Comment les États-Unis et la Chine dominent l'IA

La compétition entre les États-Unis et la Chine autour de l’intelligence artificielle n’est pas simplement une course à la performance des modèles. C’est une bataille pour définir l’architecture technologique du monde dans les années à venir.

Et ce qui rend cette compétition fascinante, c’est que la Chine a appris une leçon très claire de l’histoire.

Une leçon tirée d’Internet

Quand Internet s’est démocratisé, les États-Unis ont gagné. Google, Microsoft, Apple, Amazon, Facebook — des entreprises américaines se sont positionnées au cœur de l’infrastructure numérique mondiale. Elles ont créé les outils que tout le monde utilise : les systèmes d’exploitation comme Windows, iOS et Android, les moteurs de recherche, les services cloud, les écosystèmes entiers.

Et cela a donné aux États-Unis une domination technologique quasi-totale pendant des décennies.

La Chine a regardé cela. Et elle a compris qu’elle ne pouvait pas reproduire ce modèle avec l’IA. Elle n’avait pas eu le contrôle pendant la phase d’Internet. Elle ne veut pas faire la même erreur avec l’IA.

Deux stratégies, deux positions

Aujourd’hui, les deux pays ne jouent pas la même partie.

Les États-Unis semblent vouloir dominer en contrôlant l’infrastructure : les puces, le calcul, le cloud, l’énergie. C’est le même modèle qu’avant, mais appliqué à une nouvelle technologie. La Chine, elle, poursuit une stratégie délibérément différente. Elle cherche à dominer par l’adoption : en rendant ses technologies accessibles, en formant les développeurs du monde, en construisant un écosystème global autour de ses outils.

Elle ne veut pas être la dépendante cette fois-ci.

L’une crée de la dépendance en possédant les briques fondamentales. L’autre crée de la dépendance en devenant incontournable pour ceux qui veulent construire dessus.

Pour comprendre comment ces deux stratégies se déploient concrètement, il faut regarder de près ce que chaque superpuissance est en train de construire dès maintenant.

La stratégie américaine : contrôler le socle

Pour comprendre la stratégie américaine dans l’intelligence artificielle, il faut regarder au-delà des modèles. On parle beaucoup de ChatGPT, Gemini, Claude ou des prochains modèles capables de raisonner, de coder et d’exécuter des tâches complexes. Mais derrière ces modèles se trouve une réalité beaucoup plus matérielle : ils ont besoin de puces, de data centers, d’électricité, de réseaux et de capacités de calcul considérables.

Et ce sont précisément ces infrastructures que les entreprises américaines sont en train de construire à une échelle inédite.

Microsoft, Amazon, Google et Meta investissent des dizaines de milliards de dollars dans les data centers et les infrastructures nécessaires à l’IA. À eux quatre, leurs investissements du deuxième trimestre 2026 ont atteint environ 170 milliards de dollars, en forte progression sur un an. Les dépenses des grandes entreprises technologiques américaines dans les data centers et les puces pourraient atteindre environ 1 500 milliards de dollars sur 2026 et 2027.

Ce niveau d’investissement permet de comprendre quelque chose d’essentiel : les États-Unis ne cherchent pas uniquement à créer les meilleures intelligences artificielles. Ils cherchent à construire l’infrastructure sur laquelle une grande partie de l’intelligence artificielle mondiale pourrait fonctionner.

Une course qui demande des capitaux gigantesques

L’économie de l’IA est différente de celle de nombreuses technologies numériques précédentes. Pour créer un logiciel, une petite équipe peut atteindre des millions d’utilisateurs avec relativement peu d’infrastructures physiques. Pour développer les modèles les plus avancés, la situation est différente.

Il faut acheter ou louer énormément de puissance de calcul. Il faut construire des centres de données. Il faut disposer d’une alimentation électrique suffisante. Il faut des réseaux capables de transporter les données. Et il faut renouveler régulièrement le matériel.

Cela crée une barrière à l’entrée considérable. Une start-up peut avoir de très bons chercheurs et une excellente idée, mais elle ne possède généralement pas les moyens financiers nécessaires pour construire elle-même cette infrastructure. Elle doit donc la louer.

