La guerre de l’IA

Fin avril 2026, la revue en ligne Le Grand Continent traduit et commente une note interne du principal conseiller scientifique du président américain sur l’intelligence artificielle (IA) [1]. Le document dénonce un piratage des modèles américains par la Chine et appelle à des mesures de rétorsion.

Dans la guerre géostratégique qui oppose les géants chinois et étasunien, l’IA joue un rôle pivot. Cette opposition ne date pas d’hier puisque dès la première présidence de Donald Trump, les États-Unis freinent l’accès de la Chine à certains composants essentiels de l’IA. Cette politique s’est poursuivie sous le mandat de Joe Biden et perdure partiellement aujourd’hui¹.

L’impact de l’IA sur nos sociétés semble tellement colossal² que d’autres acteurs tentent d’occuper une place de choix dans l’écosystème de l’IA ou, à défaut, d’acquérir au moins une certaine autonomie stratégique. L’Union européenne apparaît, à l’instar d’autres secteurs industriels, comme disposant d’un fort potentiel mais d’une incapacité chronique à construire des politiques à la hauteur des enjeux.

Les États-Unis, berceau de l’IA

L’histoire est désormais connue. À l’été 1956 à Dartmouth des universitaires américains «fondent» une nouvelle discipline qui deviendra l’IA³. L’informatique est encore naissante et son évolution fulgurante difficilement prévisible, la création du premier circuit intégré arrivant quelques années plus tard. Mais, malgré les limites technologiques d’alors, des scientifiques envisagent déjà de créer des «machines qui pensent».

Dans cet environnement de frugalité computationnelle, un foisonnement de travaux innovants se succèdent. Citons notamment le premier modèle d’un réseau de neurones artificiel introduit en 1958 [2]. Ou encore en 1966, le premier agent conversationnel ELIZA [3]⁴. Dans les années 1980 et 1990, l’IA s’inspire de recherches en physique ou en biologie pour développer des approches novatrices destinées à résoudre des problèmes d’une complexité croissante.

En parallèle, la montée en gamme des ordinateurs permet d’implanter des algorithmes toujours plus complexes. Au tournant des années 2000, l’explosion des données numériques amène la naissance de l’apprentissage profond («deep learning»). La marche folle est lancée et l’IA s’attaque à des tâches toujours plus compliquées (jeux d’échecs ou de Go, classification d’images, etc.). L’aboutissement arrive en novembre 2022 avec la sortie de ChatGPT.

Si d’autres puissances travaillent aussi sur l’IA, dans le cadre de recherches parfois rattachées à ce que l’on nomme la «cybernétique», les États-Unis dominent. D’abord par un investissement massif de la recherche, notamment public. Ensuite, par l’émergence d’un écosystème de «grandes» universités américaines et d’industries, dont la Silicon Valley demeure le symbole.

Le complexe techno-militaro-industriel américain

En fait, les premiers pas de l’IA s’intègrent dans un bouillonnement technologique nord-américain plus large qui inclut également l’ébauche d’internet⁵. Ces travaux sont largement financés par le DARPA, une agence américaine rattachée au Pentagone dont l’objectif consiste à favoriser des recherches pouvant déboucher sur des applications militaires⁶.

Créée en 1958 au lendemain du lancement pat l’URSS du premier satellite Spoutnik, le DARPA fait partie d’une série d’initiatives américaines visant à booster l’innovation dans des domaines stratégiques. Conscients que la technologie constitue la garantie de leur puissance, les États-Unis comprennent que leur avance technologique et donc leur position géostratégique sont menacées.

Dès le début, l’IA s’inscrit dans la bataille qui oppose les États-Unis à son grand rival géostratégique de l’époque, l’URSS. Ainsi, l’une des applications inaugurales de l’IA consiste en la traduction automatique de textes russes vers l’anglais. Le soutien du Pentagone à l’IA n’a jamais faibli depuis. Aujourd’hui, le DARPA continue à soutenir massivement des recherches en IA, notamment en matière d’armes autonomes ou d’exosquelettes pour soldats.

Les agences américaines signent aussi de nombreux contrats avec des entreprises spécialisées en IA, une manière d’alimenter l’écosystème. La société Palantir Technologies incarne bien cette forme de partenariat public-privé. Elle propose des logiciels de gestion de données en temps réel utilisés par différentes agences, en commençant par le Pentagone. Le grand nombre de frappes menées par l’aviation américaine et israélienne contre l’Iran aujourd’hui serait impossible sans le traitement automatique de données, laissant au passage de moins en moins de temps à la validation humaine.

