par En une semaine, cinq lignes de force ont redessiné l’industrie de l’IA. L’open source chinois s’est imposé comme standard mondial. La guerre des prix a changé de sens. La souveraineté est devenue un contrat commercial. Le compute s’est mué en goulot d’étranglement. Et les valorisations ont pris une longueur d’avance sur les bénéfices.
Ces mouvements ne sont pas isolés. Ils convergent. Pour un décideur européen, ils posent une question simple. Dépendre d’un écosystème étranger, ou construire une autonomie. C’est l’enjeu de la souveraineté IA, et il se joue maintenant.
Au sommaire
Une reconfiguration en cinq actes
Quatorze annonces chinoises, quatre américaines, deux françaises et une européenne. Le tout en sept jours. Ce n’est pas le hasard qui parle, c’est une bascule. Ces statistiques viennent de mon tout nouveau système de veille agentique car j’ai profité de l’été pour complètement changer mon approche. Tout au long de la semaine sur X (souvent) et plus rarement (Linkedin) des actualités chaudes. A la fin de la semaine une prise de recul hebdomadaire basée sur TOUTE l’actualité surveillée (et non juste un fil de 7 ou 8 annonces). Vous me direz si vous aimez. Bonne lecture !
L’IA a bien quitté le terrain de la seule prouesse technique. Elle est devenue une compétition géopolitique, économique et organisationnelle. Les États, les entreprises et les institutions y arbitrent qui contrôle les données, les modèles et la puissance de calcul. Le reste suit… tant bien que mal ! Voici les cinq actes, et ce qu’ils imposent aux dirigeants.
L’IA open source chinoise, nouveau standard mondial
Les faits
Qwen, la famille de modèles d’Alibaba, a dépassé les 3 milliards de téléchargements. C’est le chiffre revendiqué par le groupe. Le décompte de la plateforme Hugging Face, lui, s’établit autour de 2 milliards. Dans les deux cas, Qwen devance largement Google (418 millions) et Meta (227 millions) sur l’année 2026.
L’écosystème suit la même pente. Alibaba annonce plus de 460 modèles ouverts et 300 000 dérivés. Sur OpenRouter, les modèles chinois ont traité plus de 34 000 milliards de tokens la semaine du 3 au 9 août. Ils devancent les modèles américains pour la quinzième semaine d’affilée.
Deux sorties résument le mouvement. Alibaba a publié Qwen3.8-27B, un modèle sous licence Apache 2.0 qui tourne sur du matériel grand public. Zhipu AI a présenté GLM-5.3, avec un bond annoncé d’environ 50 % en code. Moonshot, de son côté, a livré Kimi K3, plus grand modèle open-weight au monde avec 2 800 milliards de paramètres.
Pourquoi ce basculement compte
L’écart de performance avec les modèles américains s’est resserré. Il se compte désormais en quelques points. Quand la performance s’égalise, le choix se déplace ailleurs. Il se fait sur le coût, l’adaptabilité et la souveraineté.
Le phénomène n’est plus asiatique. Des entreprises technologiques américaines de premier plan intègrent déjà ces modèles dans leurs applications internes. La raison est prosaïque. Les poids sont ouverts, les licences permissives, la facture réduite.
La question que cela pose en entreprise
Ignorer ces modèles, c’est choisir la dépendance par défaut. Les évaluer, c’est se donner une option. La prudence reste de mise.
La qualité des données d’entraînement demeure un point ouvert. Diversité, représentativité, biais possibles. Aucune évaluation de façade ne suffit. Il faut tester en conditions réelles, sur vos cas d’usage, avec vos données.
L’expérience terrain
À NEOMA, nous avons fait un choix assumé. Former 10 000 étudiants et une large majorité de notre faculté à l’IA, avec un partenaire français, Mistral AI. Le pari associe performance et souveraineté. Il prépare nos diplômés aux métiers réels tout en gardant la main sur nos données.
Guerre des prix IA : la fin d’un cycle
Les faits
DeepSeek a relevé ses tarifs d’API le 16 août. Le laboratoire abandonne le prix unique pour une grille en heures pleines et heures creuses. Selon les modèles et les horaires, la hausse va de 50 % à plus de 1 000 %. Pour son modèle V4-Pro, le prix de sortie passe de 0,87 à 3,96 dollars le million de tokens en pointe. Soit un quadruplement.
Le même jour, DeepSeek a publié Harness, un framework d’agents open source sous licence MIT. L’outil vise directement les environnements de codage agentique. Le message est clair. On ne vend plus seulement un moteur, on vend le châssis autour.
Ce que cela révèle
Pendant des mois, les laboratoires chinois ont cassé les prix. Zhipu, Moonshot, DeepSeek. La stratégie reposait sur deux leviers. Des coûts d’inférence optimisés, et une adoption de masse.
Cette phase s’achève. La hausse de DeepSeek le signale. L’industrie passe de la guerre des prix à la bataille de la différenciation. Un laboratoire qui augmente ses tarifs et fidélise par l’outillage, c’est un laboratoire qui se croit en position de force.
