Le grand décalage d'évaluation : L'IA chinoise a rattrapé son retard. L'argent ne suit pas.
La grande sous-évaluation : l'IA chinoise a rattrapé son retard. Les capitaux, eux, non.
Date : 13 novembre 2025
Quand DeepSeek a lancé son modèle de raisonnement en janvier dernier, rivalisant avec les meilleurs systèmes d'OpenAI pour, selon leurs dires, une fraction du coût de formation, Wall Street a connu un vent de panique. Mille milliards de dollars se sont évaporés des actions technologiques américaines en une seule séance. Nvidia ? Son action a perdu près de 590 milliards de dollars de capitalisation boursière. Les traders ont commencé à parler du "moment Spoutnik" de l'IA.
Neuf mois plus tard, les stars de l'IA de la Silicon Valley valent aujourd'hui plus que jamais. La valorisation d'OpenAI se situe entre 150 milliards de dollars et 300 milliards de dollars, selon les sources. xAI, l'entreprise d'Elon Musk ? Elle a atteint environ 200 milliards de dollars.
Pendant ce temps, à Pékin et Hangzhou, les entreprises dont les modèles ont déclenché cette panique ne valent qu'une misère en comparaison.
Le modèle de raisonnement à poids ouverts de DeepSeek est actuellement en tête des classements indépendants pour les modèles ouverts. Sa valorisation ? Environ 15 milliards de dollars. D'autres "tigres de l'IA" chinois comme Zhipu et Moonshot AI stagnent dans les quelques milliards de dollars.
Mais voici le coup de théâtre : selon presque toutes les mesures techniques, les meilleurs modèles chinois n'ont jamais été aussi proches de la "frontière" américaine. Pourtant, selon presque toutes les mesures financières, ils ont rarement été aussi fortement sous-évalués.
Ce décalage entre ce que ces systèmes peuvent faire et ce que les investisseurs estiment qu'ils valent ne fait pas que remodeler la course mondiale à l'IA. Il est en train de réécrire les règles fondamentales de la création de startups de pointe.
De plusieurs années à plusieurs mois : la Chine a comblé l'écart plus vite que prévu
La plupart des gens ont passé la dernière décennie à supposer que l'IA chinoise était en retard de plusieurs années sur les États-Unis. Les contrôles à l'exportation sur les puces Nvidia avancées ont débuté en 2022. Washington les a resserrés à plusieurs reprises tout au long de 2024. L'objectif explicite ? Maintenir cet écart béant.
Ce n'est pas ce qui s'est passé.
Un responsable du département américain du Commerce a déclaré au Congrès en juin que les dernières puces Ascend de Huawei sont encore en retard d'un à deux ans par rapport aux meilleurs GPU américains. Mais ce qui est plus important : les modèles chinois n'étaient en retard que de trois à six mois.
Les évaluations comparatives indépendantes le confirment. Le cabinet d'analyse Artificial Analysis a publié un rapport au deuxième trimestre suivant les performances en matière de raisonnement, d'examens STEM et de codage. Leur conclusion ? L'écart d'intelligence entre les modèles "frontière" américains et chinois "est aujourd'hui aussi faible qu'il ne l'a jamais été". Le modèle o3 d'OpenAI est leader mondial (maintenant remplacé par GPT-5), mais le R1 de DeepSeek et le Qwen3 d'Alibaba le talonnent.
En d'autres termes : au plus haut niveau, nous parlons de mois et de points de référence. Pas d'époques technologiques.
Images et vidéo : Sora 2 n'est plus seul en lice
Les modèles linguistiques ont lancé la course. La vidéo est l'endroit où les choses sont devenues visibles.
OpenAI a lancé Sora 2 cet automne. Il synthétise des clips étrangement réalistes avec un son synchronisé. Si convaincant que les régulateurs de Tokyo à Washington ont mis en garde contre les risques de "deepfake".
Mais les entreprises chinoises ont discrètement développé des rivaux que les créateurs et les plateformes du monde entier utilisent désormais indifféremment. Seedance 1.0 de ByteDance est arrivé mi-2025, générant des vidéos cinématographiques multi-plans en 1080p. Il se concentre sur la cohérence narrative et fonctionne environ dix fois plus vite que les modèles précédents grâce à une distillation agressive et une optimisation des systèmes.
Une récente enquête du Time a conclu quelque chose de frappant : les outils d'image Seedance et Seedream de ByteDance rivalisent ou surpassent les outils occidentaux en termes de réalisme et de cohérence des personnages. Ils sont également nettement moins chers. Les startups américaines les intègrent déjà comme moteurs de "back-end".
