Comprendre le marché chinois de l’IA : la carte d’un écosystème sous tension

EXERCICES ET PROMPTS A LA FIN DE L’ARTICLE, niveau master, MBA, disciplines : marketing digital, e-commerce, commerce international

Entre janvier 2024 et février 2025, l’écart de performance entre le meilleur modèle américain et le meilleur modèle chinois sur le benchmark MMLU est passé de 17,5 points à 0,3 point (Stanford HAI, 2025). Un an ! Le 20 janvier 2025, le laboratoire DeepSeek publie R1 sous licence MIT et provoque la plus forte chute boursière d’une seule entreprise de l’histoire du marché américain, Nvidia.

La startup DeepSeek a lancé un assistant gratuit qui, selon elle, utilise des puces moins coûteuses et moins de données, ce qui semble remettre en question le pari largement répandu sur les marchés financiers selon lequel l’IA stimulera la demande tout au long de la chaîne d’approvisionnement, depuis les fabricants de puces jusqu’aux centres de données. (source, Boursorama)

La trajectoire du marché chinois de l’IA ne se lit plus à travers ses modèles seuls : elle se lit à travers une géographie industrielle, des choix de politique publique et une architecture d’écosystème qui divergent frontalement de la Silicon Valley.

La carte interactive des médias chinois de l’IA propose un panorama des médias chinois de l’IA mais est surtout un miroir de la façon dont les Chinois voient l’IA. La carte classifie ces médias en fonction de plusieurs paramètres : influence, couverture IA, profondeur, originalité, ancienneté. Les articles emblématiques sont mis en avant pour chaque média ainsi que le nombre de visiteurs, la date de naissance du média. Les médias sont catégorisés selon leur spécificité : start-up, actualités, investigation, narratifs, longs formats.

Découvrez la carte interactive des médias chinois

Définitions et histoire

Le marché chinois de l’IA désigne, au sens strict, l’ensemble des entreprises, laboratoires et investisseurs qui développent et commercialisent des technologies d’IA en République populaire de Chine. Au sens analytique, c’est autre chose : un écosystème d’innovation asymétrique dans lequel État central, gouvernements régionaux, grandes entreprises et universités entretiennent des relations qui ne correspondent pas au modèle de la Triple Hélice occidentale.

Qu’est-ce-que la Triple Hélice occidentale : Le modèle de l’innovation en triple hélice, tel que théorisé par Etzkowitz et Leydesdorff, repose sur les interactions entre les trois éléments suivants et leur « rôle initial » respectif : les universités menant des recherches fondamentales, les industries produisant des biens commerciaux et les pouvoirs publics chargés de réglementer les marchés. À mesure que les interactions s’intensifient dans ce cadre, chaque composante évolue pour adopter certaines caractéristiques de l’autre institution, ce qui donne alors naissance à des institutions hybrides. Des interactions bilatérales existent entre l’université, l’industrie et le gouvernement. (source : La Triple Hélice de l’innovation)

La formalisation théorique la plus citée est celle d’Arenal, Armuña, Feijoo, Ramos, Xu et Moreno (2020) dans Telecommunications Policy. Les auteurs proposent un modèle de Triple Hélice Asymétrique (ATH) qui diffère sur trois points de la Triple Hélice classique d’Etzkowitz et Leydesdorff (1998) : (1) l’intervention de l’État central précède les collaborations université–industrie au lieu de les suivre ; (2) les gouvernements régionaux et locaux ont une autonomie réelle pour leurs expérimentations politiques ; (3) le modèle met en avant le rôle simultané des grandes entreprises, des start-ups et du capital-risque.

Chronologie repère

2015–2016 — Made in China 2025 et Internet Plus AI placent l’IA parmi les 11 secteurs émergents prioritaires.
Juillet 2017 — publication du New Generation Artificial Intelligence Development Plan (NGAIDP) par le Conseil d’État, avec un objectif explicite de leadership mondial en 2030.
Mars 2024 — introduction de l’initiative AI Plus dans le rapport annuel du Premier ministre.
20 janvier 2025 — publication de DeepSeek-R1 sous licence MIT.
Septembre 2025 — la famille Qwen d’Alibaba dépasse Llama de Meta comme famille de modèles la plus téléchargée sur Hugging Face.