Et c’est là que la position des géants américains devient particulièrement intéressante. Les mêmes entreprises qui investissent dans le calcul possèdent déjà une grande partie du cloud mondial. Elles peuvent donc fournir la puissance informatique nécessaire aux entreprises qui développent les prochaines générations d’IA.

Autrement dit, celui qui possède les machines peut aussi devenir celui qui loue les machines aux futurs concurrents.

Construire plusieurs couches à la fois

C’est probablement l’un des grands avantages américains. Microsoft, Google et Amazon ne sont pas simplement des fournisseurs d’infrastructure. Ils développent également leurs propres modèles, leurs propres services d’IA et leurs propres applications.

Cela leur permet d’occuper plusieurs niveaux de la chaîne : puces, calcul, cloud, modèles, applications, utilisateurs. Cette position est extrêmement difficile à reproduire.

Imaginez une entreprise qui souhaite lancer un nouveau service d’IA. Elle peut avoir besoin d’un cloud américain pour l’héberger, de capacités de calcul pour entraîner son modèle et éventuellement d’un modèle développé par l’un de ces mêmes acteurs. L’infrastructure devient alors bien plus qu’un simple outil technique. Elle devient une position de pouvoir.

Une stratégie qui rappelle l’histoire technologique américaine

Ce modèle n’est d’ailleurs pas complètement nouveau. Les États-Unis ont déjà construit une grande partie de leur puissance technologique en transformant leurs entreprises en plateformes mondiales. Microsoft avec Windows et les logiciels d’entreprise. Google avec la recherche et son écosystème publicitaire. Amazon avec le commerce en ligne, puis avec AWS. Apple avec son écosystème matériel et logiciel.

Le point commun n’est pas simplement d’avoir développé un excellent produit. C’est d’avoir créé autour de ce produit un environnement dans lequel d’autres entreprises, développeurs et utilisateurs ont fini par construire leurs propres activités.

L’IA pourrait suivre une logique similaire. La différence est que cette fois, la plateforme n’est pas seulement un logiciel. Elle repose aussi sur une infrastructure physique extrêmement coûteuse. Et cela pourrait rendre la dépendance encore plus forte.

L’objectif dépasse donc largement le marché américain

Si les entreprises américaines parviennent à construire suffisamment de capacités de calcul, de cloud et de modèles, elles peuvent devenir indispensables à des entreprises situées partout dans le monde. Une entreprise française, indienne, brésilienne ou africaine pourrait développer sa propre application d’IA tout en utilisant une infrastructure américaine. Elle pourrait même développer son propre modèle tout en louant le calcul nécessaire auprès d’un fournisseur américain.

C’est là que se trouve une partie importante de la stratégie. Il n’est pas nécessaire de contrôler toutes les applications du monde si l’on contrôle l’infrastructure dont elles ont besoin pour fonctionner.

Cette logique explique aussi pourquoi Washington cherche à conserver son avance sur les semi-conducteurs et à limiter l’accès chinois aux technologies de calcul les plus avancées. L’enjeu n’est pas simplement de ralentir un concurrent. Il s’agit aussi d’empêcher qu’un autre écosystème technologique puisse construire une alternative complète.

Mais cette stratégie crée une contradiction

Il y a toutefois un paradoxe. Pour gagner la compétition mondiale contre la Chine, les États-Unis doivent permettre à leurs géants technologiques d’investir massivement. Mais plus ces entreprises investissent, plus elles renforcent leur propre position dans l’économie numérique.

La course à l’IA peut donc simultanément produire deux choses : une avance américaine face à la Chine et une concentration accrue du pouvoir technologique entre quelques entreprises américaines.

C’est un problème différent de celui de la simple concurrence entre modèles. Car si une poignée d’entreprises contrôlent une grande partie du calcul, du cloud et des modèles, elles peuvent exercer une influence considérable sur les conditions d’accès à cette nouvelle technologie.

La question devient alors politique autant que technologique : les États-Unis veulent-ils seulement gagner la course à l’IA, ou cherchent-ils à faire de leur infrastructure le socle technologique de la prochaine économie mondiale ?

