Course à l’IA entre les États-Unis et la Chine : analyse de l’indifférence stratégique

J’ai la mauvaise habitude de traiter chaque sortie d’un nouveau modèle d’IA comme la météo. Je rafraîchis les prévisions, j’observe le système de pression se former autour des benchmarks, puis j’attends la vague de tempête des démos, des interdictions, de l’anxiété liée au financement et des interprétations géopolitiques. DeepSeek R1 a été l’une de ces tempêtes, selon New Scientist : publié par une entreprise chinoise comme modèle open source en janvier 2025, présenté comme capable de rivaliser avec certaines des IA américaines les plus puissantes, et gratuit à télécharger pour tout le monde. New Scientist a aussi rapporté qu’un billion de dollars avait été effacé de la valeur des entreprises technologiques américaines et que des législateurs américains avaient immédiatement proposé de l’interdire sur les appareils gouvernementaux. Puis la partie étrange est arrivée. New Scientist a rapporté qu’une autre entreprise chinoise, Z.ai, avait publié GLM-5.2 le mois dernier avec des affirmations similaires sur ses performances, mais que la panique n’était pas venue. Ce silence ne prouve pas que l’IA chinoise a cessé de compter. Il montre plutôt que la salle a peut-être appris, presque du jour au lendemain, que le choc provoqué par un modèle est une mauvaise carte du pouvoir.

Le premier choc était réel

New Scientist présente la sortie de R1 par DeepSeek comme une rupture, parce qu’elle combinait trois choses que l’industrie de l’IA avait traitées comme séparées : des performances de niveau frontière, une distribution open source et des conséquences géopolitiques. Un modèle que l’on pouvait télécharger librement n’était pas seulement une annonce de produit. C’était un défi lancé à l’idée que la capacité elle-même resterait rare si l’accès aux puces et aux centres de données pouvait être limité. La réaction du marché était importante, car elle montrait à quel point la course à l’IA avait été racontée comme un spectacle. Un modèle plus puissant est apparu, et le réflexe a été de l’évaluer comme une urgence stratégique. Mais la comparaison faite par New Scientist avec GLM-5.2 de Z.ai indique un changement plus subtil. Quand une histoire de performance similaire ne produit plus la même panique, la question passe de « qui a surpris qui ? » à « qui peut réellement transformer cette capacité en systèmes durables ? ».

La pile devient l’histoire

Alicia García-Herrero et Bertin Martens, de Bruegel, décrivent la rivalité comme allant au-delà des seules puces, avec une Chine qui défie le leadership américain à la fois dans le matériel et les logiciels d’IA. Ce cadrage est utile parce qu’il élargit le regard : on passe de la couche supérieure glamour, le modèle, à toute la pile qui se trouve dessous et autour. Les puces comptent. Les centres de données comptent. Mais les canaux de distribution, les écosystèmes de développeurs, les règles d’achat, l’accès au cloud, les contrôles de sécurité et la capacité très concrète à faire fonctionner l’IA à l’intérieur des institutions comptent aussi. C’est là que l’indifférence stratégique devient rationnelle plutôt que complaisante. Si les modèles puissants deviennent plus faciles à reproduire, l’avantage défendable se déplace vers le déploiement. La question importante pour une entreprise n’est pas de savoir si un modèle peut réussir un benchmark une fois. C’est de savoir si l’organisation peut le connecter aux flux de travail, à la gouvernance, à la confiance des clients, à la discipline des coûts et à une boucle de rétroaction qui améliore le produit après son lancement.

La métaphore de la course s’essouffle

MIT Technology Review a publié un argument d’Alvin Wang Graylin et Paul Triolo affirmant qu’il ne peut pas y avoir de vainqueurs dans une course aux armements de l’IA entre les États-Unis et la Chine, et que la concurrence en IA n’est pas un jeu à somme nulle. Ce n’est pas un appel à ignorer la concurrence. C’est un rappel que la métaphore de la course aux armements peut faire ressembler chaque sortie de modèle à un bulletin du champ de bataille, ce qui réduit la manière dont les bâtisseurs et les décideurs réfléchissent. La question inconfortable est de savoir si la panique fait désormais partie de l’infrastructure. Un cycle de panique récompense les annonces plutôt que l’adoption, la restriction plutôt que la compréhension, et la pensée en classements plutôt que la compétence institutionnelle. L’indifférence stratégique offre une posture plus saine : prendre au sérieux les capacités des rivaux, mais cesser de traiter chaque modèle impressionnant comme un destin. La réponse la plus utile consiste à demander où le modèle fonctionne, qui peut l’auditer, qui contrôle l’écosystème qui l’entoure et quelles dépendances il crée.

Ce que les bâtisseurs devraient surveiller ensuite

New Scientist note que les États-Unis et la Chine sont engagés dans une course pour développer des modèles d’IA plus capables, ainsi que les puces et les centres de données nécessaires pour les entraîner et les faire fonctionner. Le cadrage par la pile proposé par Bruegel suggère que la prochaine phase sera jugée moins à partir d’une seule sortie qu’à partir de la couche où la capacité devient une habitude. Observez quels outils deviennent les choix par défaut des développeurs. Observez quels modèles sont assez peu coûteux pour être intégrés partout. Observez quelles institutions peuvent gouverner l’IA sans la ralentir au point de la rendre inutile. Pour les bâtisseurs, la leçon est pratique. Ne construisez pas une stratégie autour du fait d’être surpris. Construisez-la autour de la portabilité, de l’évaluation, du contrôle d’accès, de l’observabilité et de la capacité à changer de modèle quand la frontière se déplace. Si DeepSeek a été le moment où la capacité des modèles est devenue géopolitiquement bruyante, Z.ai pourrait être le moment où le monde a commencé à écouter des signaux plus discrets. Que construiriez-vous différemment si la prochaine sortie de modèle impressionnante n’était pas une urgence, mais une facture d’électricité ?