Tension définitionnelle : le NGAIDP a longtemps été lu en Occident comme un plan top-down. Les analyses récentes de DigiChina (Stanford, 2021) et du Carnegie Endowment (2025) montrent que son rôle a surtout été catalytique : il a mobilisé ministères, collectivités locales et acteurs privés autour d’une direction, mais l’essentiel de l’innovation est venu de dynamiques bottom-up largement non anticipées par Pékin.

Contexte : pourquoi cartographier maintenant

L’écart d’investissement privé reste massif mais trompeur. En 2025, l’investissement privé en IA atteint 285,9 milliards de dollars aux États-Unis contre 12,4 milliards en Chine (Stanford HAI, 2026). Ce chiffre ignore les fonds d’orientation étatiques chinois, estimés à 184 milliards cumulés jusqu’en 2023, auxquels s’ajoute un nouveau fonds d’État de 138 milliards annoncé en 2025.

La performance converge. L’écart sur MMLU entre meilleur modèle américain et meilleur modèle chinois est passé de 17,5 points fin 2023 à 0,3 point fin 2024 ; sur MATH, de 24,3 à 1,6 points (Stanford HAI, 2025). Le rapport 2026 confirme : les quatre premiers modèles mondiaux tiennent dans une fourchette de 2,7 %.

La diffusion s’inverse. En septembre 2025, la famille Qwen d’Alibaba dépasse Llama de Meta comme famille de modèles la plus téléchargée sur Hugging Face ; 63 % des nouveaux modèles fine-tunés sont dérivés de modèles de base chinois (Stanford HAI, 2026). Pour un marketeur ou un dirigeant qui construit une stack IA, ignorer ce volet devient un risque de compétitivité documenté.

Explication : trois grilles de lecture

Grille 1 — La Triple Hélice Asymétrique (Arenal et al., 2020). Trois sphères : État (central et régional), industrie (BATX et licornes tigres), universités (Tsinghua, Pékin, ShanghaiTech). Particularité chinoise : l’État joue le rôle d’architecte d’écosystème (Lin et al., 2025), pas seulement de régulateur. Fonds d’orientation, campus universitaires-industriels et politiques régionales différenciées rendent la cartographie instable : Shanghai, Shenzhen, Hangzhou et Pékin développent des spécialisations distinctes.

Grille 2 — Les deux ceintures : BATX et tigres. La première génération est celle des géants historiques — Baidu (recherche, Ernie), Alibaba (e-commerce, Qwen), Tencent (réseaux, Hunyuan), Xiaomi (hardware, objets connectés). La seconde est celle des AI tigers : DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax, Baichuan, 01.AI, StepFun. Ces start-ups partagent trois caractéristiques : modèles open-weight, pricing agressif, intégration verticale via le cloud des géants.

Grille 3 — La contrainte comme moteur. Les contrôles d’exportation américains sur les puces Nvidia (A100, H100) ont produit un effet non anticipé : ils ont poussé les équipes chinoises vers l’innovation algorithmique par nécessité. DeepSeek a entraîné V3 et R1 sur des GPU H800 bridés, en mobilisant des techniques d’optimisation mémoire et de distillation qui rendent ces modèles compétitifs à un coût affiché très inférieur (MIT Technology Review, 2025). Une variante du schéma necessity-based innovation documenté par la littérature en management de l’innovation.

Exemple : le moment DeepSeek

Le cas le plus documenté est celui de DeepSeek (Hangzhou, fondée en 2023 par le fonds quantitatif High-Flyer). Le 20 janvier 2025, l’entreprise publie R1, un modèle de raisonnement sous licence MIT, accompagné d’un papier technique détaillé. En quelques jours : première place des téléchargements gratuits sur l’App Store américain, sell-off historique dans le secteur des semi-conducteurs, adoption immédiate par les développeurs mondiaux (Stanford HAI, 2025 ; MIT Technology Review, 2025).

Le fait n’est pas anecdotique. Le brief Stanford HAI Beyond DeepSeek (2025) montre que l’onde de choc a forcé Baidu, qui défendait un modèle fermé, à ouvrir les poids d’Ernie 4.5 en juin 2025. Alibaba a accéléré Qwen. Tencent a ouvert Hunyuan-video. Le moment DeepSeek a reconfiguré non pas un leader, mais une doctrine : en Chine, l’open-weight est désormais la stratégie par défaut.