Le coût d’inférence reste pourtant l’argument massue. Même après la hausse, les modèles chinois demeurent bien moins chers que les références occidentales. Pour donner un repère, certaines offres américaines de premier plan facturent la sortie plusieurs dizaines de dollars le million de tokens.
La question que cela pose en entreprise
Le coût d’inférence doit entrer dans l’équation de décision. Pas comme une note de bas de page, comme un critère central. Un modèle légèrement moins performant, mais dix fois moins cher, change une business case.
Restent les angles morts. La dépendance à un écosystème étranger. La qualité des données. Et la pérennité même des acteurs. Un tarif bas n’est pas une garantie de durée.
La limite matérielle
Les modèles chinois restent tributaires du matériel. Puces américaines, fonderies taïwanaises. Les accélérateurs locaux progressent, mais ne rivalisent pas encore sur la performance brute. Si les sanctions se durcissent, ce maillon devient le point de rupture.
Souveraineté IA : de la doctrine au contrat
Les faits
Deux décisions ont donné corps à un mot souvent creux. Après le piratage de la Direction générale des finances publiques, l’État français a arbitré. La brèche, survenue fin juin et révélée le 13 août, a exposé les données d’environ 700 000 contribuables.
Le 18 août, le ministre chargé du Budget, David Amiel, a annoncé le recours à des outils d’IA pour tester les vulnérabilités des services publics. Le gouvernement s’appuiera sur des fournisseurs français jugés souverains, dont Mistral. Il a écarté explicitement OpenAI. En parallèle, un audit approfondi a été confié à l’ANSSI.
Deuxième signal, côté matériel. Les premières unités de puces Nvidia H200 sont arrivées en Chine. ByteDance et Tencent en ont reçu environ 10 000 chacun, selon le Financial Times. C’est une fraction du plafond autorisé. Pékin, via sa commission de planification, valide désormais chaque achat au cas par cas.
Pourquoi la souveraineté devient concrète
La souveraineté cesse d’être une déclaration d’intention. Elle se traduit en décisions opérationnelles. Quel modèle retenir. Quelles données partager. Quelle infrastructure privilégier.
La France a tranché sur le modèle. La Chine tranche sur le matériel. Les deux appliquent la même logique. On ne subit plus la chaîne de valeur, on la pilote.
Ce que cela implique pour l’Europe
Internaliser la chaîne devient un objectif de gestion. Sur les modèles, privilégier les acteurs européens ou les solutions open-weight bien évaluées. Sur le compute, investir dans des infrastructures locales. Sur les données, encadrer strictement le stockage des informations sensibles.
Chaque brique compte. Un modèle souverain qui s’entraîne sur un cloud étranger n’est souverain qu’à moitié. L’exercice est exigeant, mais il est structurant.
La question qui dérange
L’autonomie totale reste hors de portée à court terme. Les acteurs européens, Mistral compris, dépendent encore des puces américaines et taïwanaises. Combler ce retard suppose une filière de semi-conducteurs. L’Europe part de loin. La souveraineté sera donc graduelle, ou ne sera pas.
Le compute, nouveau goulot d’étranglement
Les faits
Trois signaux pointent la même contrainte. Baidu a publié ses résultats trimestriels le 18 août, avec une forte accélération de son cloud GPU, alors même que son chiffre d’affaires global recule pour un cinquième trimestre. Huawei s’est imposé comme le fournisseur domestique dominant d’accélérateurs, à mesure que la part de Nvidia en Chine s’effondrait. Et Nvidia prépare une puce dédiée au marché chinois, orientée vers l’inférence.
Le calcul est devenu le facteur limitant. Devant les données, devant les algorithmes.
Ce que cela implique concrètement
Trois causes se conjuguent. La demande explose et sature les datacenters. Les sanctions poussent les acteurs chinois vers leurs propres puces. Et l’inférence coûte cher, même pour des tâches ordinaires.
Le phénomène n’épargne personne. Aux États-Unis, les grands acteurs du cloud engagent des sommes colossales en capacités de calcul. Alibaba, à lui seul, a inscrit une enveloppe de 380 milliards de yuans sur l’IA, dont une bonne moitié déjà dépensée. En Europe, l’accès à une infrastructure locale et compétitive reste le maillon faible.
Les pistes pour l’Europe
Trois leviers se dessinent. Des partenariats public-privé, dans l’esprit des projets européens de supercalculateurs. Un soutien assumé aux fournisseurs de cloud du continent. Et l’optimisation des modèles, avec des architectures plus sobres et des tailles maîtrisées.
Ce dernier point est sous-estimé. Un modèle plus léger, bien choisi, allège la facture de calcul sans sacrifier l’usage. La frugalité devient une compétence.
