China’s AI Advantage Is Bigger Than You Think

Le débat sur l'innovation en IA entre la Chine et les États-Unis est complexe, mais une analyse approfondie révèle que la Chine progresse à un rythme impressionnant, dépassant la simple distillation de modèles américains. Initialement convaincu que la Chine se contentait de reproduire les avancées américaines, l'auteur de ce rapport, Excel XR, a été amené à reconsidérer sa position. Les innovations chinoises, notamment dans le domaine du matériel et des architectures de modèles, ne peuvent être expliquées par la seule distillation. **L'innovation chinoise : au-delà de la distillation** Les laboratoires chinois font preuve d'une innovation remarquable, particulièrement dans des domaines comme l'apprentissage par renforcement et les modèles "mixture of experts" (MoE). Ces avancées ne restent pas confinées en Chine ; elles influencent également la recherche américaine. Par exemple, des entreprises comme Thinking Machines ont utilisé des techniques de distillation basées sur des modèles chinois. Cette dynamique de flux bidirectionnel est souvent sous-estimée. Un exemple frappant de cette innovation est la capacité de la Chine à développer des modèles à plusieurs billions de paramètres, comme démontré par DeepSeek. Ces modèles, bien qu'en partie basés sur des recherches américaines, sont optimisés pour être viables à l'échelle de l'entraînement frontalier. DeepSeek est d'ailleurs considéré comme un leader dans ce domaine, avec des innovations notables en matière de MoE et de quantification lors du pré-entraînement (FPA quantization). La rapidité avec laquelle ces innovations se propagent en Chine est également remarquable, notamment grâce à l'approche open source adoptée par certains laboratoires. Des techniques d'apprentissage par renforcement comme GRPO et RLVR, initialement développées par DeepSeek, ont rapidement donné naissance à des variantes (DAPO, GSPO) en quelques mois seulement, démontrant une accélération grâce au partage des recettes d'entraînement. Cette collaboration ouverte contraste avec la nature plus propriétaire de la recherche aux États-Unis. **Les acteurs clés de l'innovation chinoise** L'auteur classe les entreprises chinoises les plus innovantes comme suit : 1. **DeepSeek :** Leader incontesté, pionnier dans les MoE, la quantification lors du pré-entraînement, et les techniques d'apprentissage par renforcement. 2. **Moonshot :** Reconnu pour son travail sur la sparsité des modèles (jusqu'à 1:56) et le développement de Muan Clip, une architecture adoptée par d'autres laboratoires. Ils ont également innové dans la distillation via MOPD. 3. **Quen (Alibaba) :** Contribue significativement à la recherche dans ce domaine. 4. **Z.AI (GLM family) :** Bien que moins axé sur la nouveauté architecturale, ce laboratoire excelle dans la co-conception matériel-logiciel. **La co-conception matériel-logiciel : un avantage stratégique chinois** Face aux contraintes matérielles et aux limitations de bande passante, les laboratoires chinois, tels que Z.AI, travaillent en étroite collaboration avec des fabricants de puces comme Cambricon et Ascend. Ils développent des instructions GPU de bas niveau, allant au-delà des outils standards comme CUDA d'Nvidia. Cette approche permet d'optimiser les performances sur des puces nationales moins performantes. Moonshot et Kimi K3, par exemple, ont développé leurs propres programmes GPU pour des architectures chinoises. DeepSeek a également écrit du code GPU de bas niveau via DeepEP. Cette optimisation au niveau de l'assemblage GPU, là où les laboratoires américains n'ont pas besoin de s'en préoccuper grâce à l'écosystème Nvidia, confère un avantage à long terme à la Chine. Cela pourrait se traduire par des coûts d'inférence significativement plus bas à l'avenir et une viabilité accrue pour l'entraînement sur leurs propres piles technologiques. **Implications de la co-conception : coût et souveraineté** L'implication majeure de cette co-conception est l'optimisation à des niveaux que les entreprises américaines n'ont pas