par Cette veille IA semaine 37, du 7 au 13 septembre 2026, part d’un constat simple : la confiance dans l’IA avance lentement, et sans celle-ci les annonces ne se transforme en usage durable. Confrontation entre la Chine et les États-Unis sur la copie des modèles, levées de plusieurs milliards, infrastructures désormais mesurées en dizaines de gigawatts : les chiffres sont spectaculaires, mais ils ne disent pas encore qui créera de la valeur.
Mon fil rouge de la semaine est donc la confiance. Confiance dans la provenance d’un modèle, dans les conditions d’un abonnement, dans la protection des données, dans la capacité d’un fournisseur à tenir ses engagements, et dans l’autonomie qui reste à une organisation une fois sa pile technologique choisie.
Pour un dirigeant ou un DSI, ce déplacement est très concret. Choisir une IA ne consiste plus à comparer des scores. Il faut aussi pouvoir documenter sa chaîne d’approvisionnement, auditer ses usages, prévoir une solution de remplacement et vérifier que le fournisseur pourra réellement servir la capacité promise.
L’IA change d’échelle plus vite qu’elle ne bâtit les mécanismes de confiance nécessaires à son adoption.
Le point commun entre les 200 millions d’échanges qu’un rapport d’Anthropic attribue à des campagnes chinoises, les 664 milliards de dollars d’engagements restant à exécuter chez Oracle et la levée de 3 milliards d’euros de Mistral AI n’est pas la démesure. C’est la dépendance. Chaque acteur cherche à réduire la sienne tout en augmentant celle des autres : dépendance aux modèles, aux puces, à la mémoire, au cloud, aux talents ou aux capitaux.
Au sommaire de la veille IA semaine 37
La distillation quitte le litige commercial pour le terrain diplomatique
Le 8 septembre, la CISA, la NSA et le FBI ont publié un avis conjoint de cybersécurité, référencé AA26-251A, accusant six entreprises chinoises, à savoir DeepSeek, Alibaba, Moonshot AI, MiniMax, StepFun et Z.AI, d’avoir mené depuis fin 2024 des campagnes de distillation « à l’échelle industrielle » visant les modèles américains de pointe : Claude d’Anthropic, GPT d’OpenAI, Gemini de Google et Grok de xAI. La distillation consiste à interroger massivement un modèle plus capable pour réutiliser ses réponses dans l’entraînement d’un autre. Selon l’avis, cette pratique constitue le cœur, et non un simple complément, de la stratégie de développement de ces entreprises.
Deux jours plus tard, le 10 septembre, Anthropic a publié son propre rapport semestriel de menace, couvrant la période de décembre 2025 à août 2026. Il rattache la distillation à sept laboratoires chinois et chiffre près de 200 millions d’échanges détournés. La plus vaste campagne, attribuée à Alibaba pour améliorer ses modèles Qwen, aurait généré plus de 151 millions d’interactions entre mai et juillet 2026, avec des pics proches de trois millions par jour. Anthropic décrit aussi deux cas plus troublants : Moonshot AI aurait relayé les requêtes de ses propres utilisateurs vers Claude, dont environ 300 000 sur dix jours liées à des comptes militaires chinois, et DeepSeek aurait suivi une méthode voisine, avec plus de 12 millions d’échanges sur quatorze jours en juillet.
Je distingue ici le fait de l’interprétation. Le fait est l’existence d’un avis conjoint américain et d’un rapport d’Anthropic, acteur qui est à la fois juge, cible et source de ses propres données. L’interprétation d’une opération d’État coordonnée devra être confrontée à des éléments techniques auditables et aux réponses des entreprises visées. La Chine a d’ailleurs rejeté ces accusations, son ministère du Commerce les qualifiant de sans fondement et présentant la distillation comme une méthode technique banale.
Le changement d’échelle, lui, ne fait pas de doute. La protection d’un modèle ne relève plus des seules conditions générales d’une API : elle entre dans les contrôles à l’exportation et la sécurité économique, à deux semaines de la visite de Xi Jinping à Washington attendue le 24 septembre. Pour une entreprise utilisatrice, la conséquence est directe : un modèle techniquement accessible aujourd’hui peut devenir juridiquement ou commercialement plus difficile à utiliser demain. La question ouverte : combien d’organisations ont documenté d’où vient réellement le modèle sur lequel elles s’appuient ?
