Le vol qui a contribué à la montée de l’IA en Chine

La montée de l’IA en Chine devait être une histoire de compétences techniques exceptionnelles. Mais les preuves indiquent qu’il s’agit plutôt d’une histoire de extraction de ressources.

En janvier 2025, la mise en ligne du modèle R1 de DeepSeek a provoqué une baisse des valeurs des actions technologiques américaines. Nvidia a perdu…Presque 600 milliards de dollars de son cours de bourse en une seule journée.C’est un record pour n’importe quelle entreprise de Wall Street. Broadcom a chuté de 17 %, et ASML de 7 %. Le marché avait accepté une explication simple : construire des modèles d’intelligence artificielle de haute technologie nécessitait des quantités de puces ultra-avancées qui devaient être produites par des entreprises américaines. Si une start-up chinoise pouvait produire un modèle compétitif à moindre coût, alors tous ces dépenses étaient une erreur.

Onze mois plus tard, le marché a décidé qu’il avait eu tort. Nvidia est devenue la première entreprise à…Atteindre une valeur de 5 billions de dollars en octobreLes actions de Broadcom ont augmenté de 49 % entre 2025 et aujourd’hui, tandis que celles d’ASML ont progressé de 36 %. Les plans de dépenses de capital des grandes entreprises technologiques pour l’année 2026 s’élèvent à environ 760 milliards de dollars, soit presque le double de ce qu’ils étaient il y a un an.StatistaLa panique ne a pas duré longtemps. La question n’est pas de savoir pourquoi elle s’est dissipée, mais si les assurances qu’elle apporte sont justifiées.

La réponse se trouve dans ce qui n’est pas immédiatement visible sur les graphiques de comparaison. En effet, les modèles d’IA chinois ont réussi à combler l’écart avec leurs homologues américains. Le Center for AI Standards and Innovation, un organisme de recherche, a constaté que…Les principaux modèles chinois de poids ouvert sont environ huit mois en retard par rapport aux dernières innovations.Le modèle GLM-5.2 du laboratoire Z.ai se classe deuxième dans les évaluations de codage front-end. Le code Kimi K2.7 de Moonshot est très proche d’OpenAI et d’Anthropic en termes de performances sur les tâches d’agent. Les progrès sont réels.

Cependant, la raison n’est pas un progrès révolutionnaire en matière d’architecture des modèles, même si l’efficacité algorithmique s’est améliorée. La explication plus profonde réside dans l’extraction à grande échelle. En février 2026, Anthropic a révélé que trois laboratoires chinois de IA – DeepSeek, Moonshot AI et MiniMax – avaient…Utilisé plus de 24 000 comptes frauduleux pour générer plus de 16 millions d’échanges avec Claude.L’objectif était de collecter les schémas de raisonnement de Claude, ses capacités de codage et ses comportements d’agent. OpenAI a informé le Comité sélectif de la Chambre des représentants concernant la Chine que les employés de DeepSeek avaient contourné les restrictions d’accès et collectaient systématiquement les résultats du modèle. Google a constaté des campagnes similaires contre Gemini.

La technique s’appelle la distillation des connaissances. Un modèle plus petit, appelé « élève », est entraîné pour reproduire les résultats d’un modèle plus grand et plus performant, appelé « enseignant ». Cela permet d’acquérir ces capacités à un coût beaucoup plus faible. Cette pratique est légitime lorsqu’elle est effectuée avec autorisation, et tous les laboratoires de recherche utilisent cette méthode pour créer des versions moins chères de leurs propres systèmes. Ce que les laboratoires chinois ont fait, en revanche, était contraire aux règles : ils ont utilisé des comptes fictifs, des infrastructures de contournement et des moyens délibérés pour éviter les contrôles liés aux API, afin de transformer un service d’inférence public en corpus de formation pour des modèles concurrents.

