Une chose que j'ai récemment remarquée mérite d'être soulignée. En février dernier, DeepSeek a annoncé que son nouveau modèle collaborerait avec des fabricants de puces locaux, sans dépendre de Nvidia. "Nous n'utilisons pas Nvidia" - une phrase simple mais porteuse de significations profondes.

Le marché a d'abord douté. Est-il commercialement raisonnable de renoncer à Nvidia, qui détient plus de 90 % du marché des puces d'entraînement ? Mais ce qui se passe ici est plus profond qu'une simple décision commerciale. Il s'agit d'une véritable autonomie dans la puissance de calcul.

La vérité inquiétante est que ce qui étouffe les entreprises chinoises n'est pas les puces elles-mêmes, mais quelque chose appelé CUDA. Cette plateforme de Nvidia contrôle pratiquement tout dans le monde de l'intelligence artificielle. Chaque développeur, chaque cadre de travail, chaque projet - tous sont imbriqués avec elle. Construire un environnement alternatif signifie réécrire des décennies de développement, d'outils et d'expertise. Qui assumera ce coût ?

Mais la Chine a choisi une voie différente. Au lieu d'une confrontation directe, elle a opté pour une pénétration via des algorithmes. Fin 2024 et début 2025, les entreprises chinoises d'IA ont collectivement adopté des modèles experts hybrides. L'idée est simple : au lieu de déployer un modèle massif complet, le diviser en petits experts et n'activer que ceux qui sont pertinents. DeepSeek V3 en est un exemple parfait - 671 milliards de paramètres, mais seulement 37 milliards activés, soit 5,5 %. Le coût d'entraînement ? seulement 5,576 millions de dollars. GPT-4 a coûté environ 78 millions. La différence est énorme.

Cette différence s'est immédiatement reflétée dans le prix. Le prix API de DeepSeek est de 25 à 75 fois inférieur à celui de Claude. Résultat ? En février, la part des modèles chinois sur OpenRouter a augmenté de 127 % en seulement trois semaines, dépassant pour la première fois les États-Unis. Il y a un an, elle ne dépassait pas 2 %. Aujourd'hui, elle approche les 60 %.

Mais voici la vraie partie. Réduire le coût de l'inférence ne résout pas le problème fondamental - l'entraînement. Et cela nécessite une puissance de calcul énorme.

À Changzhou, une petite ville connue pour l'acier inoxydable, une ligne de production locale de 148 mètres a été construite. De la signature à la production, il n'a fallu que 180 jours. L'essentiel ? Des puces entièrement locales : un processeur Loongson 3C6000 et une carte Taichu Yuanqi pour l'accélération industrielle. Lorsqu'elle fonctionne à pleine capacité, elle sort cinq unités par minute. Ce qui est vraiment important, c'est que ces puces ont déjà commencé à exécuter de véritables tâches d'entraînement massives.

En janvier 2026, Zhipu a lancé, en collaboration avec Huawei, le modèle GLM-Image - le premier modèle avancé de génération d'images entièrement entraîné sur des puces chinoises locales. Juste après, un modèle "étoile" massif a été entraîné sur un bassin de calcul chinois local.

C'est une véritable révolution. L'inférence demande des exigences relativement faibles. L'entraînement ? Il nécessite le traitement de quantités énormes de données et des calculs complexes de gradients. Les exigences sont multipliées par dix en termes de puissance de calcul, de bande passante et d'écosystème logiciel.

Huawei Ascend est la véritable force ici. Fin 2025, le nombre de développeurs dans l'écosystème Ascend a dépassé 4 millions. Plus de 3000 partenaires. 43 modèles principaux dans l'industrie ont été entraînés sur cette base. Plus de 200 modèles open source ont été adaptés.

Lors du MWC en mars 2026, Huawei a lancé SuperPoD pour la première fois sur des marchés étrangers. La puissance de traitement de l'Ascend 910B a atteint le niveau du NVIDIA A100. La fracture est passée d'inutilisable à utilisable.

Mais il y a un autre aspect dont beaucoup ne parlent pas : l'énergie. La fin de la puissance de calcul, c'est vraiment l'énergie. Et ici, la situation est complètement inverse.