Le géant de la vidéo courte Kuaishou a lancé sa famille Kling 2.x, qui génère des clips 1080p allant jusqu'à 30 secondes. Des critiques indépendants ont salué sa texturation, son éclairage et son mouvement comme étant "plus réels" que de nombreux concurrents occidentaux.
Alibaba a transformé sa série Qwen en une pile multimodale complète. Les derniers modèles Qwen2.5-VL et Qwen3-VL peuvent analyser des graphiques et de longs documents. Ils raisonnent sur des vidéos d'une heure. Ils génèrent du JSON structuré pour les tâches de vision. Ces capacités sont directement opposées à la vision de GPT-5 d'OpenAI et à Gemini 2.5 de Google.
La génération d'images et de vidéos n'est plus une course à sens unique. Sora 2 d'OpenAI pourrait rester la référence pour la physique brute et la narration longue. Mais Seedance, Kling et d'autres modèles chinois figurent désormais dans les mêmes tableaux de comparaison, et non dans une seconde catégorie lointaine.
La révolution des poids ouverts vient de se déplacer vers l'Est
La Chine a clairement pris de l'avance dans un créneau d'une importance stratégique considérable : les modèles "frontière" à poids ouverts.
Les données d'Artificial Analysis montrent qu'en novembre dernier, la préversion QwQ-32B d'Alibaba est devenue le premier modèle à poids ouverts à surpasser le Llama 3.1-405B de Meta sur son indice d'intelligence composite. Les mises à jour R1 et R1-0528 de DeepSeek ont consolidé cette avance en 2025. La Chine est devenue le centre des LLM à poids ouverts les plus performants au monde.
Une enquête distincte sur les LLM open-source cette année décrit la Chine comme un "leader mondial de l'IA open-source". La pile technologique principale ? DeepSeek, Qwen, Yi, Baichuan et GLM. La plupart sont sous des licences permissives comme Apache 2.0 qui autorisent l'utilisation commerciale.
La famille Llama 4 de Meta, très attendue, a peiné en comparaison. Scout, Maverick et le Behemoth, toujours retardé, n'ont pas été à la hauteur de leur réputation d'alternative ouverte phare à GPT-5.
Le modèle Maverick "vanilla" (de base) s'est classé nettement en dessous des meilleurs modèles fermés sur les benchmarks de discussion populaires. Meta avait initialement vanté une parité avec GPT-4o. Des chercheurs ont accusé Meta de "benchmark gaming" (optimisation opportuniste de benchmarks) après qu'une variante expérimentale optimisée de Maverick ait discrètement grimpé au sommet du classement LMSYS Arena, dénaturant les performances typiques. Des rapports internes et des analystes indépendants ont décrit Llama 4 comme "perdu", sur-ingéniérisé et en retard. Il est devenu victime de l'escalade des coûts de calcul et d'une narration produit peu claire.
Ne vous méprenez pas : Llama 4 n'est pas un échec. Il reste un modèle à poids ouverts solide pour de nombreuses tâches. Certains benchmarks le montrent même légèrement en avance sur DeepSeek en termes de précision factuelle, tout en étant en retrait sur le raisonnement complexe et le codage.
Mais dans la course symbolique au leadership des modèles à poids ouverts ? Les faux pas de Meta se sont avérés coûteux. DeepSeek R1-0528 est désormais classé comme le modèle à poids ouverts le plus intelligent au monde. Des laboratoires chinois comme Alibaba et Z.ai publient systématiquement leurs modèles phares en open-source. Le centre de gravité des modèles ouverts s'est clairement déplacé vers l'Est.
Construire l'IA de pointe avec un régime matériel restreint
Les progrès de la Chine sont d'autant plus frappants si l'on considère le matériel dont elle ne dispose pas.
Washington a resserré à plusieurs reprises les contrôles à l'exportation sur les GPU avancés depuis 2022. Les A100, H100 de Nvidia et même les variantes "spécifiques à la Chine" comme les A800 et H800 ont été bloquées. Des règles ultérieures ont étendu les limites au H20. Les alliés des États-Unis se sont alignés sur nombre de ces mesures. Les citoyens américains ne peuvent plus soutenir certaines usines chinoises de semi-conducteurs.
Une nouvelle série de règles cette année a même ciblé l'accès au cloud et le partage des poids de modèles avec les acteurs chinois.
Ces contrôles pèsent lourdement. Huawei ne s'attend pas à produire plus de 200 000 de ses puces IA Ascend avancées en 2025. C'est bien en deçà de la demande intérieure. Les directives américaines avertissent désormais les alliés contre l'utilisation de ces puces partout dans le monde.
