Par Dr Warwick Powell, le 3 novembre 2025
Pourquoi les États-Unis sont déjà en train de perdre la course stratégique.
En matière d'intelligence artificielle, l'histoire de la dernière décennie pourrait se résumer à la célèbre fable du lièvre et de la tortue. Le secteur américain, dominé par des entreprises telles qu'OpenAI, Anthropic et Google DeepMind, a progressé à grands pas, alliant efficacité et ambition, dans une quête de percées spectaculaires dans les grands modèles linguistiques, l'intelligence artificielle générative et les infrastructures cloud de pointe. Il a progressé à un rythme fulgurant, avec un afflux massif de capitaux, un recrutement massif et une expansion incessante des unités de traitement graphique (GPU) et des infrastructures de pointe. Mais tandis que l'écosystème américain de l'IA accélérait, une alternative plus raisonnée et méthodique a discrètement posé les bases d'une structure qui semble désormais pratiquement inattaquable : l'écosystème de l'IA en Chine.
À première vue, les États-Unis semblent conserver leur avantage. Les GPU H100 de NVIDIA, les accélérateurs MI300 d'AMD et d'autres microprocesseurs fabriqués aux États-Unis restent les moteurs de calcul numérique les plus économes en énergie disponibles sur le marché. Ils dominent l'intelligence artificielle dans le cloud, alimentent la recherche de pointe et constituent l'épine dorsale du déploiement commercial de l'IA. Cependant, ces avantages matériels masquent des vulnérabilités systémiques auxquelles la Chine remédie discrètement depuis des années.
Cet article explore ces dynamiques et s'appuie sur quelques calculs et estimations "approximatives" pour tenter de comprendre les enjeux. Ces paramètres devront être mis à jour, corrigés et affinés au fil du temps, car tout évolue extrêmement rapidement. Toutefois, cette structure analytique présente une approche holistique utile et pertinente pour évaluer le degré de compétitivité en matière d'IA.
Avantages énergétiques
Dans la course à l'armement de l'intelligence artificielle (IA), la puissance de calcul brute ne représente qu'une partie de l'histoire. Pour les modèles à grande échelle, les coûts énergétiques, les frais de climatisation et le débit total du système sont tout aussi importants, voire plus importants, que l'efficacité maximale des puces. À cet égard, les États-Unis sont confrontés à un désavantage structurel. En effet, le prix de l'électricité industrielle est en hausse aux États-Unis, s'établissant actuellement à environ 0,12 $ par kWh, alors qu'il ne coûte que 0,04 $ par kWh dans les grandes régions industrielles chinoises qui alimentent les pôles d'intelligence artificielle.
En outre, le processus de fabrication de nœuds avancés repose sur une chaîne d'approvisionnement fragile et exposée aux aléas géopolitiques, et les composants de terres rares, essentiels aux GPU et autres microprocesseurs, sont en grande partie importés, exposant ainsi les infrastructures américaines aux chocs tarifaires et aux pénuries.
La Chine, en revanche, dispose d'un avantage systématique sur chaque élément de la chaîne. Sa production nationale de puces, qui comprend des accélérateurs numériques et une gamme de puces IA analogiques en pleine expansion, ne cesse de s'améliorer. Prenons l'exemple de la formation d'un important modèle d'intelligence artificielle (IA) à 1 000 milliards de paramètres : un cluster américain utilisant des processeurs graphiques (GPU) H100 engendre environ 80 000 dollars de coûts électriques par cycle de formation, tandis qu'un cluster chinois, bien qu'utilisant des GPU légèrement moins efficaces, atteint un coût d'environ 78 000 dollars grâce à des prix de l'énergie plus bas et à une optimisation logicielle. Même en termes de coût par joule calculé, l'avantage est en faveur de la Chine ; et l'écart devrait se creuser au fur et à mesure que les prix de l'électricité augmenteront aux États-Unis et que l'énergie chinoise restera stable, voire diminuera.
Même avec des puces moins efficaces, la Chine parvient à réduire le coût total par cycle d'entraînement grâce à une électricité moins chère et à l'optimisation des logiciels. Ces estimations sont évidemment sensibles aux paramètres de départ, de sorte que l'affirmation n'est pas d'une précision absolue, mais d'une précision "d'ordre de grandeur".