À la lumière des investissements actuels et de la politique américaine, la deuxième hypothèse mérite d’être sérieusement considérée. Et c’est précisément ce qui rend la stratégie chinoise intéressante. Car la Chine ne dispose pas nécessairement des mêmes avantages. Elle ne peut pas simplement reproduire le modèle américain et attendre de gagner. Elle doit donc trouver une autre manière de créer de la dépendance.

La stratégie chinoise : faire adopter les technologies

La Chine se trouve dans une situation différente. Elle possède une puissance industrielle immense, de grandes entreprises technologiques et une capacité importante à mobiliser des ressources publiques. Mais elle fait face à une faiblesse majeure : elle n’a pas le même accès que les États-Unis aux semi-conducteurs les plus avancés.

Pendant que Washington cherche à conserver son avance sur le calcul et les puces, Pékin doit trouver d’autres moyens de gagner du terrain. C’est ici que sa stratégie devient particulièrement intéressante.

La Chine ne semble pas vouloir gagner uniquement la bataille du meilleur modèle. Elle cherche à gagner celle de l’adoption.

Des modèles comme Qwen, DeepSeek, Kimi ou ceux développés par d’autres entreprises chinoises prennent une place croissante dans l’univers des modèles open-weight. Et cette stratégie répond à une évolution importante du marché.

L’open-weight comme outil de souveraineté

Plus l’IA devient importante, plus les gouvernements vont se poser une question très simple : peut-on réellement confier des données stratégiques à une entreprise étrangère ?

Un gouvernement peut vouloir utiliser une IA pour traiter des documents administratifs, des données médicales, des informations fiscales ou d’autres données sensibles. Dans ce contexte, utiliser une API étrangère n’est pas forcément idéal.

Un modèle que l’on peut installer sur ses propres infrastructures change complètement la situation. L’État peut davantage contrôler où les données sont traitées, adapter le modèle à ses besoins et réduire sa dépendance à un fournisseur extérieur.

C’est l’un des grands arguments en faveur des modèles open-weight chinois. Et cela peut devenir particulièrement important pour les pays qui veulent développer leur propre souveraineté numérique sans avoir les moyens de créer un modèle de pointe à plusieurs dizaines de milliards de dollars.

La question n’est donc plus « Quel est le meilleur modèle ? » mais « Quel modèle puis-je réellement contrôler et adapter à mes besoins ? »

Cette nuance peut devenir déterminante.

Les sanctions américaines ont changé la stratégie chinoise

Les restrictions américaines sur les puces avancées ont évidemment constitué un obstacle pour les entreprises chinoises. Mais elles ont également créé une pression pour utiliser le calcul de manière plus efficace.

C’est l’une des raisons pour lesquelles les progrès de DeepSeek ont été particulièrement observés : ils ont montré qu’il était possible de chercher des gains importants non seulement en augmentant la puissance de calcul, mais aussi en améliorant l’efficacité des modèles.

Et cela peut avoir une conséquence géopolitique inattendue. Un modèle conçu pour fonctionner efficacement avec des ressources limitées peut être plus facilement déployé dans des pays qui ne disposent pas de gigantesques infrastructures de calcul.

La technologie chinoise pourrait donc être particulièrement adaptée aux économies qui ne peuvent pas se permettre de reproduire l’infrastructure américaine.

La véritable force chinoise : son industrie

Il faut également regarder au-delà des modèles. La Chine possède une profondeur industrielle exceptionnelle. Elle produit des véhicules électriques, des batteries, des drones, des robots, des machines-outils, des équipements électroniques et une quantité considérable de biens industriels.

Son objectif avec l’IA n’est donc pas seulement de construire des assistants capables de répondre à des questions. Il s’agit aussi d’introduire de l’intelligence dans cette immense base industrielle.

C’est le sens de la politique « AI Plus » : connecter l’IA à la fabrication, à la recherche, aux services publics et à de nombreux secteurs de l’économie. Cela crée quelque chose que les États-Unis ne possèdent pas avec la même profondeur : une boucle entre IA et production industrielle.

Une usine produit des données. Ces données permettent d’améliorer les systèmes d’IA. Ces systèmes améliorent ensuite les machines et les processus de production. Les machines produisent davantage de données. Et le cycle recommence.