L’asymétrie financière est flagrante. Le ChatGPT-5, le dernier modèle de OpenAI, aurait coût plus de 2 milliards de dollars à développer. Le R1 de DeepSeek, selon OpenAI, a été construit en partie par des méthodes de distillation.Environ 6 millions de dollars pour la formation marginale.Une entreprise a dépensé des milliards pour développer une capacité spécifique ; une autre a investi des millions pour essayer de l’imiter. Ce n’est pas du concurrence. C’est plutôt une forme de extraction de rentes.

Bien sûr, la distillation n’est pas une pratique exclusivement chinoise. Lors du procès de Musk contre Altman au début de cette année, Elon Musk a admis, lors des questions contradictoires, que sa société, xAI, avait « en partie » utilisé les modèles d’OpenAI pour développer ses propres modèles. « C’est une pratique courante », a-t-il dit, « d’utiliser d’autres IA pour valider l’IA que l’on développe soi-même ». Les murmures dans la salle d’audience étaient justifiés. Si la distillation est omniprésente, alors les défenses économiques des fabricants de modèles innovants sont intrinsèquement fragiles. Chaque laboratoire qui crée un modèle innovant sait que ses capacités peuvent être exploitées par d’autres. La barrière entre les différents acteurs est donc plus fine que ne le montrent les chiffres de dépense.

Cependant, la reprise du marché n’était pas simplement une réaction immédiate. Elle reposait sur une idée structurelle : les entreprises chinoises de IA dépendent d’une infrastructure informatique dont elles ne contrôlent pas entièrement les ressources. Les restrictions aux exportations américaines, imposées dès l’administration Biden et ajustées sous l’administration Trump, ont limité l’accès de la Chine aux puces Nvidia les plus avancées. Par un tournant curieux, l’administration Trump a autorisé la vente des puces H200 de Nvidia aux entreprises chinoises au début de l’année 2026. Les autorités chinoises ont ensuite empêché les entreprises nationales d’acheter ces puces. Pékin ne considère plus les fabricants de puces américains comme des partenaires fiables. En réalité, les entreprises américaines…plus accepté sur le marché des puces AI chinoises.

Le résultat est un système fragmenté. Les laboratoires chinois innove en fonction des contraintes, en utilisant des architectures mixant plusieurs experts, des mécanismes d’attention éparpillés, ainsi que des techniques de quantification agressives – toutes des techniques permettant d’obtenir de meilleurs résultats avec un matériel moins performant. Ils distillent également les modèles américains. Ces deux stratégies sont réelles. Mais aucune ne peut remplacer le problème fondamental : la calculabilité à grande échelle et de haute performance. Comme l’a dit un analyste chez D.A. Davidson : « On ne peut faire que tant de recherches algorithmiques, et trouver tant d’innovations architecturales. »

Les grands géants américains de l’informatique augmentent leurs investissements. Selon Statista, Amazon, Microsoft, Alphabet et Meta prévoient chacune d’investir environ 760 milliards de dollars dans l’infrastructure de l’IA cette année. Goldman Sachs Research note que les investissements technologiques aux États-Unis en proportion du PIB…a dépassé son pic des années 1990Les dépenses sont énormes, et la question est de savoir si elles seront récompensées. Goldman Sachs estime que la valeur actuelle différée des bénéfices potentiels liés à l’IA pour les entreprises américaines se situe à environ 9 billions de dollars. Les entreprises liées à l’IA ont augmenté leur valeur marchande d’environ 27 billions de dollars depuis la fin de 2022. Pour combler ce déficit, il faut faire des hypothèses optimistes quant au montant de ces gains de productivité que ces entreprises pourront réaliser.

