- Les modèles d’IA ont peu de véritables défenses au-delà de la fidélité à une marque et de coûts de migration superficiels, si bien que la stratégie des poids ouverts de la Chine construit un écosystème de diffusion plus large que les modèles fermés américains
- Dans l’IA d’entreprise, la vraie capacité de défense vient moins du modèle que des services périphériques comme les contrats, l’intégration aux systèmes internes et les fonctions de confort ; les utilisateurs d’API peuvent facilement changer de modèle et de fournisseur tout en conservant leurs prompts
- Les contrôles américains sur les exportations de GPU et les règles limitant le transfert de données vers des serveurs chinois restreignent l’offre de services centralisés mondiaux par les entreprises chinoises, mais la Chine transforme ce désavantage de calcul en avantage de diffusion en publiant ses modèles
- Moonshot et Alibaba ont publié des modèles qu’ils disent capables de rivaliser avec les meilleurs modèles d’OpenAI et d’Anthropic à un coût bien inférieur, et Martin Casado d’a16z estime à 80 % la probabilité qu’une startup quelconque utilise un modèle chinois
- La stratégie fermée des États-Unis et les incitations centrées sur les revenus à court terme freinent l’expansion de l’écosystème ; pour réduire les risques pesant sur l’économie américaine, très dépendante des dépenses en IA, il faudrait soutenir la public AI, les services fédérés et la recherche ouverte
La défense durable se situe dans les services périphériques, pas dans le modèle
- En tant que produits autonomes, les modèles d’IA n’ont pas une défense durable très forte
- Les utilisateurs peuvent passer de ChatGPT à Claude sans bouleverser fortement leur workflow
- En environnement d’ingénierie, le remplacement est encore plus simple : il suffit souvent de changer d’API tout en gardant le même prompt
- Les contrats peuvent retenir les clients, mais à long terme il existe peu d’incitations techniques à rester chez un seul fournisseur
- Dans l’IA d’entreprise, la défense se construit dans les transactions et les contrats, l’intégration aux systèmes d’entreprise et les fonctions de confort du cadre de travail
- Les utilisateurs peuvent choisir le modèle le mieux adapté à leurs besoins, puis changer de modèle et de fournisseur lorsqu’un meilleur apparaît
Une stratégie de diffusion qui renverse le désavantage de calcul
- À cause des contrôles américains sur les exportations de GPU, les entreprises chinoises ont du mal à fournir, de la même manière qu’OpenAI ou Anthropic, des services centralisés à l’échelle mondiale, même lorsqu’elles parviennent à obtenir des ressources de calcul pour entraîner leurs modèles
- Les réglementations empêchant le partage de serveurs chinois avec certains types de données limitent aussi l’expansion des services
- Les technologies ouvertes peuvent être utilisées sans autorisation, hébergées où l’on veut, expérimentées et modifiées, ce qui favorise leur adoption dans les infrastructures
- Les modèles à poids ouverts ne sont pas open source, mais ils sont portables et utilisables sans autorisation
- En publiant ses modèles, la Chine convertit le désavantage de calcul créé par les États-Unis en avantage de diffusion, transforme en commodité la couche des modèles sur laquelle les entreprises américaines cherchent à faire du revenu, et bâtit un écosystème mondial plus efficace que des services centralisés fermés
- De l’industrie manufacturière à la recherche scientifique, de nombreux secteurs chinois peuvent utiliser directement ces modèles
Un écart de performance qui se réduit
- La ligne de défense des entreprises américaines reposait sur l’idée que leurs modèles de pointe étaient supérieurs aux modèles publics, mais la publication des modèles de Moonshot et d’Alibaba réduit cet écart
- Les deux entreprises affirment que leurs modèles peuvent rivaliser avec les meilleurs d’OpenAI et d’Anthropic à un coût bien inférieur
- La rapidité des publications successives menace l’avance américaine au moment même où l’IA devient centrale pour la sécurité nationale, la puissance économique et l’influence géopolitique
- Même avant ces nouveaux gains de performance, la stratégie chinoise produisait déjà des résultats
- Martin Casado, partner chez a16z, estime à 80 % la probabilité qu’une startup quelconque utilise un modèle chinois
- La possibilité que les modèles chinois prennent la tête augmente elle aussi
Les risques créés par la stratégie fermée américaine
- Paradoxalement, contrairement au caractère fermé de la société chinoise, ce sont les entreprises américaines qui contrôlent le plus fortement la technologie IA
