Le chercheur en IA Nathan Lambert a récemment visité plusieurs grands laboratoires d’IA en Chine, dont Moonshot AI, Zhipu, Meituan, Xiaomi, Alibaba (Qwen), Ant Ling et 01.ai, entre autres, et a rédigé ce compte rendu d’observations approfondies. Il admet que ce voyage lui a permis de redécouvrir l’écosystème chinois de l’IA ; ce document n’est pas seulement le récit d’une visite, mais un diagnostic de première main de l’IA chinoise, allant de la culture technique à la structure de l’industrie.
Les principaux atouts de l’IA chinoise : culture, talents et état d’esprit pragmatique
D’où viennent la compétitivité des chercheurs chinois : se consacrer au travail en profondeur
Lambert estime que si les laboratoires chinois parviennent rapidement à se hisser au niveau, voire à égaler, l’IA à la pointe, un facteur clé en est souvent négligé : la culture de recherche et l’ambiance organisationnelle.
À la différence des chercheurs américains, qui auraient généralement une forte envie de se mettre en avant, et auraient tendance à faire connaître leurs résultats, à rechercher une visibilité médiatique et à construire une marque personnelle au sein des communautés, les chercheurs chinois auraient plutôt tendance à placer leur ego après la qualité des modèles. Ils sont plus enclins à s’occuper de tâches discrètes, mais qui améliorent effectivement la performance des modèles, et sont aussi plus capables d’accepter que leurs idées soient abandonnées dans une optimisation multi-objectifs.
Lambert souligne qu’aux États-Unis, des informations circuleraient même selon lesquelles certains laboratoires auraient besoin de « payer des top chercheurs pour qu’ils arrêtent de se plaindre » du fait que leur proposition n’a pas été retenue, ce qui symboliserait l’existence de frictions organisationnelles réelles en Occident.
Ces différences culturelles ont un impact notable au niveau organisationnel : une conscience de soi moins forte rend l’organigramme plus facile à étendre vers le haut ; les chercheurs à différents niveaux peuvent collaborer plus efficacement, plutôt que de défendre chacun ses intérêts.
Les étudiants s’intègrent aux équipes de développement de LLM et deviennent l’une des forces principales
Une autre tendance qui a fortement marqué Lambert est que, dans ces laboratoires, une proportion élevée des contributeurs clés reste constituée d’étudiants en cours d’études. Ces étudiants ne sont pas traités de manière différenciée ; ils s’intègrent directement aux équipes de développement de LLM. Cela contraste avec l’écosystème américain où OpenAI et Anthropic fourniraient presque pas d’opportunités de stage, ou bien où, même en cas de stage, les étudiants seraient isolés des activités centrales :
L’avantage des étudiants tient au fait qu’ils « n’ont pas de bagage ». Ils n’ont pas subi les hypothèses d’inertie laissées par les vagues précédentes d’IA, et peuvent donc absorber plus rapidement de nouvelles technologies, de l’expansion MoE au renforcement par apprentissage jusqu’au développement d’agents. Chaque changement de paradigme est pour eux un nouveau départ ; il n’est pas nécessaire de renier les acquis cognitifs existants.
Concurrence ou coopération ? Révéler l’écosystème chinois de « l’ingénierie au gouvernement »
Lambert a remarqué que lorsqu’il tente de discuter avec des chercheurs chinois des risques sociaux à long terme de l’IA, des chocs économiques ou des débats moraux sur le comportement des modèles, les échanges se retrouvent souvent dans un silence. Il comprend que ce n’est pas une volonté d’éviter ; ces sujets ne font tout simplement pas partie de leurs champs de réflexion.
Il cite l’observation de l’universitaire Dan Wang sur le « gouvernement par les ingénieurs » en Chine et le « gouvernement par les avocats » aux États-Unis pour expliquer sa position : « Leur mission est d’améliorer le modèle ; les autres questions, qu’elles les laissent aux autres. »
Aux yeux de Lambert, cela rend la communauté de l’IA chinoise davantage comparable à un « collectif » qu’à des tribus en compétition. Entre les laboratoires, on trouve généralement du respect mutuel ; on a de la vénération pour les géants comme ByteDance ; on admire fortement le goût pour la recherche et la capacité d’exécution de DeepSeek ; mais il n’y a pas cette tension concurrentielle chargée de « poudre » que l’on retrouve dans les laboratoires américains.