Les États-Unis mènent différentes politiques visant à conserver leur avance technologique par rapport à leurs adversaires géostratégiques, notamment la Chine. En 2022, le CHIPS and Science Act poursuit en partie l’objectif de relancer une production américaine de semi-conducteurs. Dès le début de son second mandat, Donald Trump valide un projet d’infrastructures pour l’IA. Et durant l’été 2025, son gouvernement orchestre le sauvetage d’Intel.

L’autre stratégie étasunienne consiste à limiter l’accès de la Chine aux processeurs graphiques de dernières générations indispensables pour la construction de gros modèles d’IA, d’une part, en contrôlant ce que la constructeur Nvidia peut livrer (modèles et quantités), d’autre part, en faisant pression sur l’entreprise néerlandaise ASML pour ne pas exporter ses machines de photolithographie vers la Chine, privant (pour l’instant) cette dernière d’une capacité à produire des processeurs ultra-puissants⁷.

La réponse chinoise

Les autorités chinoises ont évidemment bien saisi l’importance d’accéder à une indépendance concernant l’IA, non seulement pour disposer à terme d’une armée capable de rivaliser avec celle des États-Unis, mais aussi pour doper son industrie. Outre les usages de l’IA générative, il s’agit également de consolider son secteur de la robotique.

La Chine investit massivement dans un secteur universitaire performant, notamment dans la recherche⁸. À tel point qu’elle serait sur le point de s’imposer comme le leader en matière de publications scientifiques⁹ [4]. Les succès récents de ses missions lunaires incarnent sans doute cette montée en puissance scientifique.

Avec une population de plus d’un milliard d’individus, la Chine dispose d’un réservoir immense pour former des chercheureuses de pointe. De plus, son programme «1000 talents» recrute des chercheureuses de l’étranger pour accélérer le transfert de connaissances. Limité dans un premier temps aux «Chinois de l’étranger», le programme s’adresse désormais à tout le monde.

En matière d’IA, la Chine dispose désormais de spécialistes en quantité suffisante pour développer son propre écosystème. La société DeepSeek montre que, malgré un accès restreint aux processeurs graphiques ultra-performants, la Chine rivalise désormais avec les États-Unis. Outre le grand modèle de langage DeepSeek, on peut également citer Qwen d’Alibaba ou encore Ernie de Baidu.

Surtout, l’expérience DeepSeek rappelle que l’on peut partiellement compenser un manque en processeurs graphiques les plus récents. D’abord, en exploitant au mieux les processeurs dont on dispose : en étudiant leur architecture, les spécialistes logiciels de DeepSeek optimisent le code informatique exécutant les modèles¹⁰. Ensuite, en entraînant astucieusement son modèle, ici via l’apprentissage par renforcement [5]¹¹.

Notons au passage que, contrairement à une idée reçue, DeepSeek peut compter sur une équipe de plusieurs centaines de chercheureuses pour développer ses modèles (plus de 190 auteurices pour le seul article scientifique de septembre 2025). Il semble clair que l’entreprise compte sur un soutien sans faille de l’État chinois.

Distille, Baby, Distille !

Dans le document américain cité en ouverture de ce billet, ce n’est pas tant l’innovation chinoise, bien réelle, qui est dénoncée mais plutôt un «piratage» des modèles américains. Plus particulièrement, c’est la technique de distillation qui est pointée du doigt.

Avant d’en expliquer le principe, il convient de rappeler qu’un modèle d’IA est une équation mathématique formée de (milliers) de milliards de paramètres fixés lors de l’apprentissage pour coller au mieux aux données fournies comme exemples. L’importance de ces paramètres est telle que les grands modèles américains ne communiquent pas leur valeur (on parle de modèles fermés)¹². Et retrouver les «bonnes» valeurs de ces paramètres demande beaucoup de données d’entraînement et une certaine puissance de calcul.

Faisons un parallèle avec l’enseignement. Des chercheureuses nécessitent une abondante littérature scientifique (données d’apprentissage) et beaucoup de travail (puissance de calcul) pour acquérir leur expertise. Pour autant, lorsque ces chercheureuses donnent des cours, ils et elles présentent une synthèse qui permet à des étudiantes et étudiants d’acquérir ces expertises en utilisant une quantité moindre de littérature scientifique et de temps de travail.

C’est le principe de l’apprentissage par distillation. Un modèle E (étudiant/étudiante) utilise un autre modèle C (cherchereuse) pour générer des questions et les réponses détaillées correspondantes. Le modèle E répond aux questions et compare ensuite ses réponses à celles du modèle C. Le modèle E adapte ensuite ses paramètres pour reproduire les réponses du modèle C. Si on suppose que le modèle C préexiste, le coût d’apprentissage du modèle E est comparativement (beaucoup) plus faible¹³.