Nuance : trois réserves à tenir

Les benchmarks ne sont pas neutres. Les scores publiés par les laboratoires chinois sont souvent auto-déclarés. La littérature Stanford HAI recommande la prudence (Beyond DeepSeek, 2025). Les tests du centre gouvernemental américain CAISI ont trouvé que les modèles DeepSeek étaient en moyenne douze fois plus vulnérables aux attaques de type jailbreak que des modèles américains comparables.

Le modèle de Triple Hélice Asymétrique reste un construit d’observateurs extérieurs. Lin, Lin, Liu, Tan et Han (2025) proposent de le prolonger par un Triple Helix Synergy Model (THSM) articulant innovation et diplomatie technologique. Ce prolongement pointe une question ouverte : la théorie de l’écosystème d’innovation importée d’Etzkowitz est-elle encore adaptée à un marché où l’État joue simultanément le rôle d’architecte, d’investisseur, de client et de régulateur ?

Les censures intégrées et la gouvernance des données conditionnent la viabilité européenne. DeepSeek refuse les sujets politiquement sensibles en Chine et stocke les données utilisateurs sur des serveurs situés en RPC. Des plaintes pour non-conformité RGPD ont été déposées en janvier 2025 par Test-Achats (Belgique) et Altroconsumo (Italie). Pour un déploiement européen professionnel, ces éléments conditionnent autant la viabilité juridique que la performance technique.

Pratique : que faire de cette cartographie

Pour un responsable marketing ou data : intégrer systématiquement un modèle chinois open-weight (Qwen3, DeepSeek R1, Kimi K2.5) dans les benchmarks internes, ne serait-ce que comme variable de coût. L’écart de prix d’API peut atteindre un facteur 7 à qualité comparable (MIT Technology Review, 2026).

Pour un enseignant-chercheur : ne pas réduire le marché chinois à DeepSeek. Utiliser Qwen, GLM (Zhipu), Hunyuan, Ernie comme objets pédagogiques pour travailler la diversité des architectures et des licences.

Pour une stratégie de déploiement : distinguer poids ouverts et code ouvert. La licence MIT de DeepSeek R1 permet l’usage commercial ; elle ne donne pas accès aux jeux de données d’entraînement. Cette distinction conditionne l’auditabilité.

Pour la souveraineté : la dépendance européenne n’est pas un choix binaire entre américain et chinois. L’écart d’adoption (83 % d’opinion favorable à l’IA en Chine contre 39 % aux États-Unis — Stanford HAI, 2025) signale un rapport culturel qui compte autant que les modèles.

FAQ

Qu’est-ce qui distingue le marché chinois de l’IA du marché américain ?

Le marché chinois repose sur un écosystème d’innovation asymétrique où État central, gouvernements régionaux, grandes entreprises et universités sont coordonnés autour d’objectifs définis par le NGAIDP (2017). Le marché américain est piloté principalement par l’investissement privé et le capital-risque.

Qui sont les principaux acteurs du marché chinois de l’IA ?

Les géants historiques (BATX : Baidu, Alibaba, Tencent, Xiaomi) et les AI tigers — DeepSeek, Moonshot, Zhipu (Z.ai), MiniMax, Baichuan, 01.AI, StepFun. S’y ajoutent ByteDance, Huawei et Kuaishou sur des verticales spécifiques.

Pourquoi les entreprises chinoises publient-elles leurs modèles en open source ?

Trois raisons : stratégie commerciale (adoption pour vendre du cloud), contrainte (après DeepSeek, aucun modèle fermé chinois ne peut justifier un pricing élevé), géopolitique (imposer un standard mondial malgré les restrictions d’exportation).

L’écart de performance avec les États-Unis est-il réellement comblé ?

Sur les benchmarks publics (MMLU, MATH, HumanEval), l’écart est passé de 17 points à 0,3 point entre 2023 et 2024. Les États-Unis conservent une avance de 2,7 % sur les modèles fermés de pointe en mars 2026 (Stanford HAI, 2026). Les scores auto-déclarés et les vulnérabilités sécurité relativisent ces résultats.

Peut-on utiliser un modèle chinois en Europe pour un projet professionnel ?

Techniquement possible : les licences open-weight l’autorisent. Mais cela nécessite une analyse RGPD (lieu de traitement, droits d’accès) et une évaluation des censures intégrées. Des plaintes européennes ont été déposées contre DeepSeek en janvier 2025.