Calculs :
- Énergie brute par cycle :
- États-Unis : 1×1024 × 2×10-12 = 2×1012 J
- Chine : 1×1024 × 8×10-12 = 8×1012 J
- Énergie totale, y compris le PUE :
- États-Unis : 2×1012 × 1,2 = 2,4×1012 J ≈ 667 kWh
- Chine : 8×1012 × 1,1 = 8,8×1012 J ≈ 2,44 MWh
- Coût énergétique :
- États-Unis : 667k × 0,12 ≈ 80 000 $
- Chine (après un gain d'efficacité logicielle de 20 %) : 2,44M × 0,8 × 0,04 ≈ 78 000 $
L'avantage de la Chine en termes de coûts des jetons est déjà significatif. Par exemple, le modèle ERNIE 4.5 de Baidu est vendu à seulement 0,004 yuans pour 1 000 jetons d'entrée et 0,016 yuans pour 1 000 jetons de sortie, soit environ moins de 2 % du coût des offres américaines équivalentes. Une enquête plus approfondie révèle que le coût des jetons de sortie des modèles chinois s'élève à environ 2,19 dollars pour un million de jetons (pour DeepSeek R1), alors que les modèles américains nécessitent plusieurs dizaines de dollars (voire plus) pour le même volume. Voyez également cette comparaison des coûts des jetons DeepSeek et OpenAI. Ces écarts de prix ne sont pas négligeables. Ils suggèrent que l'ensemble de la pile technologique chinoise (matériel, logiciels et énergie) offre déjà une puissance de calcul à un coût inférieur. Les entreprises qui déploient l'IA en Chine ou via des infrastructures chinoises peuvent ainsi créer et déployer des modèles à un coût bien moindre, favorisant leur utilisation. Pour les États-Unis, la concurrence ne se joue donc plus uniquement sur les capacités, mais aussi sur le coût par jeton et la capacité à le réduire. Ce processus de marchandisation est déjà une réalité.
Avantages de l'analogique
Si les performances des GPU numériques ont retenu l'attention du monde entier, la domination croissante de la Chine dans la conception de puces analogiques et neuromorphiques pourrait bien être le véritable levier stratégique. Les puces analogiques se distinguent par leurs performances dans les applications industrielles et d'intelligence artificielle de pointe, telles que les boucles de contrôle en temps réel, la vision par ordinateur et la robotique. Leur coût de production est nettement inférieur (généralement d'environ 500 dollars par unité, contre 5 000 dollars pour une puce numérique américaine équivalente) et leur consommation d'énergie par nœud d'inférence est bien moindre (environ 1 000 kWh par an contre 5 000 kWh).
Tableau 1 : Comparaison des performances opérationnelles des États-Unis et de la Chine
En clair, la Chine peut déployer environ dix fois plus de nœuds pour un coût total dix fois moins élevé, permettant ainsi une accélération industrielle massive et l'intégration de l'intelligence artificielle dans les usines, la logistique et les infrastructures intelligentes.
Les puces analogiques diffèrent fondamentalement de leurs équivalents numériques. Si les processeurs numériques exécutent des opérations logiques à une vitesse vertigineuse, ils n'ont aucune utilité s'ils ne peuvent pas interagir avec le monde réel. Cette interaction dépend des dispositifs analogiques, c'est-à-dire des puces qui convertissent la lumière, le son, la température et le mouvement en signaux numériques, ou qui fournissent l'énergie nécessaire pour faire fonctionner les moteurs, charger les batteries et faire fonctionner les systèmes de communication.
Ces puces sont omniprésentes. On les trouve notamment dans les véhicules électriques, où elles gèrent les systèmes de batterie, actionnent les moteurs et permettent des communications sûres et fiables entre les sous-systèmes. On les retrouve également dans l'automatisation industrielle, où les capteurs, les actionneurs et les entraînements moteurs requièrent des circuits analogiques précis. Elles sont également à l'origine des équipements de télécommunications et de réseau, convertissant les signaux et garantissant une alimentation électrique fiable. On les trouve aussi dans l'électronique grand public et l'Internet des objets (IoT), où même les appareils connectés les plus simples nécessitent une série de composants analogiques.