En Chine, des standards ouverts et un silicium encore contraint
La réponse chinoise ne se limite pas au discours. Le 8 septembre, à la conférence PyTorch de Shanghai, Alibaba Cloud et Cambricon ont rejoint la PyTorch Foundation au rang Platinum, et Ant Group au rang Gold, aux côtés de Huawei, membre depuis 2023. Ces adhésions donnent à Alibaba Cloud et Cambricon un siège au conseil de gouvernance et au comité technique du principal framework d’entraînement mondial. L’objectif est très pratique : rendre les accélérateurs Ascend et Cambricon aussi simples à utiliser que ceux qui dominent aujourd’hui l’écosystème.
Côté modèles, Zhipu, qui opère sous le nom Z.ai, a lancé GLM-5.3-Flash, un modèle open source sous licence permissive MIT que l’entreprise dit avoir fait tourner entièrement sur un cluster de 100 000 puces domestiques. Avant sa sortie officielle, il aurait traité des dizaines de milliers de milliards de tokens sur les plateformes OpenRouter et OpenCode. Alibaba, de son côté, a publié les poids de son modèle haut de gamme Qwen3.8-Max. Ces éléments ne prouvent ni une adoption durable ni une supériorité générale, et je reste prudent sur les scores de benchmark souvent cités sans méthode. Ils montrent en revanche que la performance chinoise ne se sépare plus de sa stratégie d’ouverture et de compatibilité : installer des standards, des habitudes et des dépendances avant de monétiser.
La limite est physique. Selon Reuters, le prix de l’Ascend 950DT de Huawei a dépassé 250 000 yuans, environ 37 000 dollars, en hausse de 20 à 50 % en deux mois, sous l’effet de la pénurie mondiale de mémoire à haute bande passante. Cambricon, MetaX et Iluvatar CoreX auraient relevé leurs tarifs de manière comparable. La souveraineté ne se mesure donc pas au seul passeport d’un modèle. Elle se mesure à la capacité de choisir, produire, exécuter, auditer et remplacer chaque composant critique. La Chine progresse sur toute la pile logicielle et matérielle ; elle n’échappe pas encore à ses dépendances physiques.
Aux États-Unis, on réserve l’avenir en gigawatts et en contrats
Les résultats d’Oracle, publiés cette semaine pour son premier trimestre 2027, donnent la mesure du pari américain. Le chiffre d’affaires de l’infrastructure cloud a progressé de 121 %, à 7,4 milliards de dollars, avec un taux d’utilisation des GPU de 97,9 %. Surtout, les obligations contractuelles restant à exécuter, le RPO, atteignent 664 milliards de dollars, en hausse de 209 milliards sur un an. C’est environ dix ans du chiffre d’affaires actuel du groupe, dont Oracle estime que la moitié se convertira en revenus reconnus d’ici trente-six mois.
Il faut lire ce chiffre avec précision. Un backlog n’est ni un revenu encaissé ni une capacité livrée. Il révèle un mécanisme : les laboratoires réservent très tôt le calcul qu’ils pensent consommer, tandis que les clouds immobilisent des capitaux longtemps avant de connaître le taux d’utilisation réel. Même logique chez Microsoft. Selon Bloomberg, citant des sources anonymes, l’entreprise viserait plus de 38 GW de capacité de datacenters d’ici 2032, contre environ 12 GW aujourd’hui, et affiche déjà 329 milliards de dollars d’engagements de location. Microsoft n’a pas confirmé officiellement l’objectif de 38 GW, et rappelons que la même entreprise avait renoncé plus tôt en 2026 à environ 2 GW de projets, invoquant une suroffre. Les prévisions de demande bougent vite.
