🐲

Tout le monde continue de prier pour la capitalisation de Nvidia et d'attendre le prochain modèle de Sam Altman, tandis que le véritable changement tectonique se produit peut-être ailleurs sur la planète.

Le Financial Times a récemment publié une excellente analyse dont le fond est simple : la course à l'IA est un marathon, pas un sprint vers le LLM le plus volumineux.

Et voici pourquoi les États-Unis risquent de perdre la première place :

1️⃣ L'efficacité algorithmique bat la force brute
Les États-Unis sont sans conteste en tête à la frontière des modèles de pointe grâce à un accès illimité aux H100/H200 haut de gamme de Nvidia. Mais la Chine a prouvé que les limitations matérielles peuvent être contournées. Il s'avère que l'efficacité algorithmique, des données de qualité et une architecture bien conçue permettent d'entraîner des modèles qui talonnent les géants américains, en utilisant beaucoup moins de puissance de calcul.

2️⃣ Le goulot d'étranglement n'est pas les puces, mais la prise électrique
La course aux LLM se heurte à la physique. Selon les estimations des banques d'investissement, 8 des 13 marchés régionaux de l'énergie aux États-Unis sont déjà à la limite de leur capacité. Il n'y a tout simplement pas assez d'électricité pour de nouveaux centres de données.
En Chine, grâce à un plan d'État rigoureux et au contrôle des infrastructures, l'excédent de capacité pour les centres de données d'ici 2030 dépassera de trois fois la demande mondiale. Jensen Huang s'est récemment plaint qu'aux États-Unis, un centre de données prend 3 ans à construire, alors qu'en Chine, c'est fait en un week-end.

3️⃣ L'expansion open source
La part des téléchargements de modèles open source chinois sur Hugging Face a déjà dépassé celle des modèles américains. Alors que les entreprises américaines cachent leurs développements derrière des API coûteuses, la Chine distribue gratuitement des modèles puissants aux marchés émergents. Les développeurs les récupèrent, les affinent et les déploient sur des serveurs locaux. Le verrouillage propriétaire classique fonctionne de moins en moins bien quand il existe une alternative gratuite et tout aussi intelligente.

4️⃣ L'IA incarnée > les wrappers d'API
Le principal changement de paradigme. Le marché a dépassé le stade "wow, elle sait écrire du code". L'attention se déplace vers l'IA incarnée (embodied AI) — l'intégration de réseaux de neurones dans des objets physiques : robotique, automobile, fabrication intelligente et IoT.
Et ici, la Chine a une main gagnante : un contrôle absolu sur l'approvisionnement en terres rares, des capacités de production inégalées et la capacité de l'État à injecter directement la technologie dans le secteur réel de l'économie.

Ce n'est pas celui qui créera le LLM le plus intelligent dans un vide sphérique pour 10 milliards de dollars qui gagne. C'est celui qui intégrera le plus rapidement et le moins cher un modèle "juste correct" dans chaque micro-ondes, machine-outil et voiture de la planète.

Et le marché paiera les spécialistes pour :
🔵 La capacité à déployer, affiner et déployer des modèles open source sur l'infrastructure locale du client.
🔵 L'optimisation de l'inférence : quantification, élagage, travail avec des modèles "assez bons" mais petits.
🔵 L'intégration de l'IA avec des processus métier réels et du matériel non standard.