Et c’est bien cette accusation que porte le gouvernement américain : des entreprises chinoises utilisent des modèles d’IA américains, en violant parfois les conditions d’utilisation et les obligations de paiement, pour construire leurs propres modèles d’IA à moindres frais par distillation. Ensuite, ces modèles viennent concurrencer ceux des entreprises américaines sur les marchés mondiaux.

Dans un précédent billet j’avais expliqué comment les grands modèles d’IA, en particulier américains, pillent les contenus créés par des humains pour construire leurs modèles, ceux-là même amenés à remplacer ces humains ensuite. On est donc en présence de l’arroseur arrosé, puisque ce sont désormais les modèles américains qui se retrouvent «maraudés» à leur tour.

Et les autres ?

Si les États-Unis et la Chine se disputent aujourd’hui le maillot jaune de l’IA, les autres régions du monde sont tout autant conscientes de l’importance de disposer d’une stratégie IA convaincante et d’une autonomie en la matière.

L’Europe dispose de nombreux atouts, dont un système universitaire et de recherche qui reste excellent malgré les politiques de restrictions budgétaires qui rendent de plus en plus difficile son adaptation à la massification de l’enseignement supérieur et aux enjeux scientifiques modernes. Si certains cerveaux partent aux États-Unis pour y peupler les postes académiques et les start-ups, d’autres font le chemin inverse. La société Mistral AI ou encore Yann Le Cun qui fonde Advanced Machine Intelligence Labs fin 2025 en sont des exemples.

Certaines pétromonarchies du Golfe tentent d’anticiper une future, même si encore beaucoup trop éloignée, sortie des ressources énergétiques fossiles en profitant de leur manne financière actuelle pour investir dans l’IA [6]. C’est le cas notamment des Émirats arabes unis et de l’Arabie saoudite qui construisent des fermes de calcul hébergeant des processeurs Nvidia dernier cri. Ils tentent aussi d’appâter des chercheureuses et des entreprises étrangères spécialisées en IA. Mais les résultats ne sont pas encore au rendez-vous, et la guerre actuelle dans la région complique encore plus la situation.

L’Inde, qui a accueilli le dernier Sommet Mondial sur l’IA en février 2026, cherche également à s’affirmer comme un acteur incontournable de l’IA, même si ses tentatives semblent ne pas porter leurs fruits pour le moment [7]. Voisine de la Chine, avec laquelle elle entretient des relations compliquées (faites de coopération économique au sein des BRICS+ et de litiges frontaliers), l’Inde est condamnée à s’affranchir des dépendances étrangères. Avec son immense population et l’amélioration continue de son secteur de la recherche, elle dispose indiscutablement des ressources pour relever le défi de l’IA.

Une IA réellement ouverte et régulée

Pour autant, penser l’évolution de l’IA uniquement en termes de confrontations géostratégiques ne constitue pas la seule voie pour assurer un accès égal à l’IA. Au contraire, les États pourraient favoriser une recherche publique commune en matière d’IA. À l’image du CERN pour la physique des particules, un centre de recherche international offrirait une réelle alternative à la guerre technologique.

Comme je l’ai indiqué dans mon dernier billet, n’en déplaise à tous les nationalistes du monde, une collaboration internationale s’avère également indispensable pour une régulation efficace de l’IA dans l’intérêt de tous et de toutes. Même si les différentes entités peuvent prendre des mesures locales concrètes, la facilité avec laquelle des modèles d’IA se diffusent¹⁴ limite l’impact de telles initiatives.

Malheureusement, une part croissante des puissances mondiales (États-Unis, Chine, Russie, Inde, différents pays européens, etc.) choisissent de miser sur la force et la brutalité (souvent agrémentées de vulgarité). L’histoire a pourtant maintes fois démontré que ce chemin aboutissait toujours à une impasse. Une leçon que nous ne semblons toujours pas avoir assimilée. Mais ceci est une autre histoire…

Références

[1] Victor Storchan, «La note qui annonce une nouvelle phase dans la guerre de l’IA», Le Grand Continent, 24/04/2026.

[2] Frank Rosenblatt, «The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain», Psychological Review, 65(6), pp. 386‑408, 1958.

[3] Joseph Weizenbaum, «ELIZA — a computer program for the study of natural language communication between man and machine», Communications of the ACM, 9(1), pp. 36‑45, 1966.