La concurrence s’élargit sous les hyperscalers. Broadcom a publié début septembre un trimestre à 29,59 milliards de dollars, dont 16,7 milliards pour les seuls semi-conducteurs IA, en hausse de 221 %, grâce à ses puces sur mesure conçues avec Google, Meta et OpenAI. Le 8 septembre, Qualcomm a annoncé une collaboration pluriannuelle avec AWS sur des puces d’inférence et des interconnexions optiques, assortie d’un bon de souscription permettant à Amazon d’acquérir jusqu’à 25 millions d’actions, avec des paiements pouvant atteindre 60 milliards de dollars selon les achats réalisés. Un fournisseur de plus se pose en alternative à l’acteur dominant du GPU.
Ce dernier n’est pas épargné. Le ministère américain de la Justice enquête sur l’accord de licence, de l’ordre de 17 à 20 milliards de dollars, par lequel Nvidia a obtenu la technologie d’inférence de la start-up Groq et recruté plusieurs de ses dirigeants, dont son fondateur, sans racheter l’entreprise. La question posée est de savoir si ce montage licence-plus-recrutement a été conçu pour échapper au contrôle des fusions. L’enquête vise un cas précis, mais elle touche un mécanisme désormais courant : absorber un concurrent sans déclencher l’examen antitrust réservé aux acquisitions. C’est un effet de second ordre à surveiller, car il redessine la gouvernance de tout un marché.
Un signal complète le tableau. CNBC décrit une « fatigue des modèles » chez les acheteurs d’entreprise, qui réduiraient leur sélection à cinq modèles au lieu de dix. La rareté n’est plus l’offre de modèles, c’est la capacité des organisations à les évaluer sérieusement. Réduire sa liste courte n’est pas renoncer à l’innovation : c’est créer les conditions d’une comparaison reproductible, sur ses propres données, avec des critères de coût complet, de sécurité, de réversibilité et de qualité d’usage.
La guerre des talents rappelle que le capital n’achète pas tout
Deux départs éclairent une autre dépendance, moins visible que le calcul : la concentration des personnes capables de faire progresser les modèles frontière. Andrew Tulloch a quitté Meta pour Anthropic après environ onze mois, moins d’un an après un retour obtenu au prix d’un package rapporté jusqu’à 1,5 milliard de dollars sur six ans, un chiffre que Meta a qualifié d’inexact. Il rejoint l’équipe d’inférence et de performance d’Anthropic, et son départ a suivi de peu le lancement de Muse, le nouvel agent grand public de Meta. Le capital achète du temps ; il ne garantit pas la fidélité.
Le même constat vaut en France. Laurent Sifre, cofondateur de H Company et ancien scientifique de DeepMind, a rejoint une équipe de recherche IA de Microsoft à Paris, selon Sifted. Son départ parachève celui de toute l’équipe fondatrice, deux ans seulement après la création de la start-up, qui avait pourtant réalisé en mai 2024 une levée d’amorçage record de 220 millions de dollars. Une levée, même exceptionnelle, ne fabrique pas mécaniquement un collectif scientifique durable.
En France, Mistral change d’échelle et doit encore prouver l’exécution
Mistral AI a annoncé le 8 septembre une levée de 3 milliards d’euros en série D, menée par Samsung Electronics, avec le Scaleup Europe Fund et PSG Equity en co-leads. La valorisation post-money dépasse 21 milliards d’euros, soit près du double des 11,7 milliards atteints un an plus tôt, ce qui en fait la plus grande levée en fonds propres jamais réalisée par une entreprise technologique européenne. L’entreprise revendique plus de 125 grands comptes dans 20 pays, dont Airbus, ASML et HSBC, et vise un milliard de dollars de revenus annuels récurrents fin 2026. Deux partenariats précisent la trajectoire : un accord stratégique avec Samsung pour appliquer l’IA à la conception et à la fabrication de semi-conducteurs, et un partenariat à neuf chiffres avec Cloudera pour déployer les modèles Mistral, dont Mistral Forge, dans des environnements hybrides, sur site ou déconnectés, sans transférer les données vers le cloud d’un tiers.