Contrairement aux processeurs haut de gamme, les puces analogiques ne dépendent pas des dernières technologies lithographiques. Elles peuvent être fabriquées sur des lignes de production "matures" de 28, 40 ou 90 nanomètres, voire plus. Ce qui fait leur valeur, ce n'est pas tant la densité de transistors que l'expertise en matière de conception, la fiabilité et l'intégration avec les systèmes d'utilisation finale. C'est la raison pour laquelle les puces analogiques ont toujours été l'apanage d'entreprises spécialisées disposant de plusieurs décennies de savoir-faire accumulé, telles que Texas Instruments, Analog Devices et ON Semiconductor.
Le marché mondial des puces analogiques représente aujourd'hui entre 90 et 100 milliards de dollars par an, soit entre 12 et 16 % du chiffre d'affaires total du secteur des semi-conducteurs. Bien que son poids en dollars soit inférieur à celui d'autres segments, comme la mémoire ou la logique, il n'en reste pas moins une part importante. Il est également appelé à croître de manière régulière et durable.
Trois facteurs structurels se distinguent.
Le premier est l'électrification des transports. En effet, les véhicules électriques contiennent deux à trois fois plus de semi-conducteurs analogiques et de puissance que les véhicules traditionnels à moteur à combustion interne. À mesure que le nombre de véhicules électriques progresse, la demande de puces de gestion de batterie, de pilotes de grille, de circuits intégrés de conversion de puissance et d'émetteurs-récepteurs de réseau automobile augmentera en conséquence.
Deuxièmement, citons la numérisation industrielle. Les usines, les centres logistiques et les infrastructures urbaines sont de plus en plus équipés de capteurs, d'appareils connectés et de systèmes de contrôle automatisés. Chaque installation élargit la base installée de composants analogiques. Une fois que les clients industriels ont validé la sécurité et la fiabilité des puces d'un fournisseur, ils sont réticents au changement. Cela se traduit par des cycles de vie longs pour les produits et des revenus récurrents.
Troisièmement, l'Internet des objets. Malgré des années de battage médiatique, l'IoT en est encore à ses balbutiements. Des dizaines de milliards d'appareils sont attendus, mais seuls quelques-uns ont été déployés. Chaque nœud de l'IoT nécessite des composants analogiques, tels que des convertisseurs, des amplificateurs et des régulateurs de puissance. À mesure que l'IoT se développe, le contenu analogique ne fera qu'augmenter, fournissant ainsi un moteur de croissance durable pour les décennies à venir.
En d'autres termes, le secteur analogique constitue la base de l'économie numérique. Si les processeurs haut de gamme font la une des journaux, ils ne peuvent pas fonctionner dans l'univers chaotique du monde physique sans l'infrastructure analogique. Du point de vue de Pékin, le marché analogique est particulièrement attractif, car il est à la fois indispensable et accessible. Rivaliser directement avec les entreprises américaines et taïwanaises de pointe dans le domaine de la logique numérique reste un défi de taille, limité par les contrôles à l'exportation, la lithographie extrême ultraviolet et les acteurs historiques bien implantés. L'écosystème chinois est toujours en phase de croissance, même en admettant que, pour l'instant, la Chine soit parvenue à surmonter la crise.
Mais les semi-conducteurs analogiques sont une autre histoire.
La production analogique ne requiert pas d'usines de pointe. Elle peut être réalisée à partir de nœuds matures, dans lesquels la Chine dispose déjà d'une capacité de production importante, notamment dans des entreprises comme Hua Hong et SMIC. Côté conception, des entreprises chinoises comme SG Micro, GigaDevice et Will Semiconductor renforcent leurs capacités en matière de gestion de l'énergie, d'interfaces automobiles et d'intégration de capteurs. Les barrières technologiques sont réelles - la conception analogique relève autant de l'art que de la science -, mais elles sont moins insurmontables que celles qui entravent l'accès à la course aux 2 nanomètres.
Ces avantages sont considérables. Au niveau national, la Chine peut accélérer l'automatisation industrielle basée sur l'intelligence artificielle à grande échelle. Des milliers de nœuds peuvent être déployés par usine à un coût total moindre, permettant ainsi de mettre en place des réseaux de fabrication et de logistique intelligents à grande échelle. En revanche, les États-Unis, limités par des coûts plus élevés en matière de puces et d'énergie, ne peuvent déployer qu'un nombre limité de nœuds, freinant ainsi la mise en œuvre de l'IA industrielle. Par exemple, sur cinq ans, un cluster industriel américain typique pourrait passer à 1 600 nœuds, tandis que la Chine pourrait en déployer près de 38 000 dans ses usines, renforçant ainsi l'impact technologique et l'effet de levier économique.