[4] Abhishek Nagaraj & Randol Yao, «The Geography of Science», Working Paper N^o 34694, National Bureau of Economic Research, 2026.

[5] Daya Guo, Dejian Yang, Haowei Zhang, et al., «DeepSeek-R1 Incentivizes Reasoning in LLMs through Reinforcement Learning», Nature, 645(8081), pp. 633‑38, 2025.

[6] Chloe Cornish, Ahmed Al Omran, & Melissa Heikkilä, «Can the Gulf really become an AI superpower?», Financial Times, 01/06/2025.

[7] Krishn Kaushik, «India’s AI ambitions hit limits at global summit», Financial Times, 22/02/2026.

Notes

La politique chinoise de Donald Trump en ce début de second mandat est plus sinueuse. Elle oscille entre des périodes d’affrontements et des tentatives pour trouver des «deals» (notamment en acceptant certaines exportations liées à l’IA vers la Chine). ↩︎
Il est certainement encore beaucoup trop tôt pour mesurer pleinement la manière dont l’IA actuelle bouleversera nos sociétés. Ses limites actuelles ne seront peut-être pas aussi facilement dépassées que le pensent les entreprises du numérique. De plus, la soutenabilité énergétique d’une IA basée sur des modèles toujours plus gourmands n’est pas acquise. Enfin, personne ne sait comment réagiront les populations si l’IA venait à remplacer de nombreux emplois humains. ↩︎
Ces chercheurs s’inscrivent en réalité dans une perspective plus longue qui inclut, a minima, les travaux de Charles Babbage et Ada Lovelace, Norbert Wiener et Alan Turing. Mais on pourrait certainement remonter encore plus loin (notamment avec les premiers automates). ↩︎
Son auteur, Joseph Weizenbaum, insiste sur le côté inintelligent de son modèle (basé essentiellement sur l’identification de mots-clés et de certaines formulations) et sur le fait que donner l’illusion d’un logiciel qui converse n’implique nullement une intelligence dans le chef de la machine. Un avertissement toujours aussi pertinent aujourd’hui. ↩︎
Le réseau ARPANET qui relie les principaux calculateurs des universités américaines dans les années 1960 donne naissance aux technologies sur lesquelles internet se base par la suite. ↩︎
Le DARPA a également joué un rôle considérable dans le domaine des microprocesseurs et des interfaces graphiques. ↩︎
Pour faire simple, afin d’améliorer les performances d’un processeur, il faut multiplier le nombre de composants intégrés, ce qui suppose de graver toujours plus fin. Actuellement, seul ASML propose les machines indispensables pour atteindre les finesses de gravure extrêmes. ↩︎
L’excellence académique chinoise réelle ne peut masquer les inégalités abyssales existantes entre les grandes institutions et le reste des universités, ainsi que les faibles débouchés que propose le pays aux diplômés du supérieur (ce qui pourrait devenir un sérieux problème politique). ↩︎
Les résultats actuels de la Chine ne doivent pas faire oublier que la problématique de la fraude scientifique caractérise encore le monde académique chinois (mais pas seulement). Notons que depuis quelques années les autorités s’attellent réellement à la combattre. ↩︎
Quand on dispose en permanence des derniers processeurs graphiques, on peut se permettre de ne pas perfectionner le code informatique, la technologie assurant les accroissements de performances. Par contre, lorsqu’on n’accède qu’à des modèles moins puissants, le seul moyen pour améliorer les performances consiste à accroître l’efficacité du code informatique. ↩︎
Pour faire simple, l’idée de DeepSeek est de demander à son modèle de générer des réponses incluant des étapes intermédiaires puis, en comparant ces étapes avec des réponses connues, à pénaliser ou gratifier le modèle suivant les écarts entre étapes produites et étapes réelles. ↩︎
Les valeurs des paramètres ainsi que le données utilisées pour l’apprentissage constituent le véritable secret des fournisseurs de modèles d’IA. C’est la raison pour laquelle, le code source des logiciels utilisé pour l’apprentissage et l’exécution des modèles est souvent ouvert car, pour des entreprises comme Meta ou Alphabet, il ne représente pas un avantage concurrentiel. ↩︎
Notons que l’apprentissage par distillation permet aussi de construire des modèles plus petits à partir d’un seul gros modèle. À termes, cela pourrait favoriser le déploiement de modèles spécialisés plus petits et donc plus rapides et moins énergivores lors de l’inférence. ↩︎
Un modèle d’IA étant en réalité une série de fichiers informatiques (parfois volumineux il est vrai), une simple connexion internet et un tout petit peu de patience suffisent pour télécharger un modèle. ↩︎