Recherches futures

Typologie des écosystèmes régionaux chinois. Shanghai, Shenzhen, Hangzhou et Pékin développent des spécialisations différentes (finance-IA, hardware, modèles de fondation, recherche fondamentale). Une cartographie fine manque dans la littérature francophone.
Transférabilité du modèle ATH. Les travaux d’Arenal et al. (2020) et de Lin et al. (2025) restent ancrés sur la Chine. Le modèle est-il reproductible dans d’autres économies émergentes, ou indissociable du contexte institutionnel chinois ?
Mesure de l’adoption des modèles open-weight chinois par les entreprises européennes. Les données Hugging Face sont indicatives, pas représentatives des usages en production.
Gouvernance des données pour des modèles entraînés hors juridiction européenne. La question dépasse le RGPD et pose un problème inédit d’épistémologie des systèmes d’information.

Enseignement : ressources Master et MAE

Master Marketing Digital

Prompt pédagogique. Tu es analyste chez un cabinet de conseil parisien. Un client français du retail t’interroge sur l’opportunité d’intégrer Qwen3 ou DeepSeek R1 dans sa stack data marketing. Rédige une note de 600 mots comparant Qwen3, DeepSeek R1 et GPT-5 sur trois critères : performance en classification produit, coût d’API, conformité RGPD. Cite tes sources.

Jeu de rôle. Persona : Chloé, 28 ans, CMO d’une start-up cosmétique française qui se lance sur TMall. Contraintes : budget tech annuel de 80 000 €, délai 4 mois, choix entre Alibaba Cloud et Tencent Cloud. Livrable : note d’arbitrage argumentée pour COMEX.

Question socratique. Si DeepSeek distribue ses poids sous licence MIT, est-ce une stratégie d’ouverture ou une stratégie de domination par le standard ?

MAE — cadres en formation continue

Mini-cas 10 minutes. Baidu a publié les poids d’Ernie 4.5 en juin 2025 alors que son CEO Robin Li défendait un modèle fermé quelques mois plus tôt (Stanford HAI, 2025). Questions : (1) Qu’est-ce qui a provoqué ce revirement ? (2) Quelles conséquences pour le pricing des API ? (3) Que peut en tirer un dirigeant européen arbitrant entre modèles fermés et modèles ouverts ?

Benchmark outils. Comparer Qwen3-235B, DeepSeek R1 et Kimi K2.5 sur : (a) qualité de sortie sur une note de synthèse en français, (b) coût d’API pour 1 million de tokens, (c) politique de stockage des données. Rendu : tableau comparatif + recommandation d’une page.

Références

Arenal, A., Armuña, C., Feijoo, C., Ramos, S., Xu, Z., & Moreno, A. (2020). Innovation ecosystems theory revisited: The case of artificial intelligence in China. Telecommunications Policy, 44(6), 101960.
Carnegie Endowment for International Peace. (2025, juillet). China’s AI Policy at the Crossroads: Balancing Development and Control in the DeepSeek Era.
DigiChina, Stanford University. (2021). Full Translation: China’s New Generation Artificial Intelligence Development Plan (2017).
Etzkowitz, H., & Leydesdorff, L. (1998). The endless transition: A « triple helix » of university–industry–government relations. Minerva, 36(3), 203–208.
Lin, Y., Lin, Y., Liu, J., Tan, Z., & Han, W. (2025). Triple Helix Synergy Model in China’s new technology diplomacy: Perspectives from AI startups. Telecommunications Policy.
MIT Technology Review. (2025, 24 janvier). How Chinese company DeepSeek released a top AI reasoning model despite US sanctions.
MIT Technology Review. (2026, 12 février). What’s next for Chinese open-source AI.
Stanford HAI. (2025). The 2025 AI Index Report.
Stanford HAI. (2025, décembre). Beyond DeepSeek: China’s Diverse Open-Weight AI Ecosystem and Its Policy Implications.
Stanford HAI. (2026). The 2026 AI Index Report.

Je découvre aussi :

Tencent Cloud, au-delà des nuages

Le digital en Chine pour nourrir, éduquer, soigner

Pinduoduo, le fun bazar qui pourrait balayer Amazon

Et le 5ème cavalier de l’apocalypse sera Baidu