Ici, le problème de la distillation se manifeste également. Si les modèles chinois peuvent approximer les capacités des modèles américains, à un coût beaucoup plus faible – en partie grâce à des gains d’efficacité légitimes, et en partie par l’extraction de ressources – alors les rentes économiques que les créateurs de modèles américains espèrent obtenir grâce à leurs investissements massifs seront éliminées plus rapidement que ce que le marché peut prévoir actuellement. L’investissement des grands géants du secteur n’est pas lié au fait que leurs modèles soient uniques. Il s’agit plutôt que leurs systèmes de distribution, leurs intégrations entre entreprises et leur empreinte sur l’écosystème génèrent suffisamment de marge pour justifier leurs investissements. Cela est plausible pour les plus grandes entreprises, qui possèdent les plateformes cloud où fonctionnent les modèles. Cependant, cela est moins plausible pour les créateurs de modèles purement spécialisés, qui ne disposent pas de tels avantages.

La question plus importante que la narration de la « zone de mort » omettrait, c’est de savoir si la Chine pourra dépasser les États-Unis en termes de performances techniques des modèles. Il s’agit de savoir si l’économie liée au développement de l’IA de pointe peut soutenir le boom d’investissements que le marché a anticipé. Si la distillation devient une pratique acceptée dans l’industrie – qu’il s’agisse de pratiques contradictoires ou consensuelles – le coût pour atteindre une qualité de pointe diminue. Les barrières d’entrée s’abaissent. La concurrence s’intensifie. Les rentes se réduisent. C’est un résultat positif pour les utilisateurs, mais potentiellement déroutant pour les investisseurs qui avaient imaginé un oligopole restreint.

La réponse politique doit être prise en compte avec attention. La Maison Blanche a commencé à considérer cette pratique comme une question de sécurité nationale, en appelant à la partage d'informations et à des mesures de responsabilité. Cet impulsion est compréhensible. Mais le système juridique américain n’a pas encore déterminé si l’utilisation des résultats du modèle via une API publique constitue une violation des secrets industriels ou simplement une forme de reverse engineering. Cette distinction est importante. Si les résultats de l’API sont des produits publics, alors leur utilisation peut être une forme légitime de concurrence… même si elle est peu élégante. La criminalisation de cette pratique risque de transformer chaque appel d’inference en un terrain de bataille juridique.

Une approche plus ciblée consisterait à exiger des fournisseurs de modèles de frontière qu’ils mettent en place des mesures appropriées pour empêcher les extractions automatisées à grande échelle. Il serait également nécessaire de préciser que le contournement de ces mesures – par l’utilisation d’comptes fictifs, des fraudes liées aux identifiants ou des réseaux de bots – constitue une violation des lois existantes relatives aux fraudes informatiques et aux secrets commerciaux. L’objectif devrait être l’infrastructure permettant ce contournement, et non la technique de distillation elle-même. Les entreprises américaines utilisent également la distillation. La règle devrait s’appliquer au moyen d’accès obtenus, et non à ce qui est appris.

L’essor de l’IA en Chine ne représente pas une condamnation définitive pour les fabricants de modèles américains. C’est plutôt un rappel que les protections liées aux droits de propriété intellectuelle dans l’ère de l’IA sont plus difficiles à mettre en œuvre que dans l’ère du logiciel. Ces modèles ne sont pas des fichiers binaires ; ils constituent des services, et leurs résultats constituent donc une source d’information publique. Pour protéger ces capacités fondamentales, il faut soit rendre ces résultats moins utiles en tant que données de formation, soit augmenter le coût de leur extraction par rapport au coût de l’innovation légitime. Ni l’un ni l’autre n’est simple.

Le marché s’est remis de l’choc causé par DeepSeek. En effet, les progrès réalisés par la Chine, aussi impressionnants soient-ils, dépendent encore en partie des fondations américaines. Les dépenses américaines continuent d’augmenter, car le risque lié à l’infrastructure est plus important que celui d’un modèle unique. Ces deux faits sont vrais. Mais aucun ne garantit que la trajectoire actuelle sera durable. La question importante n’est pas de savoir si la Chine gagnera. C’est de savoir si les hypothèses économiques impliquées dans ce marché d’une valeur de 27 billions de dollars liés à l’IA restent valables, alors que le coût pour atteindre une qualité de premier plan continue de diminuer.