Made in China AI: new tech, same old story?
La percée des modèles d'intelligence artificielle chinois à bas coût, comme le GLM de Zhipu, relance un débat ancien : ces innovations technologiques constituent-elles une rupture ou reproduisent-elles une dynamique de commodification déjà observée dans les panneaux solaires ou les véhicules électriques ? Derrière l'apparente disruption se profile une stratégie économique où l'abondance et le prix dictent désormais les règles, remettant en cause les modèles de profit des géants occidentaux de l'IA.
Pourquoi les modèles d'IA chinois comme le GLM de Zhipu menacent-ils les acteurs occidentaux comme OpenAI ou Microsoft ?
Ces modèles chinois, disponibles à un coût bien inférieur, exploitent une stratégie de perte délibérée : financés par des banques d'État et des comités régionaux, ils vendent en dessous de leur coût de production pour capter des parts de marché. Cette approche, déjà utilisée dans les panneaux solaires ou les véhicules électriques, érode les marges des innovateurs occidentaux qui tablaient sur la rareté et la propriété intellectuelle pour justifier leurs valorisations boursières.
En quoi l'IA diffère-t-elle des technologies comme les panneaux solaires ou les batteries, qui ont suivi une logique de commodification ?
Contrairement aux panneaux solaires ou aux batteries, dont l'innovation suit une courbe prévisible (comme la loi de Moore), les modèles d'IA actuels sont des systèmes fermés : leurs capacités sont figées après l'entraînement et ne s'améliorent pas sans un nouveau cycle coûteux en données, énergie et calcul. Leur avantage stratégique dépend donc de ressources limitées, ce qui les expose à une logique de guerre des prix similaire, mais avec une différence majeure : leur valeur ne réside pas dans leur rareté intrinsèque, mais dans leur intégration dans des applications concrètes.
Quels sont les risques pour les investisseurs et les entreprises si l'IA devient une commodité ?
Si l'IA se banalise, les retours sur investissement ne viendront plus de la possession d'un modèle, mais de son usage : produits, workflows ou infrastructures qui exploitent cette intelligence à moindre coût. Les entreprises devront alors se concentrer sur des niches où la valeur est créée par l'application (médical, logistique, énergie) plutôt que par la performance brute du modèle, comme le montrent les exemples chinois de livraisons par drones ou taxis autonomes.
L'IA pourrait-elle échapper à cette logique de commodification grâce à des modèles évolutionnaires ?
Seuls des systèmes capables d'apprendre en continu, à l'image du cerveau humain, pourraient échapper à la courbe de l'abondance. Ces modèles, encore hypothétiques, transformeraient la compétition : l'avantage ne reposerait plus sur le coût ou la taille, mais sur la capacité à apprendre plus vite que ses rivaux. Pour l'instant, l'IA reste un système fermé, et même les approches comme la retrieval-augmented generation ne permettent qu'une adaptation limitée, sans rupture technologique.
Ce que ça pourrait changer
Si l'IA devient une commodité, les acteurs dominants ne seront plus ceux qui détiennent les meilleurs modèles, mais ceux qui savent les intégrer dans des solutions scalables et utiles. Les investisseurs devront privilégier les écosystèmes capables de transformer cette abondance en valeur tangible, tandis que les États et entreprises devront repenser leurs stratégies de propriété intellectuelle et d'innovation pour éviter une dépendance aux modèles low-cost chinois. La course à la taille des modèles pourrait céder la place à une compétition sur l'efficacité et l'impact réel, redéfinissant les frontières de la compétitivité technologique.