besoin d'atteindre. Cela pourrait mener à des coûts d'inférence considérablement réduits en Chine à long terme. De plus, ce travail, combiné aux avancées en quantification, rendra l'entraînement sur des puces domestiques de plus en plus viable dans les prochaines années. Contrairement à certaines opinions, la Chine est en passe de surmonter ses limitations actuelles grâce à cette approche et au renforcement de sa chaîne d'approvisionnement. **Innovation américaine : leadership en capacité, mais des défis** Du côté américain, les laboratoires continuent de repousser les limites en termes de capacités des modèles. Des entreprises comme Anthropic et OpenAI affichent des revenus et des valorisations considérables. Cependant, le manque de transparence sur leurs recherches internes rend difficile une évaluation complète. La transition actuelle semble passer de la capacité d'entraînement à la capacité de service à grande échelle. Les laboratoires américains pourraient intégrer des recherches chinoises pour optimiser le service de leurs modèles, confrontés à des pénuries de calcul et des pannes de service. L'accent se déplace vers l'optimisation pour servir une large base de clients, comme le montre le modèle Flash d'OpenAI. Une stratégie chinoise intéressante, le "STR strategy", consiste à déplacer les gains de capacité vers la post-formation plutôt que de se concentrer uniquement sur le pré-entraînement. Ceci est particulièrement visible dans le domaine de l'apprentissage par renforcement, où des techniques de post-entraînement expliquent une part importante des gains de capacité. **L'électricité comme nouvel axe de compétition** Une thèse particulièrement pertinente concerne le rôle croissant de l'électricité dans le coût des modèles d'IA. À mesure que les modèles se banalisent et que les gains d'efficacité se traduisent par des baisses de prix, le coût de l'électricité devient un facteur déterminant. Actuellement, l'électricité représente 10 à 20 % du coût par token. Si cette tendance se poursuit, les modèles convergeront vers un coût dérivé de l'électricité, un domaine où la Chine possède un avantage considérable. La Chine dispose d'une capacité de production d'électricité deux fois supérieure à celle des États-Unis et ajoute de la capacité six fois plus rapidement. De plus, les besoins liés à l'IA en Chine ne représentent que 1 à 5 % de la capacité ajoutée ces cinq dernières années, contre 50 à 70 % aux États-Unis. Ce réseau électrique sous contrainte aux États-Unis contraste avec l'expansion rapide en Chine, qui peut ainsi "exporter" son électricité via des modèles d'IA. **Avantage électrique chinois et "eastern data, western computing"** Cette domination électrique confère à la Chine un avantage stratégique. Le programme "eastern data, western computing" vise à positionner le calcul dans des zones bénéficiant d'énergies renouvelables bon marché, complété par des subventions fiscales et énergétiques. Cette approche contraste avec les débats aux États-Unis sur la consommation d'eau des centres de données, souvent alimentés par de la désinformation. Même si la Chine n'a pas encore le même nombre de puces de pointe que les États-Unis, elle développe des "super pods" ou "super clusters" massifs, combinant des milliers de puces Ascend. Un seul de ces super clusters peut surpasser en termes de calcul des infrastructures américaines majeures. **Défis et perspectives pour la Chine : les puces et la monétisation** Malgré ces avantages, la Chine fait face à des contraintes sur la production de puces. L'AEI estime que d'ici quelques années, la Chine pourrait ne pas avoir suffisamment de puces pour satisfaire sa propre demande intérieure, nécessitant des optimisations supplémentaires. La question de la monétisation des modèles chinois est également un enjeu majeur. Les changements de licence, comme ceux de Moonshot et Alibaba, visent à capturer des revenus. Z.AI se concentre sur les déploiements sur site. DeepSeek a récemment augmenté ses tarifs. La capacité de ces laboratoires à générer des revenus suffisants pour