctionner des dizaines de milliers d’entre elles de manière coordonnée pendant plusieurs semaines. C’est précisément sur cet aspect que de nombreux projets rencontrent leurs principales limites.
Si Meituan n’a pas officiellement identifié son fournisseur de puces, plusieurs indices techniques pointent vers les processeurs Ascend de Huawei, une gamme visée depuis plusieurs années par les restrictions américaines.
LongCat-2.0 n’est pas un cas isolé.
Plusieurs initiatives récentes témoignent des progrès réalisés par l’écosystème chinois de l’IA :
- un consortium de recherche incluant Huawei a annoncé l’entraînement de DeepSeek-V4-Pro, un modèle de 1,6 billion de paramètres, sur plus de 1 000 puces Ascend et à travers 1 500 cycles d’entraînement réalisés sans interruption ;
- Huawei a également développé plusieurs modèles de la famille Pangu à partir de ses propres infrastructures matérielles ;
- de son côté, Baidu affirme avoir entraîné certaines versions de ses modèles sur les puces conçues par sa filiale Kunlunxin, avec un taux d’efficacité annoncé de 97 %.
Pris séparément, ces résultats pourraient sembler anecdotiques. Considérés dans leur ensemble, ils révèlent toutefois une évolution significative : les fabricants chinois semblent désormais capables de franchir une étape technologique que beaucoup estimaient encore hors de portée il y a peu.
Un moment DeepSeek bis pour la Chine
Cette évolution remet en question l’un des fondements de la stratégie américaine.
Les contrôles à l’exportation reposaient sur l’idée que l’entraînement des modèles les plus avancés nécessitait impérativement l’accès aux puces les plus performantes du marché. Or, les démonstrations récentes suggèrent que la Chine dispose désormais d’alternatives crédibles.
Par ailleurs, plusieurs analyses indiquent que le H20, la puce la plus performante que Nvidia est encore autorisée à vendre en Chine sous certaines conditions, serait progressivement concurrencée par certaines solutions locales en matière de puissance brute et de bande passante mémoire.
Dans le même temps, Huawei commence à promouvoir à l’international des offres intégrées combinant ses puces Ascend et ses modèles d’IA, notamment auprès de clients au Moyen-Orient et en Asie centrale. Une démarche qui témoigne d’une confiance croissante dans la maturité de sa technologie.
Pour autant, conclure que la Chine a définitivement comblé son retard serait prématuré.
Car une distinction essentielle demeure : être capable d’entraîner un modèle avancé et le faire avec le même niveau d’efficacité économique que Nvidia sont deux choses différentes.
Une question encore sans réponse
Les preuves s’accumulent sur un point : la Chine est désormais capable d’entraîner des modèles d’IA de pointe grâce à ses propres infrastructures matérielles.
En revanche, les données disponibles restent insuffisantes pour déterminer si ces systèmes peuvent atteindre le même niveau de performance, de rapidité et de rentabilité que les dernières générations de puces Nvidia.
L’enjeu n’est donc plus seulement technologique, mais également économique.
Combien de ressources sont nécessaires pour obtenir des résultats comparables ? Quel est le coût réel de ces infrastructures ? Quelle est leur consommation énergétique ? Quelle est leur efficacité opérationnelle à grande échelle ?
Ce sont ces paramètres qui détermineront à terme :
- la valorisation des fabricants chinois de semi-conducteurs ;
- l’ampleur de la concurrence pour Nvidia sur le marché mondial ;
- l’efficacité réelle des restrictions américaines à long terme.
Ce que les investisseurs doivent surveiller
L’idée selon laquelle aucun acteur ne peut rivaliser avec Nvidia semble de moins en moins défendable aujourd’hui.
Pour les investisseurs, le débat s’est donc déplacé. La question centrale n’est plus la capacité de la Chine à développer ses propres modèles, mais la performance de ces solutions face aux standards américains.
L’un des indicateurs les plus suivis sera le MFU (Model FLOP Utilization), qui mesure la quantité de travail utile qu’un cluster de puces parvient vraiment à produire, par rapport aux déperditions.
Lorsque les laboratoires chinois publieront des données fiables démontrant des niveaux d’efficacité comparables à ceux obtenus sur les infrastructures Nvidia, le marché disposera alors d’un indicateur concret de réduction de l’écart technologique.
D’ici là, le constat le plus équilibré est le suivant : la Chine a démontré sa capacité à franchir le seuil technologique de l’entraînement avancé. La véritable question reste désormais de savoir si elle pourra maintenir ce niveau de compétitivité et rivaliser durablement avec les leaders américains sur les critères déterminants que sont l’efficacité, les coûts et la vitesse d’exécution.