Pourtant, au lieu de geler les ambitions chinoises en matière d'IA, les sanctions ont catalysé une vague d'ingénierie frugale.
Les modèles V3 et R1 de DeepSeek égaleraient les performances de la classe GPT-4 tout en coûtant environ 5,5 millions de dollars à former. C'est des ordres de grandeur inférieurs aux centaines de millions souvent cités pour les modèles "frontière" américains. Le modèle vision-langage GLM-4.5V de Z.ai est évalué à environ 13 % des coûts d'exploitation de DeepSeek. Il peut fonctionner sur seulement huit puces Nvidia H20. Son successeur, le GLM-4.6, est optimisé pour les accélérateurs nationaux de Cambricon et Moore Threads.
Les dernières versions de DeepSeek sont optimisées dès le premier jour pour les puces et les piles logicielles de fabrication chinoise comme Ascend/CANN de Huawei et les MLU de Cambricon. Cela réduit leur dépendance à l'écosystème CUDA de Nvidia. Alibaba et Baidu ont commencé à former de grands modèles sur leurs propres puces internes, remplaçant en partie le matériel Nvidia.
Un nombre croissant d'analyses soutient désormais que les contrôles à l'exportation ont involontairement accéléré les efforts chinois pour construire une pile IA entièrement indigène. Parallèlement, ils ont nui aux revenus et aux budgets de R&D des fabricants de puces américains.
Si la Chine peut atteindre des performances quasi-frontière en utilisant des GPU H20 affaiblis, des accélérateurs nationaux et des schémas d'entraînement impitoyablement optimisés, l'avantage marginal des toutes dernières puces américaines commence à paraître moins décisif que Washington ne l'espérait.
Suivre l'argent : pourquoi les valorisations ont divergé
Technologiquement, l'écart s'est réduit. Financièrement ? Le fossé est immense.
L'AI Index 2025 de Stanford indique que l'investissement privé américain dans l'IA a atteint environ 109 milliards de dollars en 2024. C'est près de douze fois les 9,3 milliards de dollars de la Chine. Une enquête industrielle plus récente estime que les États-Unis sont toujours en tête avec environ 67,2 milliards de dollars d'investissements dans l'IA en 2025, contre 43,8 milliards de dollars pour la Chine. Elle dénombre 47 licornes de l'IA aux États-Unis contre beaucoup moins en Chine.
Regardez les valorisations. OpenAI se situe entre 150 milliards et 300 milliards de dollars, selon l'accord de financement de dernière étape que vous croyez. Anthropic ? Plus de 50 milliards de dollars. xAI a atteint 200 milliards de dollars après sa dernière levée de fonds de 10 milliards de dollars. CoreWeave et d'autres fournisseurs de calcul IA ? Plus de 20 milliards de dollars.
En Chine, DeepSeek est valorisé à environ 15 milliards de dollars. Zhipu, également connu sous le nom de Z.ai, s'élevait à environ 20 milliards de yuans (environ 2,7 milliards de dollars) lors de sa dernière levée de fonds divulguée, malgré le fait de dominer plusieurs benchmarks ouverts avec ses modèles GLM. Moonshot AI, le créateur du chatbot à long contexte Kimi, approcherait une valorisation inférieure à 4 milliards de dollars.
Les marchés publics racontent une histoire similaire. L'indice Hang Seng Tech se négocie à environ 21 fois les bénéfices prévisionnels. C'est en dessous de sa moyenne sur cinq ans et à un décote par rapport au Nasdaq-100, même après un rallye de 40 à 50 % cette année. L'indice comprend Alibaba, Baidu, Xiaomi et d'autres entreprises fortement impliquées dans l'IA.
Les PDG de banques américaines mettent désormais ouvertement en garde contre une bulle de valorisation tirée par l'IA dans les actions technologiques américaines. Ils prévoient des corrections de 10 à 20 % après deux ans d'afflux frénétiques.
La question préoccupante pour les investisseurs n'est pas simplement de savoir s'il existe une bulle de l'IA aux États-Unis. C'est de savoir s'ils sous-estiment la géographie de la prochaine vague de création de valeur.
Quand le capital-risque devient facultatif
Une partie de la réponse réside dans la manière dont les entreprises chinoises d'IA sont financées.
Le capital-risque pour les startups chinoises de l'IA a fortement chuté. Une analyse récente note que le financement en capital-risque pour le secteur a baissé de près de 50 % en glissement annuel début 2025. Il n'a atteint que 4,7 milliards de dollars au deuxième trimestre, le plus bas en une décennie. Le ralentissement économique général et l'incertitude réglementaire ont joué leur rôle.
