Je viens de remarquer cette année à quel point le paysage de l'IA chinoise a changé. Lorsque l'embargo sur les puces a commencé, tout le monde pensait que le rêve était fini. Mais sais-tu ce qui est vraiment à bord de tout cela ? Ce n'est pas seulement une question de matériel—le vrai problème, c'est CUDA.

Si tu n'as pas encore entendu, CUDA est l'écosystème construit par NVIDIA depuis plus de dix ans. Tous les principaux frameworks d'IA, de Google TensorFlow à Meta PyTorch, en dépendent. Aujourd'hui, 4,5 millions de développeurs l'utilisent, et 90 % des développeurs d'IA dans le monde sont verrouillés dans ce système. C'est une roue d'inertie presque impossible à arrêter—plus il y a d'utilisateurs, plus d'outils sont créés, plus il devient difficile de sortir.

Mais cette fois, la Chine n'a pas abandonné. La stratégie est plus intelligente—se concentrer sur l'algorithme. Le DeepSeek V3 possède 671 milliards de paramètres mais n'utilise que 5,5 % lors de chaque inférence. Le coût d'entraînement n'est que de 5,576 millions de dollars, alors que GPT-4 coûte presque $78 million. Tu sais ce qui s'est passé ? Le prix API de DeepSeek est de 0,028 $ par million de tokens, alors que celui de GPT-4 est de 5 $. C'est 25 à 75 fois moins cher. Ce n'est pas seulement une réduction—c'est un changement structurel dans l'industrie.

Et maintenant, la partie impressionnante : les puces locales ont commencé à entraîner de grands modèles. En janvier 2026, Zhipu AI a lancé le GLM-Image avec Huawei, le premier modèle de génération d'images entièrement entraîné sur des puces locales. Le processeur Loongson 3C6000 et la carte accélératrice TaiChu Yuanqi T100 ne sont plus seulement pour l'inférence—ils sont capables d'entraînement. À Jiangsu Xinghua, une ligne de production de 148 mètres produit des serveurs toutes les 5 minutes. C'est la production d'une nouvelle ère—pas seulement de biens physiques, mais de capacité computationnelle pouvant être exportée dans le monde entier.

L'écosystème Huawei Ascend a déjà 4 millions de développeurs, 3 000 partenaires, et 43 modèles majeurs pré-entraînés ici. Ce chiffre continue d'augmenter. D'ici 2026, la capacité de calcul intelligent de la Chine atteindra 1590 EFLOPS. Ce n'est plus une simple aspiration—c'est une réalité.

Passons maintenant à la situation énergétique. Les États-Unis ont un problème. Virginie, Géorgie, Illinois, Michigan—tous ont suspendu de nouveaux projets de centres de données en raison de la pénurie d'électricité. Les États-Unis feront face à un déficit de capacité de 175 GW d'ici 2033. Mais la Chine ? La production annuelle d'électricité est de 10,4 trillions d'unités, 2,5 fois celle des États-Unis. Et la consommation résidentielle en Chine ne représente que 15 % du total, contre 36 % aux États-Unis. Cela signifie qu'il y a plus de capacité industrielle pour l'infrastructure informatique. Le prix de l'électricité dans l'ouest de la Chine est de 0,03 $ par kilowattheure, contre 0,12 à 0,15 $ aux États-Unis. C'est une différence de 4 à 5 fois.

Ainsi, les tokens—la plus petite unité d'information en IA—ont commencé à être produits en Chine et exportés dans le monde entier. La répartition des utilisateurs de DeepSeek est de 30,7 % en Chine, 13,6 % en Inde, 6,9 % en Indonésie, 4,3 % aux États-Unis, 3,2 % en France. Il y a 26 000 entreprises dans le monde et 3 200 institutions dans la version entreprise. D'ici 2025, 58 % des nouvelles startups d'IA intégreront DeepSeek dans leur stack technologique. En Chine même, la part de marché est de 89 %.

Ce qui s'est passé ici ressemble à ce qui est arrivé au Japon il y a 40 ans. En 1988, le Japon contrôlait 51 % du marché mondial des semi-conducteurs, mais après l'Accord sur les semi-conducteurs entre les États-Unis et le Japon, leur part est tombée à seulement 10 % dans le domaine des DRAM. Leur erreur a été de se reposer uniquement sur leur excellence en fabrication, sans développer un écosystème indépendant. Aujourd'hui, la Chine a choisi une autre voie—de l'optimisation extrême des algorithmes, au développement de puces locales pour l'inférence et l'entraînement, à la mobilisation de millions de développeurs dans l'écosystème Ascend, jusqu'à l'exportation de tokens à l'échelle mondiale.

Les rapports du 27 mars 2026 montrent une image intéressante. Les revenus de Cambrian ont augmenté de 453 %, premier bénéfice annuel complet. Les revenus de Moore Threads ont augmenté de 243 %, mais avec une perte d'un milliard. Muxi a augmenté de 121 %, mais avec une perte de 8 milliards. Mi-figue, mi-raisin. Mais le point est clair—le marché a besoin d'une alternative à NVIDIA. C'est une opportunité structurelle créée par la géopolitique.

Construire un écosystème a un coût. Chaque perte représente de l'argent réel dépensé en apprentissage, subventions logicielles, déploiements d'ingénieurs chez les clients. Mais ces pertes ne sont pas dues à une mauvaise exécution—c'est une taxe de guerre pour l'indépendance. Il y a huit ans, la question était "pouvons-nous survivre." Aujourd'hui, la question est "quel est le coût à payer pour survivre." Le coût lui-même, c'est le progrès.