Tableau 2 : Déploiement des puces analogiques - Comparaison entre l'automatisation industrielle aux États-Unis et en Chine
Co-optimisation matériel-logiciel
Le matériel seul ne suffit pas pour gagner la course à l'intelligence artificielle. Les cadres logiciels, l'optimisation des modèles et la co-conception entre les puces et les charges de travail informatiques sont tout aussi essentiels. Les entreprises chinoises ont massivement investi dans la co-optimisation matériel-logiciel, permettant ainsi à des puces analogiques et numériques moins efficaces d'atteindre un débit comparable à celui des GPU haut de gamme américains. La Chine réalise des progrès significatifs dans ce domaine afin d'améliorer ses capacités en matière d'IA. Cette synergie est particulièrement prononcée dans l'automatisation industrielle, où l'efficacité énergétique, la latence et l'intégration avec des capteurs du monde réel sont essentielles.
Citons par exemple le développement par Huawei de la série de puces Ascend AI, complétée par la pile logicielle CANN (Compute Architecture for Neural Networks). Huawei a récemment annoncé son intention de rendre CANN open source afin de contester la domination de NVIDIA sur le marché des accélérateurs d'intelligence artificielle. Un autre exemple est la sortie par DeepSeek de son grand modèle linguistique DeepSeek-V3.2-Exp, optimisé pour les puces et les logiciels chinois. Ce modèle prend en charge les accélérateurs nationaux, comme les NPU Ascend de Huawei et les MLU de Cambricon, démontrant ainsi la volonté de la Chine d'assurer sa souveraineté en matière d'intelligence artificielle en privilégiant le matériel national dans le développement de l'IA de pointe.
Ces initiatives reflètent la stratégie de la Chine d'intégrer le développement du matériel et des logiciels afin de réduire sa dépendance aux technologies étrangères et de renforcer sa position dans le secteur mondial de l'IA.
En effet, le déploiement de la technologie chinoise pourrait offrir un rendement énergétique 2 à 3 fois supérieur à celui des alternatives américaines. Il s'agit là d'un avantage structurel qui s'accumule avec le temps, notamment à mesure que les projets prennent de l'ampleur. Même si cet avantage était moindre en raison de différences de coûts énergétiques moins importantes, il est clair que les États-Unis ne disposent d'aucune supériorité évidente.
Composants de terres rares
Au-delà de l'énergie et des puces, la domination de la Chine dans le domaine des composants de terres rares et des intrants de fabrication essentiels renforce son avantage concurrentiel global. Alors que les États-Unis dépendent toujours de matériaux importés pour les GPU et les batteries à haute capacité, la Chine dispose d'un approvisionnement national assuré. Cela permet non seulement de réduire la volatilité des coûts, mais aussi de garantir que les déploiements à grande échelle de l'intelligence artificielle et de l'automatisation industrielle soient à l'abri des perturbations internationales. À mesure que la demande mondiale en accélérateurs d'intelligence artificielle, en batteries et en robotique augmente, les États-Unis pourraient être confrontés à des ruptures d'approvisionnement que les entreprises chinoises peuvent facilement éviter.
En octobre 2025, la Chine a annoncé un contrôle plus strict des exportations d'éléments de terres rares, ajoutant cinq nouveaux matériaux à sa liste restreinte et exigeant des licences d'exportation pour tous les produits à base de terres rares d'origine chinoise. Ces contrôles concernent des produits essentiels à la fabrication de semi-conducteurs, comme le dysprosium, le terbium et l'yttrium. Compte tenu de la domination de la Chine dans le traitement des terres rares (elle représente environ 90 % de la capacité mondiale), ces mesures pourraient perturber les chaînes d'approvisionnement des fabricants américains de microprocesseurs, si elles sont utilisées à des fins non conformes. Les utilisations militaires ne sont en principe pas autorisées et les utilisations à double usage nécessiteront une autorisation au cas par cas. Les entreprises qui dépendent de ces matériaux pourraient être confrontées à des retards de production et à une hausse des coûts, avec pour conséquence une perturbation de la livraison en temps voulu des puces avancées utilisées dans les secteurs de l'intelligence artificielle, de la défense et de l'électronique grand public.