C’est précisément là que la confiance se construit, non par une promesse abstraite de souveraineté, mais par une architecture vérifiable : emplacement des données, contrôle des accès, journalisation, capacité de sortie. Il faut néanmoins garder l’échelle en tête. Trois milliards d’euros donnent à Mistral des moyens rares en Europe, sans effacer l’écart avec les laboratoires américains, ni garantir les revenus futurs, la disponibilité du calcul ou la fidélité des talents. La preuve ne sera pas la levée. Elle sera l’adoption par des organisations exigeantes.
En Europe, la confiance peut devenir un modèle économique
Le 10 septembre, ElevenLabs et Universal Music Group ont annoncé un accord pluriannuel de licence et une plateforme de création musicale par IA construite sur un catalogue sous licence, avec participation des artistes sur la base du volontariat. C’est le premier accord d’ElevenLabs avec une major, et il arrive après une première phase largement dominée par les procès entre labels et générateurs d’IA.
L’accord ne prouve pas encore que les artistes y trouveront une rémunération équitable ni que la plateforme sera adoptée. Il montre en revanche qu’une contrainte juridique peut devenir une architecture de marché : négocier les droits d’usage et le partage de valeur en amont, plutôt que de subir le contentieux en aval. La confiance n’est alors pas une couche de communication ajoutée après le produit. Elle entre dans le produit, dans le contrat et dans la distribution de la valeur. Pour tout dirigeant qui manipule des contenus protégés, c’est un signal : traiter la licence comme une exigence de conception, pas comme une formalité juridique de fin de parcours.
La décision pour les organisations
Voici ce que je retiens pour les dirigeants et les DSI. Face à l’escalade, la bonne réponse n’est pas de multiplier les expérimentations sans méthode. C’est de choisir moins de modèles, de mieux les évaluer sur ses propres données, de documenter leurs dépendances et de préparer leur réversibilité avant d’en avoir besoin. La confiance n’est pas l’alternative à la performance. Elle est la condition qui transforme une performance technique en usage durable, et c’est désormais elle, plus que le score du dernier modèle, qui sépare les organisations pilotes des organisations passagères.
Pour prolonger : ma veille IA de la semaine 36 revenait sur la bataille de l’infrastructure.
Que retenir de la veille IA de la semaine 37 ?
La semaine 37 (7 au 13 septembre 2026) marque un changement d’échelle simultané de l’IA sur trois fronts : la confrontation Chine-États-Unis sur la copie des modèles, des levées de plusieurs milliards, et des infrastructures désormais mesurées en dizaines de gigawatts. Le fil rouge est la confiance : provenance des modèles, protection des données, capacité d’un fournisseur à tenir ses promesses, autonomie qui reste à l’organisation. La décision qui en découle est de choisir moins de modèles, de mieux les évaluer, de documenter leurs dépendances et de préparer leur réversibilité.
Qu’est-ce que la distillation d’un modèle d’IA et pourquoi devient-elle un enjeu d’État ?
La distillation consiste à interroger massivement un modèle plus capable pour réutiliser ses réponses dans l’entraînement d’un autre. C’est une méthode d’entraînement courante, mais elle bascule dans le champ diplomatique cette semaine : la CISA, la NSA et le FBI ont publié le 8 septembre un avis conjoint accusant six entreprises chinoises de l’avoir pratiquée à grande échelle contre les modèles américains, à deux semaines de la visite de Xi Jinping à Washington attendue le 24 septembre. Pour une entreprise utilisatrice, la conséquence est concrète : un modèle techniquement accessible aujourd’hui peut devenir juridiquement ou commercialement plus difficile à utiliser demain.
Les accusations contre les entreprises chinoises sont-elles prouvées ?
Il faut distinguer le fait de l’interprétation. Le fait est l’existence d’un avis conjoint américain, qui nomme six firmes, et d’un rapport publié par Anthropic le 10 septembre, qui rattache près de 200 millions d’échanges détournés à sept laboratoires chinois. L’interprétation d’une opération d’État coordonnée reste à confronter à des éléments techniques auditables, d’autant qu’Anthropic est ici juge, cible et source de ses propres données, et que la Chine rejette ces accusations en les qualifiant de sans fondement. Je tiens donc le changement d’échelle pour établi, et l’attribution précise pour un dossier encore à instruire.
Souveraineté IA : faut-il choisir un modèle selon son pays d’origine ?