La question que cela pose en entreprise
Le vrai frein n’est pas seulement le silicium. C’est le logiciel. L’écosystème logiciel des puces américaines garde une avance considérable. Migrer une équipe entière vers un autre environnement coûte cher en temps et en risques. Le compute est un sujet d’infrastructure. C’est aussi, et surtout, un sujet de compétences.
Valorisation IA : le grand écart avec l’économie réelle
Les faits
Les valorisations des laboratoires chinois atteignent des sommets. Moonshot AI prépare un dernier tour pré-IPO visant jusqu’à 50 milliards de dollars, avant une cotation possible à Hong Kong d’ici la fin de l’année. DeepSeek a levé 7,4 milliards de dollars en juin, sur une valorisation supérieure à 50 milliards, et chercherait de nouveaux capitaux jusqu’à environ 71 milliards.
Ces montants traduisent des anticipations, pas une rentabilité.
Le paradoxe chinois
Goldman Sachs projette un chiffre d’affaires du secteur IA chinois d’environ 13 milliards de dollars. La progression est réelle, portée par la baisse des coûts et la part croissante des tokens mondiaux. Mais le secteur reste déficitaire.
Les comptes des géants le confirment. Alibaba a vu son bénéfice net chuter d’environ 75 % sur le trimestre de juin. En cause, une envolée des dépenses d’investissement de 75 %, pour financer l’IA. Le cloud IA du groupe croît de 45 %, mais la facture de calcul avance plus vite que les recettes. La bascule vers l’IA a un prix, et il est lourd.
Ce que cela impose aux décideurs
Distinguer le récit des fondamentaux devient une discipline. Ne pas surpayer une valorisation adossée à des anticipations. Évaluer la pérennité des acteurs, souvent portés par des subventions et des marchés captifs. Et privilégier les partenariats aux prises de participation directes.
La performance des modèles chinois est réelle. Leur rentabilité, elle, reste à démontrer. En Europe, la régulation plus stricte pourrait d’ailleurs freiner certains de ces modèles économiques.
Conclusion : cinq implications pour les décideurs européens
La semaine 34 a donc marqué une entrée dans une nouvelle phase. Celle de la reconfiguration géopolitique et économique de l’IA. Cinq implications se dégagent pour les dirigeants.
Adopter une stratégie hybride. Combiner modèles open-weight chinois, bien évalués, et acteurs européens. Le tout mesuré à l’aune de la performance, du coût et du risque.
Investir dans le compute local. Réduire la dépendance aux clouds étrangers, soutenir les infrastructures du continent.
Former, massivement à l’IA. C’est le choix de NEOMA depuis 2023. Les grandes ruptures technologiques créent, à terme, plus d’emplois qu’elles n’en suppriment, à une condition. Former les talents. L’économiste Philippe Aghion défend cette thèse de longue date.
Anticiper les régulations. Clarifier les règles d’accès distant au compute, encadrer les données sensibles. Le cadre européen sur l’IA est un début, pas un aboutissement.
Évaluer sur des critères opérationnels. Performance, coût, souveraineté, adaptabilité. Les benchmarks théoriques ne paient pas les factures.
La souveraineté IA n’est pas un slogan. C’est une suite de décisions, prises ou subies. La semaine 34 vient de le rappeler.
Qu’est-ce que la souveraineté IA pour une entreprise ?
C’est la capacité à garder la maîtrise de ses modèles, de ses données et de son infrastructure de calcul. La souveraineté IA se joue sur trois plans. Le choix des modèles, la localisation des données, et l’accès au compute. Elle vise à réduire la dépendance à un écosystème étranger unique.
L’IA open source chinoise est-elle fiable pour un usage professionnel ?
Les modèles open source chinois, comme Qwen ou GLM, rivalisent désormais avec les meilleures références. Leur licence permissive et leur coût réduit séduisent. La vigilance porte sur la qualité des données d’entraînement et les biais possibles. Une évaluation sur vos propres cas d’usage reste indispensable.
Pourquoi le coût d’inférence devient-il un critère de décision ?
L’inférence, c’est le calcul consommé à chaque utilisation d’un modèle. Sur un usage à grande échelle, ce coût pèse plus que la seule performance. Un modèle un peu moins puissant, mais bien moins cher, peut transformer la rentabilité d’un projet. Le coût d’inférence entre donc au cœur de l’arbitrage.
Pourquoi le compute est-il le nouveau goulot d’étranglement de l’IA ?
La demande de puissance de calcul explose plus vite que l’offre. Les sanctions sur les puces, la saturation des datacenters et le coût de l’inférence se conjuguent. Résultat, le compute limite désormais le déploiement de l’IA, devant les données et les algorithmes. L’accès à une infrastructure compétitive devient stratégique.
Comment un décideur européen doit-il aborder la souveraineté IA ?
Par une stratégie hybride et évaluée. Combiner acteurs européens et open-weight bien testés. Investir dans le compute local. Encadrer les données sensibles. Et former les équipes en priorité. La souveraineté IA se construit brique par brique, pas par décret.