- Il existe de graves inquiétudes quant au fait que les modèles chinois puissent refléter la vision du gouvernement, ce que l’on peut constater avec des questions sur la place Tiananmen
- La stratégie fermée des entreprises américaines contraste nettement avec la manière dont le gouvernement américain a autrefois soutenu l’internet ouvert
- Plutôt que de fermer une technologie dont la défense réelle est faible mais le potentiel d’écosystème élevé, il est plus avantageux d’adopter une approche ouverte, permissive et collaborative
- Les entreprises américaines sont poussées à privilégier des revenus directs à court terme au détriment des bénéfices de l’écosystème
- Le gouvernement intervient lui aussi sur le marché via des contrôles stricts à l’exportation, d’où la nécessité de changements qui alignent mieux les incitations des entreprises et celles de l’écosystème
- Une part importante de l’économie américaine subit aujourd’hui l’effet des dépenses en IA ; si cette dynamique faisait s’effondrer la base de dépenses, les conséquences pourraient être graves
- La public AI, les services fédérés et la recherche ouverte gagnent du soutien pour promouvoir des technologies ouvertes pouvant fonctionner au service de l’intérêt général et des valeurs du public, mais un soutien supplémentaire reste nécessaire
- Pour concrétiser cela aux États-Unis, il faudra une stratégie et un accompagnement plus sophistiqués qu’aujourd’hui
1 commentaires
Avis de Hacker News
Au cours des 50 dernières années, sur les marchés de l’informatique et du logiciel, ce sont finalement les produits gratuits ou bon marché qui l’ont emporté. Le PC a fait tomber les mini-ordinateurs, Windows à bas prix et Linux gratuit ont grignoté le marché UNIX, et la place des mainframes a elle aussi fortement diminué.
Les coûts d’entraînement et les besoins en ressources des modèles de pointe ne sont pas soutenables, et l’incitation économique à développer des modèles de haute qualité moins chers est énorme. Les LLM locaux sur du matériel grand public ressemblent à l’écosystème des amateurs de PC des années 1970-1980, et d’ici 10 à 15 ans, les PC et les smartphones devraient pouvoir effectuer la plupart des tâches du niveau des modèles de pointe actuels.
Les modèles chinois à poids ouverts permettront des services de location d’IA bien moins chers que ceux d’Anthropic et d’OpenAI, ce qui accélérera cette tendance.
Les utilisateurs ne veulent pas d’interfaces qui les flattent au point de brouiller leur jugement, ni d’interfaces têtues et lentes à comprendre auxquelles il faut tout expliquer. Le secteur tech a tendance à trop se laisser séduire par la nouveauté lorsqu’il imagine les besoins des utilisateurs non techniques.
Un outil de lecture musicale n’a pas besoin d’être capable d’écrire une fanfiction sur le film dans lequel apparaît un morceau ; même si c’est impressionnant, ce n’est pas utile.
Dans l’open source, comme avec le noyau Linux, des individus ont pu améliorer indépendamment des systèmes complexes et accumuler ces avancées, mais pour les modèles il n’existe pas de voie d’entraînement distribué ni d’amélioration parallèle.
Cela peut être une stratégie de court terme visant à épuiser les financements des entreprises occidentales par une guerre des prix, mais les incitations et les politiques peuvent changer à tout moment. Si l’amélioration des modèles n’est pas réellement décentralisée, l’ouverture peut s’arrêter à tout moment.
Cela a probablement été similaire pour beaucoup de développeurs de la même génération ayant grandi dans des pays en développement.
Il est désormais difficile de revenir en arrière. Les poids ouverts ne sont pas de l’open source, mais en pratique des modèles gratuits, l’utilisateur ne payant que les coûts d’hébergement.
Des centaines de fournisseurs les hébergent et les vendent, et des milliers d’entreprises, de Microsoft, Databricks et Palantir jusqu’aux petites startups, peuvent les exécuter, les affiner et détenir la propriété intellectuelle qui en résulte.
À l’inverse, OpenAI et Anthropic doivent prendre plus de 90 % de marge sur l’inférence à cause des coûts irrécupérables et des salaires extrêmement élevés nécessaires pour retenir les talents. Le fait que Meta ait versé des milliards de dollars à des ingénieurs principaux a aussi fortement faussé le marché.
Si les laboratoires américains ferment, les laboratoires chinois se mettront eux aussi immédiatement à facturer, mais le prix par token restera probablement cinq à dix fois plus bas, avec moins de garde-fous. Les laboratoires américains doivent réduire leurs coûts et leurs salaires et se battre ; l’IA et la robotique sont le dernier espoir des États-Unis pour se réindustrialiser et conserver leur statut de superpuissance.