La Chine peut donc chercher à transformer son avantage industriel en avantage dans l’IA.

Construire les infrastructures physiques

Il existe également un autre aspect souvent moins visible de cette compétition : l’énergie.

Les modèles d’IA ont besoin d’électricité. Beaucoup d’électricité. Et construire un data center nécessite bien plus que des serveurs : il faut de l’énergie, des réseaux, du refroidissement et une capacité industrielle permettant de déployer rapidement ces infrastructures.

La Chine possède une capacité considérable à construire des infrastructures physiques à grande échelle. Elle dispose également d’une position très forte dans plusieurs secteurs liés à l’énergie et aux équipements nécessaires à cette expansion.

Cela ne signifie pas qu’elle possède une supériorité générale sur les États-Unis dans l’infrastructure IA. Mais cela signifie qu’elle dispose d’un avantage important : la capacité à transformer rapidement des investissements en infrastructures physiques. Et dans une industrie où la disponibilité de l’électricité et du calcul devient un facteur stratégique, cet avantage peut compter.

La partie la plus ambitieuse : créer un écosystème global

La Chine ne cherche pas seulement à construire son propre écosystème. Elle cherche aussi à faire en sorte que d’autres pays puissent utiliser le sien.

C’est là que les modèles open-weight prennent une dimension géopolitique. Proposer un modèle accessible est une chose. Mais proposer en même temps de la formation, des chercheurs, des ingénieurs, du cloud, des infrastructures et de la coopération technologique en est une autre.

Cela permet de créer quelque chose de beaucoup plus difficile à mesurer : une communauté technique.

Un pays qui commence à former ses ingénieurs avec certaines technologies ne fait pas qu’acquérir une compétence. Il crée progressivement des habitudes. Les développeurs apprennent certains outils. Les entreprises développent certaines applications. Les universités enseignent certaines méthodes. Les infrastructures sont conçues pour fonctionner avec certaines technologies. Et quelques années plus tard, tout cet environnement devient difficile à changer.

Les pays du Sud deviennent stratégiques

C’est probablement l’un des aspects les plus intéressants de la stratégie chinoise. De nombreux pays d’Afrique, d’Asie et d’Amérique latine veulent aujourd’hui développer leurs propres capacités technologiques. Mais très peu peuvent se permettre de construire seuls des modèles de pointe, des data centers gigantesques et toute l’infrastructure nécessaire.

La Chine peut leur proposer une autre porte d’entrée : des modèles accessibles, de la formation, des infrastructures et de la coopération.

Et c’est là que la formation d’ingénieurs et de chercheurs devient un véritable instrument de puissance. Former aujourd’hui un ingénieur étranger, ce n’est pas seulement lui transmettre une compétence. C’est potentiellement participer à la formation de la personne qui, demain, construira les systèmes numériques de son pays.

Si cette personne a appris à travailler avec des technologies chinoises, elle sera naturellement plus familière avec cet environnement. La Chine peut donc chercher à construire quelque chose qui ressemble moins à une clientèle qu’à un écosystème mondial de développeurs et d’entreprises capables de travailler avec ses technologies.

Une autre manière de créer de la dépendance

C’est là que les deux stratégies commencent à diverger profondément. Les États-Unis peuvent créer de la dépendance en contrôlant les ressources nécessaires au fonctionnement de l’IA : puces, calcul, cloud, infrastructure.

La Chine peut chercher à créer une dépendance différente : modèles, développeurs, formation, industrie, standards et adoption.

L’une contrôle davantage le socle physique. L’autre cherche à étendre son empreinte technologique.

Et c’est peut-être la raison pour laquelle la Chine n’a pas besoin de posséder systématiquement le meilleur modèle du monde pour devenir un acteur majeur de l’IA. Si son modèle est légèrement moins performant mais beaucoup moins cher, ouvert, adaptable et utilisé par des millions de développeurs et d’entreprises, il peut finir par avoir une influence économique supérieure à celle d’un modèle techniquement meilleur mais entièrement contrôlé par son fournisseur.

La Chine ne cherche donc pas nécessairement à gagner la course au meilleur modèle. Elle peut chercher à gagner la course au modèle que les autres construiront autour.