Les limites et faiblesses de l’IA chinoise : manque de puces, de données et de créativité
La puce NVIDIA est le goulot d’étranglement commun à tous les laboratoires
En raison des restrictions américaines à l’exportation, le manque de capacités de calcul (compute) de NVIDIA constitue une contrainte commune à l’ensemble des laboratoires chinois. Lambert observe que presque chaque laboratoire déclare clairement que si l’offre de capacités de calcul était suffisante, il étendrait immédiatement ses achats sans hésiter.
Les accélérateurs domestiques comme Huawei reçoivent des avis positifs côté inférence, et beaucoup de laboratoires les utilisent déjà largement ; mais côté entraînement, NVIDIA reste la référence en or, irremplaçable à court terme, et cet écart est difficile à combler entièrement par d’autres solutions.
L’industrie des données constitue la plus grande faiblesse ; créer en interne devient une option de plus en plus courante
Par rapport à Anthropic et OpenAI, qui investissent chaque année des centaines de millions de dollars dans l’achat d’environnements d’entraînement de renforcement, l’industrie externe des données en Chine accuse encore un écart évident de qualité. Lambert observe que la plupart des laboratoires estiment que la qualité des données achetables sur le marché est plutôt faible ; ils préfèrent donc investir leurs ressources dans la construction de leurs propres environnements d’entraînement, et les chercheurs eux-mêmes consacrent beaucoup de temps à la mise en place de ces environnements.
ByteDance, Alibaba et d’autres grandes entreprises disposent d’équipes internes de données pour soutenir le travail ; toutefois, comme l’indique l’analyste Zephyr de Citrini, il s’agit là encore de la plus grande faiblesse de l’écosystème chinois de l’IA.
(Le robot Moonshot chinois se présente comme Claude, la supercherie du modèle d’Anthropic se retrouve)
L’open source repose sur le pragmatisme, pas sur l’idéologie
Face aux questions du public sur « pourquoi des entreprises comme Meituan et Xiaomi auraient besoin de construire et d’ouvrir des modèles de base généralistes », Lambert pense qu’il existe derrière cela une logique commerciale très pragmatique : l’open source permet d’obtenir des retours de la communauté extérieure et d’améliorer la qualité des modèles ; en même temps, l’entreprise peut conserver des versions d’ajustement fin interne pour ses propres produits, et garder la maîtrise de la pile de technologies centrale.
Cette mentalité de « propriété technique » pousse presque toutes les principales entreprises technologiques chinoises à construire leurs propres modèles de base, plutôt que de dépendre de services externes ; ce choix est très différent de celui des entreprises d’IA américaines.
Point de vue d’un fondateur de Delphi Ventures : force d’exécution, mais manque de créativité
José Maria Macedo, cofondateur de Delphi Ventures, a lui aussi récemment fait un séjour approfondi dans l’écosystème chinois de l’IA, et a livré, du point de vue d’un investisseur, une couche d’observations différente, en contraste avec la vision technique de Lambert.
Macedo pense que les fondateurs chinois ont généralement des parcours irréprochables et une capacité d’exécution impressionnante ; cependant, par comparaison, « l’élan entrepreneurial original de zéro à un » serait relativement rare : « Ils sont davantage capables de faire de très bonnes versions améliorées de directions déjà existantes, plutôt que de proposer de nouveaux problèmes que le marché n’a pas encore identifiés. » Il attribue cela au fait que le système éducatif renforce durablement une logique de « résolution de problèmes » plutôt que de « formulation de questions ».
(Des talents de premier plan partout, mais pas capable de produire OpenAI ? Enquête approfondie sur deux semaines des investisseurs : le vrai problème de l’IA chinoise)
Les États-Unis doivent encore chercher à conserver un leadership dans l’écosystème ouvert
Lambert reconnaît que la Chine est un endroit qu’on ne peut pas comprendre en appliquant simplement un cadre occidental : « Sa culture est trop ancienne, trop profonde ; la manière dont elle s’entrelace avec l’écosystème technique produit une réaction chimique unique. »
En tant qu’Américain, il espère que les laboratoires américains d’IA, qui privilégient des modèles ouverts, conserveront leur avance ; mais il s’inquiète surtout du fait que si les États-Unis limitent le développement des modèles ouverts par des décrets administratifs, cela affaiblirait au contraire sa position de leadership dans l’écosystème mondial de l’IA ouverte, et ferait pencher la balance de cette compétition vers une direction difficile à prévoir.
Cet article « Visite sur site de laboratoires d’IA en Chine : le chercheur révèle que “l’écart en puces et en données” est la clé de la différence entre la Chine et les États-Unis » apparaît en premier sur Chaîne d’actualités ABMedia.
