Je suivais les dernières évolutions dans l'industrie de l'intelligence artificielle chinoise et j'ai remarqué quelque chose de très important qui mérite discussion. Il y a huit ans, l'histoire de Zongsheng était une leçon dure sur la dépendance aux chaînes d'approvisionnement mondiales, mais aujourd'hui, la situation est complètement différente.

Le vrai problème n'a jamais été les puces elles-mêmes, mais CUDA — l'environnement logiciel de Nvidia qui détient plus de 90 % du marché mondial de l'intelligence artificielle. Presque tous les développeurs dans le monde ont formé leur expertise sur cette plateforme, et il est devenu presque impossible de s'en détacher. Mais ce qui s'est passé ces derniers mois indique un changement réel.

DeepSeek a adopté une approche totalement différente. Au lieu de tenter de concurrencer Nvidia directement, ils se sont concentrés sur une amélioration radicale des algorithmes. Leur modèle V3 possède 671 milliards de paramètres, mais n'active que 5,5 % d'entre eux lors de l'inférence. Le résultat ? Les coûts d'entraînement ont chuté de 78 millions de dollars pour GPT-4 à environ 5,6 millions seulement. Cette énorme différence de coût s'est directement traduite en prix de service — DeepSeek est 25 à 75 fois moins cher que Claude.

Mais la partie la plus importante concerne la capacité d'entraînement local. China Unicom et d'autres ont commencé à déployer des serveurs de calcul entièrement locaux utilisant des processeurs Loongson et des cartes Taichu Yuanqi chinoises. Ce n'est pas seulement pour l'inférence, mais pour un entraînement réel de grands modèles. En janvier 2026, le premier modèle avancé pour la création d'images a été entraîné entièrement sur des puces chinoises. Nous parlons maintenant d'une avancée qualitative réelle.

Huawei, de son côté, a construit un écosystème complet autour des processeurs Ascend. D'ici la fin 2025, le nombre de développeurs dépassait 4 millions, avec plus de 200 modèles open source adaptés. Les nouvelles puces de Huawei approchent désormais les performances de la NVIDIA A100, et c'est une évolution à ne pas ignorer.

L'autre facteur très important est l'électricité. La Chine produit 2,5 fois plus d'électricité que les États-Unis, et le coût de l'électricité industrielle dans l'ouest de la Chine est 4 à 5 fois inférieur à celui des États-Unis. Alors que les États-Unis font face à une pénurie sévère d'électricité et suspendent des projets de centres de données, la Chine construit rapidement.

Ce qui se passe maintenant ressemble à la guerre commerciale entre les États-Unis et le Japon dans les années 80 sur les semi-conducteurs. Mais cette fois, la Chine apprend de la leçon — au lieu de devenir simplement un producteur dans un système mondial, elle construit un écosystème entièrement indépendant. Des algorithmes aux puces, en passant par l'environnement logiciel et l'énergie.

Les données de DeepSeek illustrent mieux la situation : 30,7 % des utilisateurs viennent de Chine, mais 13,6 % de l'Inde et 6,9 % d'Indonésie. Cela signifie que le modèle chinois commence à dominer les marchés émergents. En Chine même, DeepSeek détient 89 % du marché.

Les rapports financiers des entreprises locales de puces, publiés en février 2026, racontent une histoire réelle. Oui, certaines ont perdu des milliards, mais leurs revenus ont augmenté de plusieurs centaines de pourcentages. Ces pertes ne sont pas un échec de gestion, mais un investissement dans la construction d'un écosystème indépendant. Chaque dollar perdu est dépensé en recherche, développement, support logiciel et résolution de problèmes techniques.

La véritable différence entre nous et le Japon dans les années 80, c'est que nous ne nous contentons pas d'être le meilleur produit dans un système dominé par une puissance extérieure. Nous construisons le système lui-même à partir de zéro. C'est plus difficile, mais c'est la seule voie vers une véritable indépendance à l'ère de l'intelligence artificielle.