La Chine produit 10,4 térawattheures par an. Les États-Unis, 4,2 térawattheures. La Chine produit 2,5 fois plus que l'Amérique. Le plus important ? La consommation domestique en Chine ne représente que 15 % du total, contre 36 % aux États-Unis. Cela signifie une énorme capacité énergétique industrielle pouvant être orientée vers la construction de la puissance de calcul.

En termes de coûts, les prix de l'électricité dans les régions d'IA américaines varient entre 0,12 et 0,15 dollar par kilowattheure. En Chine occidentale ? environ 0,03 dollar. Quatre fois moins, voire cinq fois moins que l'Amérique. Et alors que les États-Unis font face à de véritables problèmes électriques - la Virginie et la Géorgie ont suspendu l'approbation de nouveaux centres de données - l'IA chinoise sort discrètement à l'étranger.

Mais cette fois, ce qui sort, ce n'est pas un produit ou une usine. C'est un Token - l'unité la plus petite traitée par les modèles d'IA. Il est produit dans des usines de calcul chinoises, puis transporté par câbles sous-marins dans le monde entier. C'est une nouvelle marchandise numérique.

Les données de répartition des utilisateurs de DeepSeek racontent l'histoire : Chine 30,7 %, Inde 13,6 %, Indonésie 6,9 %, États-Unis 4,3 %. Supporte 37 langues. Très populaire sur les marchés émergents. 26 000 entreprises mondiales ont des comptes. En Chine, elle détient 89 % du marché.

C'est exactement comme une guerre d'indépendance industrielle vieille de quarante ans. En 1986, le Japon a signé un accord sur les semi-conducteurs avec les États-Unis. L'industrie japonaise était à son apogée - elle contrôlait 51 % du marché mondial en 1988. Mais après la signature ? Sa part dans la DRAM est passée de 80 % à 10 %. En 2017, il ne restait plus que 7 % du marché des circuits intégrés. Les géants se sont retirés par division, acquisition ou pertes continues.

La différence est que le Japon a accepté d'être le meilleur producteur dans un système mondial dominé par une seule puissance, mais il n'a pas construit un écosystème indépendant. Lorsqu'il s'est retiré, il a compris qu'il ne possédait rien d'autre que la production elle-même.

La Chine se trouve à un carrefour similaire mais complètement différent. Elle subit une pression extérieure énorme - trois vagues de restrictions sur les puces avec une escalade continue. Mais cette fois, elle a choisi un chemin bien plus difficile : des améliorations algorithmiques extrêmes, une avancée locale des puces de l'inférence à l'entraînement, 4 millions de développeurs dans le système Ascend, puis la diffusion mondiale du Token. Chaque étape construit un système industriel indépendant que le Japon n'a jamais possédé.

Le 27 février 2026, trois entreprises locales de puces ont publié leurs rapports de performance le même jour. Kimo a vu ses revenus augmenter de 453 % et a réalisé un bénéfice annuel pour la première fois. Moi Tun a augmenté de 243 % mais a perdu 1 milliard. Muxi a augmenté de 121 % mais a perdu près de 800 millions.

Une moitié de feu, une moitié d'eau. Le feu, c'est l'appétit démesuré du marché. Le vide de 95 % laissé par Nvidia se remplit progressivement. Le marché a besoin d'une véritable alternative. C'est une opportunité structurelle très rare, en pleine tension géopolitique.

L'eau, c'est le coût énorme de la construction de l'écosystème. Chaque perte financière réelle est payée dans la quête de construire CUDA local. Recherche et développement, support logiciel, ingénieurs envoyés pour résoudre les problèmes de traduction, un par un. Ces pertes ne sont pas une mauvaise gestion - c'est une taxe de guerre à payer.

Ces trois rapports financiers ont fidèlement capturé l'image réelle de cette guerre pour la puissance de calcul. Ce n'est pas une victoire inspirante, mais une bataille féroce livrée sur la ligne de front, le sang coule.

Mais la forme de la guerre a déjà changé. Il y a huit ans, nous discutions : pouvons-nous rester ? Aujourd'hui, nous discutons : à quel prix devons-nous rester ? Le prix lui-même, c'est le progrès.