Et c’est à ce moment que les stratégies américaine et chinoise se rencontrent véritablement. Car derrière cette compétition se trouve une question beaucoup plus importante : est-ce que le monde va construire son avenir technologique autour de l’infrastructure américaine, autour de l’écosystème chinois, ou tenter de construire une troisième voie ?

Au-delà des modèles : le pouvoir de réguler

À première vue, les stratégies américaine et chinoise semblent simplement opposées. L’une contrôle l’infrastructure, l’autre promet la liberté des modèles ouverts. Mais cette opposition masque une vérité plus dérangeante : les deux formes de dépendance sont réelles.

Les États-Unis peuvent couper l’accès à n’importe quel moment. Fable et Mythos en sont la preuve : même une entreprise américaine ne peut pas faire ce qu’elle veut quand Washington décide que c’est un problème géopolitique. Cela signifie surveillance des données, contrôle de qui peut accéder à quoi, et risque permanent d’interdiction selon les décisions politiques du moment.

La Chine offre une apparence de liberté avec ses modèles open-weight. Mais cette ouverture n’est pas neutre. Les modèles peuvent être bridés pour certaines questions — Taiwan, droits humains, politique du gouvernement. Et proposer une technologie « libre » tout en formant l’écosystème d’ingénieurs mondiaux autour d’elle, c’est une autre forme de contrôle. Plus subtile, peut-être, mais aussi plus profonde.

Il n’y a donc pas de solution parfaite entre les deux. Il y a seulement deux types de dépendance différents.

L’infrastructure n’est jamais neutre

C’est le point clé : l’infrastructure technologique n’est pas simplement un outil technique. Elle est politique. Celui qui la possède définit les règles de ce qu’on peut et ne peut pas faire.

Ce n’est donc pas une question de technologie. C’est une question de pouvoir.

La troisième voie : la régulation

Si les États-Unis et la Chine incarnent deux formes opposées de contrôle technologique, qu’en est-il du reste du monde ?

La seule réponse qui émerge n’est pas technologique. Elle est régalienne.

Ce sont les normes, les lois et la régulation qui peuvent imposer des garde-fous. Un État peut choisir d’utiliser l’infrastructure américaine, mais en imposant par la loi que certaines données ne peuvent pas être exportées. Un État peut choisir des modèles chinois, mais en imposant une transparence sur comment ils fonctionnent et quelles données ils traitent.

L’Europe l’a compris. Le RGPD, le Digital Markets Act, et d’autres régulations cherchent à dire : « Vous pouvez construire des technologies puissantes chez nous, mais pas n’importe comment. Pas sans respect de la vie privée. Pas sans interopérabilité. Pas sans limiter les abus de position dominante. »

Ce n’est pas parfait. Ce n’est pas suffisant. Mais c’est une tentative.

La vraie question

Cela ramène le débat à sa formulation la plus honnête :

Chaque pays, chaque région, doit se poser une question : Acceptez-vous une dépendance technologique en échange de l’accès aux meilleures technologies ? Et si non, êtes-vous prêts aux coûts énormes de construire votre propre alternative ?

Il n’y a pas de réponse unique. L’Europe peut tenter de réglementer fortement. L’Afrique peut choisir l’écosystème chinois parce qu’il est moins cher et plus accessible. L’Inde peut chercher à construire ses propres capacités. Et chacune de ces décisions aura des conséquences sur les 20 prochaines années.

Le vrai enjeu

Ce qui est certain, c’est que la compétition entre États-Unis et Chine dans l’IA n’est pas une compétition technique. C’est une compétition de pouvoir.

Et le pouvoir, en fin de compte, revient à ceux qui peuvent imposer les règles : les États qui régulent, les entreprises qui innovent, et les ingénieurs qui construisent.

Le monde se demande qui gagnera cette bataille. La vraie question est peut-être : qui decidera les règles du jeu ? Et quels seront les coûts — politiques, économiques, et sociaux — de cette dépendance technologique inévitable ?

Les prochaines années répondront à ces questions. Mais une chose est certaine : ignorer ces enjeux géopolitiques en se concentrant uniquement sur la qualité technique des modèles, c’est rater l’essentiel du débat.