Bien que les négociations entre les États-Unis et la Chine aient suspendu l'application de ces exigences en matière de licences pour une durée de 12 mois (jusqu'au 31 octobre 2025), il est clair que ce dispositif offre à la Chine la possibilité de contrôler l'approvisionnement en matériaux essentiels, en particulier ceux ayant un impact sur la sécurité nationale et mondiale.
Le modèle d'IA, l'open source et les conteneurs
L'évolution la plus frappante est peut-être l'émergence de systèmes d'IA en conteneur basés sur des modèles open source. Les entreprises chinoises regroupent des "piles" d'IA (calcul, logiciels, énergie et communications) en solutions clés en main pouvant être déployées dans des régions où les infrastructures locales sont limitées. Ces solutions peuvent être déployées directement dans les économies en développement, réduisant ainsi la dépendance vis-à-vis des services cloud et des modèles propriétaires basés aux États-Unis.
La Chine fait des progrès significatifs dans le déploiement de solutions d'IA grâce à des systèmes conteneurisés et prêts à l'emploi, dans le but de fournir une infrastructure d'IA accessible et évolutive. Par exemple, le déploiement par Alibaba Cloud du modèle Qwen-VL-Chat montre comment les applications d'IA peuvent être rapidement mises en place à l'aide d'environnements conteneurisés, facilitant ainsi un déploiement et une gestion efficaces. En outre, les contributions de Huawei à la Cloud Native Computing Foundation, notamment le don de Volcano pour la planification des charges de travail IA haute performance et de KubeEdge pour le déploiement de conteneurs IA en périphérie, soulignent les efforts visant à rationaliser l'infrastructure IA et à améliorer la flexibilité du déploiement. Ces initiatives reflètent l'orientation stratégique de la Chine vers l'intégration du développement matériel et logiciel afin de réduire sa dépendance vis-à-vis des technologies étrangères et de renforcer sa position dans le paysage mondial de l'IA.
Sur le front de l'open source/téléchargement, la Chine gagne également du terrain à un rythme soutenu. Les familles de modèles chinois, telles que Qwen 2.5 (groupe Alibaba), auraient été téléchargées des dizaines de millions de fois. Par ailleurs, divers commentaires suggèrent que les modèles open source chinois dépassent désormais leurs équivalents américains en termes de déploiement mondial, comme en témoigne le graphique 1 qui indique que plus de 60 % des déploiements de modèles ouverts proviennent de Chine. Cette combinaison de faible coût et diffusion généralisée signifie que la Chine dispose d'un avantage en termes d'écosystème (développeurs, déploiements et services). Les entreprises américaines, qui dépendent de modèles fermés et de structures de coûts plus élevées, pourraient avoir du mal à maintenir leurs avantages concurrentiels si les développeurs mondiaux se tournaient de plus en plus vers des alternatives chinoises moins coûteuses.
Au total, ces tendances ont permis aux modèles open source chinois de dépasser ceux des États-Unis (voir la figure 2). Même les entreprises américaines utilisent les modèles open source chinois à la base de leur propre travail de développement, comme le rapporte un récent numéro de Harvard Business Review. Les sceptiques affirment toutefois que l'industrialisation de l'intelligence artificielle et la volonté de réduire les coûts pourraient nuire à la viabilité à long terme. Nous avons déjà entendu ces arguments dans d'autres secteurs de pointe, qui ont finalement abouti à une consolidation de l'industrie, avec des tarifs proches du coût de production. Ceux qui ont réussi à gagner des parts de marché pendant la période de forte concurrence ont survécu et prospéré.
Les fournisseurs chinois d'IA proposent désormais des solutions de migration pour aider leurs clients à passer sans difficulté des modèles d'IA Claude à des outils d'IA locaux offrant des performances équivalentes à moindre coût. Anthropic a riposté en interdisant aux entités chinoises d'utiliser ses services d'IA (comme si cela allait changer quelque chose), tandis que la technologie américaine d'IA risque de faire monter la tension "géopolitique" en réclamant des protections réglementaires au nom de la sécurité. Ces mesures pourraient toutefois avoir un effet boomerang et entraîner l'isolement de la technologie américaine d'IA.