La demande intérieure chinoise est suffisamment importante et il existe une stratégie nationale de long terme sur les énergies renouvelables, ce qui peut produire un résultat qui ressemble, vu du reste du monde, à un soutien généreux. L’IA chinoise pourrait suivre une trajectoire similaire.
La citation selon laquelle « 80 % des startups utilisent des modèles chinois » est douteuse. Plusieurs startups avec lesquelles il y a eu récemment des entretiens utilisaient toutes des modèles américains, et même si certaines utilisaient en partie des modèles chinois, le cœur de leur activité reposait sur des abonnements Claude et Codex.
Avant un investissement, une startup peut utiliser un modèle chinois quelque part dans son flux de travail, mais on ne sait pas quelle proportion continue à le faire parmi celles qui obtiennent un investissement ou du chiffre d’affaires et survivent plus d’un an. Leur pitch pourrait être : « nous avons déjà réussi à faire ça avec des modèles open source chinois, donc si nous levons des fonds et utilisons des modèles de pointe, nous ferons encore mieux ».
L’auteur semble avoir trouvé une citation correspondant à un récit décidé à l’avance, ou l’avoir lue avec négligence.
Les modèles chinois à poids ouverts sont souvent utilisés, mais ils ne sont pas le premier choix pour les tâches de codage importantes.
Dans la bibliothèque d’IA utilisée, il suffit de changer un seul réglage pour remplacer le modèle.
On peut considérer que les modèles à poids ouverts l’emporteront dès lors que le matériel capable de les exécuter deviendra bon marché. On peut aussi louer directement des GPU pour réduire les coûts, mais j’ai entendu dire que les factures des entreprises qui exploitent elles-mêmes l’inférence sont étonnamment élevées
En revanche, il est difficile de comprendre ce qu’y gagnent les acteurs qui entraînent puis publient ces modèles. S’agit-il d’une stratégie pour faire baisser les prix en voyant les fournisseurs américains comme une menace, ou quel est le modèle économique ? Cela reste flou
Les motivations de la Chine sont plus difficiles à cerner. Article lié
La Chine considère comme un bénéfice pour l’ensemble de l’économie le fait de banaliser la technologie afin que de nombreuses entreprises soutiennent divers secteurs de l’économie, ce qui justifie l’investissement public
La stratégie américaine consiste à concentrer le capital privé sur un petit nombre d’entreprises, afin qu’une ou deux dominent le marché et imposent une « taxe » de plus en plus lourde à tous les secteurs ; il est donc difficile d’y voir une victoire pour l’économie nationale dans son ensemble
Si l’inférence IA est gratuite, elle pourra optimiser des puces chinoises pour chaque usage et les intégrer dans une multitude de produits — jouets, voitures, outils, etc. — afin de les vendre. Vu le flot d’appareils x86 bon marché et de produits Linux/BSD qui sort déjà de Chine, les GPU ne feront pas exception
Même s’ils publient aujourd’hui, les utilisateurs en local restent peu nombreux, et les modèles actuels ont de fortes chances de devenir tous obsolètes. L’inconvénient que les concurrents puissent facilement les distiller est de toute façon difficile à empêcher
Il est difficile d’imaginer un avenir sans modèles open source. L’IA est une technologie destinée au monde entier ; ses modèles les plus récents et les meilleurs ne doivent pas être enfermés chez des entreprises comme Anthropic ou OpenAI, qui peuvent en couper l’accès à tout moment
Cet article est étrange, sachant que Llama, en quelque sorte l’ancêtre de tous les modèles à poids ouverts, n’a pas apporté de succès à Meta
Les entreprises attachent plus d’importance à la non-conservation des données et aux relations avec leurs fournisseurs existants qu’au caractère ouvert ou non d’un modèle. L’article ressemble presque à une reprise des propos tenus sur CNBC par Alex Karp, CEO de Palantir, qui n’est pas neutre sur le sujet
Les modèles ouverts sont bienvenus et je les exécute aussi moi-même, mais il manque encore des preuves montrant que les États-Unis perdent la course à l’IA, ou qu’ils prennent du retard parce que les labos américains ne publient pas leurs poids
https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html
1 2 3
Ils cherchent désormais à héberger des modèles à poids ouverts chez les mêmes fournisseurs d’inférence, tout en gardant la possibilité de les rapatrier en interne si nécessaire