Non, la souveraineté ne se réduit pas au passeport d’un modèle : elle est d’abord une autonomie de décision, c’est-à-dire la capacité de choisir, comprendre, auditer et remplacer les modèles, les données et l’infrastructure. Soutenir une IA européenne ne dispense pas d’évaluer sa performance et son exécution, et la supériorité ponctuelle d’un acteur dominant ne justifie pas une dépendance systématique. En pratique, la souveraineté se construit par une architecture vérifiable : emplacement des données, contrôle des accès, journalisation, capacité de sortie.
Que signifient vraiment les 664 milliards de dollars d’Oracle et les 38 GW de Microsoft ?
Ce sont des engagements et des projets, pas des revenus encaissés ni de la capacité déjà livrée. Le RPO de 664 milliards de dollars d’Oracle représente des obligations contractuelles restant à exécuter, dont la moitié seulement est attendue en revenus reconnus d’ici trente-six mois. L’objectif de plus de 38 GW de Microsoft d’ici 2032 provient de sources anonymes citées par Bloomberg et n’a pas été confirmé officiellement, la même entreprise ayant renoncé plus tôt en 2026 à environ 2 GW de projets. Un backlog révèle un pari industriel sur l’électricité, les délais et l’utilisation future ; il ne garantit pas la valeur créée.
La levée de 3 milliards d’euros de Mistral AI change-t-elle la donne ?
Le fait est une levée de 3 milliards d’euros menée par Samsung, pour une valorisation post-money supérieure à 21 milliards d’euros, soit près du double de l’année précédente, et la plus grande levée en fonds propres jamais réalisée par une entreprise technologique européenne. Cette levée donne à Mistral des moyens rares en Europe, sans effacer l’écart avec les laboratoires américains, ni garantir les revenus futurs, la disponibilité du calcul ou la fidélité des talents. La preuve ne sera pas le montant levé, mais l’adoption par des organisations exigeantes, ce que les partenariats avec Samsung et Cloudera visent précisément à démontrer.
Pourquoi le ministère de la Justice américain enquête-t-il sur l’accord Nvidia-Groq ?
Le DOJ cherche à savoir si Nvidia a structuré son accord avec Groq, un montage de licence de technologie assorti du recrutement de plusieurs dirigeants sans rachat de l’entreprise, pour échapper au contrôle des fusions. Le mécanisme en jeu est celui de l’absorption d’un concurrent sans déclencher l’examen antitrust réservé aux acquisitions. L’enquête vise un cas précis, mais elle touche un procédé désormais courant dans l’IA, et c’est à ce titre un effet de second ordre à surveiller, car il redessine la gouvernance d’un marché entier.
Que change l’accord ElevenLabs-Universal Music pour les entreprises qui utilisent des contenus protégés ?
Il montre qu’une contrainte juridique peut devenir une architecture de marché, en négociant les droits d’usage et le partage de valeur en amont plutôt qu’en subissant le contentieux en aval. Concrètement, la confiance entre dans le produit, dans le contrat et dans la distribution de la valeur, au lieu d’être une couche de communication ajoutée après coup. Pour tout dirigeant qui manipule des contenus protégés, le signal est clair : traiter la licence comme une exigence de conception, pas comme une formalité de fin de parcours. L’accord ne prouve pas encore que la rémunération sera équitable ni que la plateforme sera adoptée.
Combien de modèles faut-il évaluer, et quelle est la décision à retenir ?
CNBC décrit une « fatigue des modèles » chez les acheteurs d’entreprise, qui réduiraient leur sélection à cinq modèles au lieu de dix, et je pense que c’est une bonne discipline. Réduire sa liste courte n’est pas renoncer à l’innovation : c’est créer les conditions d’une comparaison reproductible, sur ses propres données, avec des critères de coût complet, de sécurité, de réversibilité et de qualité d’usage. La décision à retenir tient en une phrase : choisir moins de modèles, mieux les évaluer, documenter leurs dépendances et préparer leur réversibilité avant d’en avoir besoin, car la confiance n’est pas l’alternative à la performance, elle est la condition qui la transforme en usage durable.
