Du comptage des jetons à la création de valeur : la voie de l’IA en Chine

L’intelligence artificielle (IA) apparaît comme une technologie stratégique et fondamentale en Chine. De l’exploration des voies vers l’intelligence artificielle générale (AGI) à l’avancement de l’initiative « AI Plus », la Chine a continué de renforcer son soutien politique, en intégrant l’IA dans les secteurs industriels et sociaux pour stimuler la transformation numérique et intelligente.

La National Data Administration fait également progresser les travaux sur un système de valeur basé sur des jetons et explore de nouveaux modèles, notamment l’échange de jetons.

L’ampleur de l’activité de l’IA est déjà frappante. L’utilisation quotidienne de jetons en Chine est passée de 100 milliards au début de 2024 à plus de 140 000 milliards en mars de cette année. Les jetons deviennent un nouvel indicateur d’activité dans l’économie intelligente.

Mais derrière ce chiffre se cache une question plus importante : utiliser plus de jetons signifie-t-il nécessairement créer plus de valeur ? Pour répondre à cette question, nous devons examiner comment différentes voies de développement de l’IA se dessinent à travers le monde.

Les États-Unis disposent d’avantages évidents en termes de puissance de calcul, de puces et de capitaux. Les grandes entreprises ont mis davantage l’accent sur les « lois d’échelle », repoussant continuellement le plafond de performance des modèles de base en investissant davantage dans les paramètres, les données et la puissance de calcul. Cette approche a contribué à repousser les limites de ce que les modèles d’IA peuvent faire. Mais cela s’accompagne également d’une facture énorme : des coûts plus élevés pour la formation et l’inférence, ainsi qu’une consommation d’énergie croissante.

Les entreprises chinoises d’IA s’efforcent également de développer des modèles dotés de capacités de pointe. Mais parallèlement aux performances brutes, ils mettent davantage l’accent sur une autre équation : capacité, coût et convivialité.

L’innovation algorithmique, l’activation éparse, l’optimisation technique et les écosystèmes open source contribuent à réduire les obstacles à l’adoption de l’IA. L’itération rapide de modèles tels que DeepSeek, Kimi et GLM reflète cette tendance.

Le 26 août, Zhipu a lancé GLM-5.3-Flash en open source. Artificial Analysis, un organisme tiers d’évaluation de l’IA, a attribué au modèle un score d’indice d’intelligence de 57, bien au-dessus de la médiane de 28 pour des modèles comparables à poids ouvert, indiquant un équilibre favorable entre les capacités et le coût.

Et cela pointe vers quelque chose de plus grand.

La concurrence entre les grands modèles d’IA ne consiste plus simplement à savoir qui peut créer le modèle le plus puissant. Il s’agit de plus en plus de savoir qui peut rendre ces renseignements abordables, efficaces à exploiter et suffisamment évolutifs pour être déployés à grande échelle.

Bien entendu, les voies de développement de l’IA de la Chine et des États-Unis ne peuvent pas simplement être réduites à la question de savoir laquelle est la meilleure.

La question la plus importante est de savoir si ces différentes approches technologiques peuvent à terme soutenir des modèles économiques durables.

Les investissements mondiaux dans l’IA s’intensifient, tout comme les inquiétudes concernant les dépenses excessives et les risques de bulle. L’existence ou non d’une bulle ne peut pas être jugée uniquement par les dépenses en capital ou par les valorisations des modèles. Le véritable test est beaucoup plus simple : l’IA rend-elle réellement l’économie plus productive ?

Si des investissements massifs ne produisent que des classements plus élevés, des modèles plus grands et des démos impressionnantes, les perspectives commerciales de l’IA seront inévitablement remises en question. Mais si l’IA peut accroître la productivité du travail, réduire les coûts sociaux, créer de nouveaux produits et générer une nouvelle demande, alors ce qui ressemble aujourd’hui à des dépenses massives pourrait devenir l’infrastructure de demain.

C’est ici qu’interviennent les atouts particuliers de la Chine en matière de développement de l’IA. La Chine dispose d’un système industriel complet, d’un marché immense et d’un éventail inhabituellement large de scénarios d’application réels.

Pour les consommateurs, les assistants intelligents font rapidement leur apparition dans les smartphones, les automobiles et les appareils domestiques.

Dans le tourisme culturel, les itinéraires personnalisés, les guides touristiques intelligents, les services multilingues et la prévision des flux de visiteurs remodèlent la façon dont les gens vivent le voyage.

Dans le secteur financier, le service client intelligent, l’identification des risques, les contrôles de conformité ainsi que l’assistance en matière de recherche et d’investissement sont de plus en plus intégrés dans les processus commerciaux quotidiens. Et la transformation n’est peut-être nulle part plus tangible que dans l’industrie.

L’IA est déjà appliquée à l’inspection qualité intelligente, à la prévision des pannes d’équipement, à la planification de la production et aux jumeaux numériques. Il ne s’agit pas seulement de démonstrations de ce que l’IA peut faire. Ce sont des tests de ce que vaut réellement l’IA. C’est pourquoi la clé pour transformer les jetons en valeur réelle est de comparer l’investissement technologique à la production réelle. Les entreprises ont-elles réduit leurs coûts et leur consommation d’énergie ? La qualité des produits s’est-elle améliorée ? Les cycles de R&D sont-ils devenus plus courts ? De nouvelles sources de revenus et d’emplois sont-elles apparues ?

L’utilisation des jetons peut nous indiquer à quel point l’économie de l’IA est active. Mais la productivité créée par jeton peut nous en dire beaucoup plus sur la qualité de la commercialisation de l’IA. C’est peut-être la course la plus significative à venir.

Le secteur chinois de l’IA doit passer de la concurrence sur les paramètres à la concurrence sur les applications, et du comptage des jetons à la création de valeur. Cela signifie trouver un équilibre entre innovation fondamentale et autonomisation industrielle, combiner réduction des coûts et écosystèmes ouverts et associer développement technologique rapide et gouvernance agile.

Le véritable signe que l’IA a franchi le seuil de la commercialisation n’est pas que les machines peuvent générer plus de contenu, rédiger des réponses plus longues ou obtenir de meilleurs résultats aux tests de référence. La vraie question est de savoir si l’IA peut générer une productivité plus élevée dans un plus grand nombre de secteurs à un coût durable pour les entreprises et la société. En fin de compte, la valeur de l’intelligence ne se mesure pas à la quantité qu’une machine peut produire, mais à la mesure dans laquelle nous pouvons mieux façonner le monde réel.