Il y avait une vraie occasion de devenir la « couche de base » évoquée dans les discussions ; il est difficile de comprendre pourquoi elle a été abandonnée
Je ne comprends pas la logique qui consiste à violer ouvertement les droits de propriété intellectuelle issus de l’histoire humaine, à traiter le patrimoine de l’humanité comme son propre domaine, puis à vouloir reprrivatiser des technologies et des données qui appartenaient à l’origine au domaine public
Si, une fois la situation clarifiée, on en vient même à parler de renflouements, ce sera la preuve que ce système est en faillite sur les plans éthique, financier et intellectuel
En tant que non-Américain, je ne souhaite pas qu’un cartel d’entreprises américaines d’IA détienne un pouvoir immense sur cette technologie. Je n’adhère pas non plus au cadrage « la Chine est mauvaise et communiste, donc il ne faut pas », et dans cette affaire les actions de la Chine constituent un bénéfice net pour le monde, indépendamment de l’idéologie
À ce moment-là, des réacteurs nucléaires à sels fondus seront aussi en service, et la consommation électrique des datacenters ne sera plus un problème, ou du moins c’est l’idée
Selon l’article de Ben Thompson sur les modèles chinois (https://stratechery.com/2026/whos-afraid-of-chinese-models/), Xi Jinping a déclaré dans un discours récent (http://english.scio.gov.cn/topnews/2026-07/18/content_118605932.html) qu’il fallait « saisir l’occasion historique d’encourager l’open source, l’ouverture, la coopération et le partage », y compris le soutien aux modèles open source
Cet article revient au fond à dire : « comme j’aime l’open source, l’open source gagnera ». La plupart des entreprises qui publient des modèles à poids ouverts ont reçu d’énormes financements en capital-risque, et l’on peut se demander quelle est leur stratégie de retour sur investissement, et comment elles comptent poursuivre indéfiniment tout en devenant rentables.
Dépenser des dizaines de millions de dollars pour entraîner un modèle de pointe, puis le publier gratuitement afin que d’autres l’hébergent sur leurs propres GPU, n’a pas de sens à long terme. Il est naïf de croire que les poids resteront ouverts lorsque le capital se tarira et que les investisseurs exigeront un rendement.
Les laboratoires chinois partiellement soutenus par l’État pourraient évoluer vers un modèle où des modèles chinois sont hébergés sur une infrastructure chinoise.
Puisque l’on paie déjà pour Claude, GPT, Gemini, etc., je serais prêt à payer un petit abonnement mensuel pour une licence d’exécution locale.
L’entraînement de modèles d’IA coûte des dizaines de millions de dollars, ce qui rend difficile de justifier les coûts initiaux par une mise à disposition gratuite. La manière dont la Chine entraîne et publie ses modèles ne se comprend vraiment que comme une stratégie visant à réduire les rendements des laboratoires américains de pointe.
Deuxièmement, même si l’IA elle-même n’est pas le produit, il est possible de mener une stratégie de commoditisation des compléments, en s’appuyant sur une IA bon marché ou en empêchant des concurrents d’en monopoliser la valeur (https://gwern.net/complement)
Il y a peu de raisons d’investir beaucoup d’argent dans des modèles qui deviendront obsolètes en quelques mois, mais si les progrès commencent à ralentir, je pense que davantage d’entreprises entraîneront des modèles gratuits.
Des outils de création gratuits augmentent le volume de contenus, et comme les contenus générés ont de fortes chances d’être visionnés au final sur leurs propres plateformes, elles peuvent récupérer les coûts d’entraînement via une augmentation du temps de visionnage. Même si de meilleurs modèles apparaissent à partir de recherches ouvertes, c’est bénéfique si ces contenus reviennent sur la plateforme.
Dans un environnement où les GPU sont rares, il suffit de mettre le modèle en ligne : les coûts s’arrêtent là et les utilisateurs l’exécutent eux-mêmes, sans qu’il soit nécessaire de fournir un service d’inférence. En proposant le modèle comme un outil gratuit, plutôt qu’en le revendant sous forme d’abonnement ou de tokens, on peut aussi moins aliéner les auteurs originaux des données d’entraînement.
Cela exerce aussi une pression sur les entreprises américaines, mais les entreprises chinoises servent déjà une clientèle immense sur un marché intérieur vaste et complexe ; la géopolitique ne suffit donc pas à expliquer l’ensemble du tableau.