Mais cela ne signifie pas qu'il n'y a pas d'argent. Il vient simplement d'ailleurs.
Pékin est en train de constituer un fonds national d'orientation de mille milliards de yuans (environ 138 milliards de dollars) pour soutenir la "technologie dure". Cela représente l'un des plus grands fonds de capital-risque soutenus par l'État au monde, destiné à l'IA, au quantique et aux semi-conducteurs. Des "fonds d'orientation gouvernementaux" sous-nationaux et des programmes au niveau des villes offrent des subventions, des bureaux à bas prix et des avantages fiscaux aux entreprises d'IA. La frontière entre capital-risque et politique industrielle devient assez floue.
Les dernières levées de fonds de Z.ai ont été menées par des capitaux publics municipaux et provinciaux. Cela s'est produit même après que le département américain du Commerce ait mis l'entreprise sur liste noire.
Puis il y a DeepSeek, le cas atypique. Un profil populaire basé sur les données a noté cette année quelque chose de remarquable : l'entreprise n'a aucun financement en capital-risque conventionnel. Elle est détenue à 84 % par ses fondateurs. Elle est devenue une "licorne open-source" valant plusieurs milliards de dollars et a atteint plus de 30 millions d'utilisateurs actifs mensuels, en grande partie grâce au mérite de son produit et au bouche-à-oreille.
Dans cet écosystème, le capital n'est pas la ressource rare. Ce sont la puissance de calcul et les talents. Une fois ceux-ci sécurisés grâce à des crédits cloud soutenus par l'État, des fabricants de puces locaux ou des partenariats avec de grandes entreprises technologiques, le besoin en capital-risque traditionnel de type "Sand Hill Road" diminue.
Pour les fondateurs occidentaux, cela soulève une possibilité provocante : peut-être que les startups d'IA à forte croissance n'ont pas toujours besoin de capital-risque conventionnel pour se développer. Pour les fondateurs chinois, c'est de plus en plus une réalité.
Rien ne peut-il empêcher la Chine de devenir une superpuissance de l'IA ?
Rien de tout cela ne signifie que la Chine a "gagné" la course à l'IA. Les laboratoires américains dominent toujours les modèles "frontière" fermés. GPT-5, Claude Sonnet 4.5 et Gemini 2.5 restent les systèmes à battre dans de nombreux domaines à enjeux élevés, du raisonnement juridique au codage complexe et aux flux de travail agentiques.
La Chine est également confrontée à de sérieux vents contraires.
Les puces restent un problème. Malgré les solutions de contournement, les accélérateurs nationaux sont toujours en retard d'une génération ou plus par rapport aux meilleurs GPU de Nvidia. Les plafonds d'exportation sur les puces IA et les équipements de fabrication restent fermement en place.
Les contrôles de capitaux et les problèmes de confiance compliquent les choses. Les tensions géopolitiques, les sanctions et les restrictions sur les cotations technologiques chinoises à l'étranger dépriment les valorisations. Elles limitent l'adoption mondiale de l'IA chinoise dans les secteurs sensibles.
La réglementation intérieure ajoute une autre couche. Les plateformes chinoises sont confrontées à leurs propres règles de plus en plus strictes concernant le contenu de l'IA, la sécurité des données et la gouvernance des algorithmes. Ces contraintes pourraient encore ralentir la monétisation.
Mais les deux dernières années ont clarifié quelque chose d'important : les contrôles à l'exportation et les pipelines de capital-risque asséchés n'ont pas empêché la Chine d'atteindre une quasi-parité dans les technologies IA de base. Ils ont au mieux rendu ces progrès plus efficaces en termes de ressources. Et peut-être aussi plus ancrés au niveau national.
Considérez la combinaison : des modèles à poids ouverts de classe mondiale de DeepSeek, Alibaba et Z.ai. Des systèmes vidéo et d'imagerie très compétitifs comme Seedance et Kling. Des capitaux agressifs soutenus par l'État remplaçant le capital-risque traditionnel. Un vaste marché intérieur avide d'automatisation basée sur l'IA.
Il est difficile de voir comment les seules restrictions matérielles pourraient durablement exclure la Chine de la prochaine révolution industrielle.
La question la plus importante n'est peut-être pas de savoir si la Chine peut rattraper son retard. C'est déjà en train de se produire en temps réel. La question est de savoir si les investisseurs mondiaux, les régulateurs et les rivaux sont préparés à un monde où les modèles ouverts les plus importants, et une part croissante de l'IA appliquée de pointe, sont construits dans un système qui ne dépend ni de l'argent de la Silicon Valley ni de la permission de Washington.
CECI N'EST PAS UN CONSEIL EN INVESTISSEMENT