justifier leurs valorisations élevées reste à prouver, surtout face à la pression des modèles open source et à la concurrence accrue. L'essor des cas d'utilisation "agentiques", extrêmement sensibles aux coûts, pourrait favoriser les modèles chinois les moins chers mais suffisamment capables. Les laboratoires chinois semblent optimiser spécifiquement pour ces flux de travail pilotés par les agents. **Scénarios d'évolution des relations sino-américaines en IA** Trois scénarios principaux peuvent décrire l'avenir de la relation IA entre les États-Unis et la Chine : 1. **Pont fonctionnel :** L'état actuel, où les API frontalières américaines dominent les charges de travail réglementées, et les modèles open source chinois sont la norme pour les marchés sensibles aux coûts. Les entreprises occidentales utilisent les deux pour se couvrir contre les risques. 2. **Démantèlement du pont :** Une rupture complète due à des restrictions américaines (cloud, distillation) ou à une décision de Pékin de cesser d'exporter des modèles frontaliers une fois sa propre souveraineté en entraînement acquise. Cela redonnerait du pouvoir de fixation des prix aux laboratoires américains, soutenant la R&D frontalière, mais réduirait la concurrence pour les acheteurs. 3. **Concurrence par l'ouverture (style RAN) :** Mon scénario idéal, où les laboratoires américains proposent des modèles open source "frontier-adjacent", stimulant la concurrence sur le marché intermédiaire. Les laboratoires américains pourraient alors se concentrer sur l'accès aux cas d'utilisation frontaliers (découverte de médicaments, etc.). La stratégie chinoise pourrait être de diffuser massivement des modèles open source bon marché pour ralentir les États-Unis jusqu'à ce que la Chine atteigne la parité en capacité d'entraînement, puis de restreindre l'accès. **Le rôle de l'open source et la question des talents** L'open source est un moteur de compoundage des innovations. La Chine semble capitaliser sur la vélocité de son écosystème open source, tandis que les laboratoires américains fonctionnent plus en silo. Nvidia, en open-sourçant son modèle Neotron, attaque ses propres clients en offrant un avantage de coût. L'adoption de licences plus permissives, de données d'entraînement et de recettes par l'Occident pourrait permettre une meilleure auditabilité et potentiellement une influence sur le récit concernant les ensembles de données chinois. Le flux de talents est un autre facteur clé. Le taux de chercheurs chinois titulaires d'un doctorat aux États-Unis et retournant en Chine a doublé entre 2019 et 2025. La Chine produit deux fois plus de doctorats en IA que les États-Unis, et la part des chercheurs en IA de premier plan formés en Chine est passée de 27 % à 38 % entre 2017 et 2024. Ce flux de talents, combiné à la production nationale, renforce la capacité d'innovation chinoise. **La course à l'AGI et l'avantage américain actuel** Malgré la montée en puissance de la Chine, un écart subsiste dans les modèles les plus avancés ("peak intelligence"). Certains soutiennent que cet écart pourrait permettre aux États-Unis de prendre une avance décisive vers l'AGI, rendant les avantages chinois en talents et en électricité moins pertinents. Le concept d'auto-amélioration récursive ("million geniuses in a data center") est vu comme le Saint Graal. L'écart actuel de capacité est estimé à environ huit mois, ce qui pourrait suffire aux États-Unis si l'auto-amélioration est efficace. Paradoxalement, le ralentissement du développement chinois via des restrictions sur les puces Nvidia pourrait paradoxalement accélérer leur propre développement de puces nationales. La Chine semble même encourager l'utilisation de puces domestiques dans les centres de données financés par l'État, cherchant la souveraineté. L'auteur suggère qu'un assouplissement des restrictions sur les puces Nvidia pourrait ralentir leur indépendance technologique. **Perspectives futures et questions ouvertes** D'ici 2028, on peut s'attendre à une production en masse d'une pile IA chinoise compétitive en coût. Bien