Graphique 1 : Adoption mondiale des modèles régionaux par mois
Les implications sont importantes. Les modèles d'intelligence artificielle (IA) américains, qui constituaient autrefois une source majeure de revenus et d'influence, sont de plus en plus concurrencés par des solutions open source prêtes à l'emploi, qui s'intègrent pleinement aux infrastructures locales d'énergie et de communication. Les entreprises américaines pourraient donc être amenées à rivaliser davantage avec les fournisseurs européens et open source pour exercer leur influence sur les marchés traditionnels, plutôt que de bénéficier d'une position dominante grâce à leur technologie propriétaire.
Dynamique des flux de trésorerie et des réinvestissements
Les implications financières renforcent le défi structurel. Les entreprises chinoises, qui réalisent des marges plus élevées grâce à des coûts d'énergie et de matériel moindres, peuvent en effet réinvestir massivement dans les puces de nouvelle génération, l'optimisation des logiciels et le déploiement de l'intelligence artificielle industrielle. En revanche, les entreprises américaines, confrontées à la hausse des coûts opérationnels, à la fragilité de la chaîne d'approvisionnement et à l'érosion des avantages concurrentiels de leur modèle économique, pourraient voir diminuer leurs marges, limitant ainsi leurs possibilités de réinvestissement et d'innovation.
Alors que les entreprises chinoises spécialisées dans l'intelligence artificielle (IA) tirent parti de coûts énergétiques réduits, d'une production nationale de puces et d'une optimisation simultanée des logiciels et du matériel pour proposer une IA à un coût total plus faible, les entreprises américaines sont confrontées à des marges de plus en plus faibles. Les coûts élevés de l'électricité, les composants importés onéreux et l'échelle de déploiement limitée réduisent la rentabilité par modèle ou par déploiement, réduisant ainsi les liquidités disponibles pour réinvestir dans la recherche de la prochaine génération. Cette pression financière est aggravée par l'érosion des avantages concurrentiels des modèles de base propriétaires, car les piles d'IA open source et conteneurisées en provenance de Chine, voire d'Europe, envahissent des marchés autrefois considérés comme lucratifs sur le long terme.
La réduction des marges limite la capacité des entreprises américaines à financer des initiatives de Recherche et Développement (R&D) à long terme, à expérimenter de nouvelles architectures ou à développer de nouvelles applications industrielles de l'IA. Avec le temps, un cercle vicieux s'installe : la baisse des bénéfices réduit les réinvestissements, freinant ainsi l'innovation et érodant la position concurrentielle par rapport aux entreprises chinoises qui bénéficient de coûts opérationnels plus faibles et de flux de trésorerie plus élevés pour un développement constant.
Implications pour l'industrie américaine de l'IA
L'effet cumulatif de ces facteurs est flagrant. La hausse des coûts énergétiques et opérationnels limite la compétitivité des centres de données et des déploiements industriels aux États-Unis. Les contraintes d'évolutivité du matériel et le coût unitaire plus élevé réduisent la compétitivité des GPU numériques américains par rapport aux puces analogiques et co-optimisées chinoises. La vulnérabilité de la chaîne d'approvisionnement aux tensions géopolitiques et à la volatilité des prix ne fait qu'augmenter. Le leadership en matière d'automatisation industrielle glisse vers la Chine, où le déploiement à grande échelle de puces IA analogiques accélère la transformation numérique de l'industrie. L'érosion du modèle de base par les piles d'intelligence artificielle open source et plug-and-play diminue les sources de revenus et l'influence des États-Unis sur les marchés émergents. Le déficit de réinvestissement freine l'innovation dans le matériel et les logiciels d'IA de nouvelle génération.
Si cette tendance se poursuit, les États-Unis pourraient se retrouver en concurrence avec l'Europe et les écosystèmes open source pour exercer leur influence dans la diffusion mondiale de l'IA, et non pas uniquement avec la Chine. Leur avantage initial, très médiatisé, pourrait se traduire par une diminution de leur influence stratégique à long terme.
Le tableau 3 présente une évaluation comparative des trajectoires des différentes couches des écosystèmes d'IA des États-Unis et de la Chine.
Figure 2 : Dynamique mondiale des modèles
En termes quantitatifs, on peut raisonnablement penser que la production totale ajustée en fonction de l'énergie par dollar investi sera probablement 2 à 3 fois supérieure à celle des États-Unis d'ici cinq ans. Concernant le déploiement de nœuds d'IA industrielle, la Chine devance d'environ 5 à 10 fois les États-Unis. En termes de flux de trésorerie cumulés, le réinvestissement de la Chine dans le matériel et les logiciels dépasse celui des États-Unis de plus de 50 %, creusant considérablement l'écart.
La tortue en passe de dépasser le lièvre ?
L'histoire de la course mondiale à l'intelligence artificielle (IA) évolue vers la durabilité, l'intégration et l'efficacité systémique. Si le secteur américain a pris une longueur d'avance, la Chine a, elle, discrètement mis en place un écosystème d'IA stratifié, résilient et rentable. Son avantage réside dans l'arbitrage énergétique, la fiabilité de la chaîne d'approvisionnement, la domination des puces analogiques et l'intégration open source à destination des pays émergents.
Dans la fable classique, le lièvre était rapide, mais trop confiant. La tortue, elle, progressait lentement mais sûrement, et a fini par remporter la course. Dans le paysage actuel de l'IA, la Chine incarne la tortue. Sa position ne repose pas uniquement sur l'effet d'annonce ou les performances, mais sur une planification méticuleuse, une optimisation des coûts et une vision stratégique. Malgré leur sprint initial, les États-Unis sont désormais confrontés à une course où pour rattraper leur retard, ils devront peut-être procéder à des interventions structurelles d'une ampleur sans précédent dans les domaines de l'énergie, du déploiement de l'IA industrielle et de la fabrication de microprocesseurs. Ces défis sont autant politiques que techniques.
La concurrence devrait être caractérisée par un certain nombre de paramètres clés. On peut citer l'expansion continue du rôle des modèles open source. Les entreprises chinoises continueront de commercialiser des modèles intégrés à des piles plug-and-play, réduisant ainsi leur dépendance vis-à-vis des modèles américains. Parallèlement, les solutions d'IA turques devraient se généraliser, en particulier dans les économies en développement. Comme le montrent les développements récents, les piles d'IA peuvent être conteneurisées avec des systèmes énergétiques et des réseaux de communication intégrés, et déployées sans infrastructure de centre de données à grande échelle. Pour les États-Unis, cela implique que les revenus des modèles propriétaires sont exposés à un risque d'érosion, tandis que les marges sur le matériel et les logiciels se réduisent. Ces dynamiques combinées réduiront l'influence globale des États-Unis sur le déploiement de l'IA industrielle, accélérant ainsi une potentielle perte de leadership sur les marchés de l'IA cloud et de l'automatisation industrielle.
Pour conclure, une mise en garde s'impose. Les domaines techniques et scientifiques connexes à ces dynamiques sont en constante évolution. Les progrès et les développements sont permanents, entraînant une instabilité des paramètres. Mais l'enseignement essentiel à tirer de cette évaluation est que toute affirmation sur le leadership en matière d'IA basée sur une seule dimension d'un système global est trompeuse, et qu'il convient d'examiner le sujet sous l'angle de la "chaîne d'approvisionnement" dans son ensemble. Et dans les chaînes d'approvisionnement et industrielles, la Chine est sans aucun doute un leader mondial.
Traduit par Spirit of Free Speech
1-177623019 - Le FLOPS (flops, pour "floating-point operations per second") est une unité de mesure de la puissance de calcul d'un processeur. Elle indique le nombre de calculs complexes impliquant des nombres décimaux pouvant être effectués par seconde. Elle est utilisée pour évaluer la vitesse et l'efficacité des systèmes d'intelligence artificielle, un FLOPS plus élevé indiquant une capacité de traitement plus élevée.
2-177623019 - Il existe sans aucun doute un certain flou quant au prix industriel type de l'électricité facturé dans chaque pays. Contrairement aux prix utilisés dans les calculs présentés dans cet article, d'autres recherches indiquent qu'en 2025, le prix de l'électricité industrielle en Chine oscille autour de 0,077 $ par kWh, tandis qu'il s'élève en moyenne à 0,148 $ par kWh aux États-Unis. Le raisonnement repose donc sur une notion générale de différence « d'ordre de grandeur ».