Pourquoi les start-ups américaines se tournent vers les modèles d'IA chinois
Les modèles d’IA chinois ne sont plus de simples curiosités expérimentales testées uniquement par des chercheurs et des développeurs soucieux de réduire les coûts. Les modèles développés par DeepSeek, Qwen (Alibaba), Moonshot AI, MiniMax, Zhipu AI et Xiaomi sont de plus en plus présents dans des outils de programmation, des agents et des applications grand public développés bien au-delà des frontières chinoises. Sur certaines plateformes de modèles, ils représentent désormais une part importante de l'utilisation des modèles ouverts.
L’affirmation la plus retentissante est que 80 % des start-ups américaines les utilisent déjà. Ce chiffre a circulé dans la presse spécialisée, mais aucune enquête suffisamment transparente portant sur l’ensemble des start-ups américaines n’a permis de le confirmer. La tendance sous-jacente est toutefois bien réelle. Les laboratoires chinois sont devenus de redoutables fournisseurs de modèles performants, peu coûteux et souvent open-source, au moment même où les start-ups américaines découvrent à quel point il peut être onéreux d’exploiter des produits d’IA à grande échelle.
Il ne s'agit pas ici principalement d'une histoire de fondateurs préférant la Chine aux États-Unis. La plupart d'entre eux prennent une décision technique plus prosaïque : ils affectent chaque charge de travail au modèle qui l'exécute de manière adéquate au coût acceptable le plus bas. Pour le codage, la synthèse, le service client et les tâches répétitives effectuées par des agents, le modèle le plus performant n’est pas nécessairement le plus avancé qui soit. Il doit être suffisamment rapide, contrôlable et peu coûteux pour préserver les marges du produit.
Ce calcul a ouvert de nouvelles perspectives aux développeurs chinois spécialisés dans l'IA. Il a également soulevé un problème de gouvernance dont de nombreuses start-ups n'ont pas encore pleinement mesuré l'ampleur.
L'évolution économique après le prototype
Au cours du développement d'un produit, les coûts liés aux modèles peuvent sembler presque négligeables. Une petite équipe peut dépenser quelques centaines de dollars pour tester des prompts, générer du code ou faire la démonstration d'une fonctionnalité d'IA auprès d'investisseurs. Mais dès que le produit est utilisé par des milliers d'utilisateurs, la donne change.
Une application d’IA peut faire appel à un modèle à plusieurs reprises pour mener à bien ce qui apparaît au client comme une seule et même tâche. Un agent peut ainsi classer une demande, récupérer des informations, évaluer les résultats, utiliser un outil externe, vérifier son propre travail et rédiger une réponse. Les invites longues et les modèles de raisonnement augmentent encore davantage la consommation. Une start-up peut ainsi acquérir des utilisateurs tout en constatant que chaque client supplémentaire aggrave ses pertes.
C'est là que les modèles chinois ont pris toute leur importance sur le plan commercial. Plusieurs d’entre eux sont proposés à des prix très compétitifs, tandis que les versions open-weight peuvent être téléchargées et exploitées via des fournisseurs d’infrastructure indépendants. Les fondateurs peuvent les tester via des plateformes de routage de modèles sans avoir à reconstruire l’application dans son intégralité. Si l’un d’entre eux produit un résultat acceptable pour un coût nettement inférieur, le changement peut se résumer à modifier un point de terminaison API et à lancer une nouvelle évaluation.
Le prix à lui seul ne détermine pas le coût final. Un modèle moins cher qui fournit des réponses peu fiables, nécessite des invites plus longues ou échoue à plusieurs reprises à une tâche peut s’avérer plus coûteux une fois pris en compte les nouvelles tentatives et la supervision humaine. La latence, la longueur des résultats, l’infrastructure, la surveillance et le temps d’ingénierie sont autant de facteurs qui entrent en ligne de compte. Néanmoins, les développeurs chinois ont rendu le rapport qualité-prix peu avantageux pour les fournisseurs américains, en particulier pour les charges de travail où un modèle de pointe coûteux n’est pas nécessaire.
Les catégories de poids ouvertes constituent l'avantage le plus important
La différence stratégique ne réside pas simplement dans le fait que les modèles chinois puissent être bon marché. Elle tient au fait que bon nombre des nouveautés les plus marquantes ont été proposées avec des poids téléchargeables.
Les modèles « open-weight » permettent à une entreprise d'exécuter le logiciel via le fournisseur de cloud de son choix, au sein d'un environnement privé ou, lorsque cela est techniquement possible, sur sa propre infrastructure. Les développeurs peuvent adapter un modèle à une tâche spécifique, contrôler l'acheminement des requêtes et éviter d'envoyer chaque requête directement au développeur d'origine du modèle.
Cela modifie la signification de l’expression “ utiliser un modèle chinois ”. Une start-up américaine peut accéder au service hébergé d’une entreprise chinoise, ce qui soulève immédiatement des questions relatives au traitement des données et à la juridiction compétente. Elle peut également télécharger les paramètres et déployer le modèle via un fournisseur de cloud américain sans transmettre les requêtes des clients vers la Chine. La propriété intellectuelle sous-jacente peut toujours provenir d’un laboratoire chinois, mais le risque opérationnel est différent.
Les solutions ouvertes peuvent également réduire la dépendance vis-à-vis d'un seul fournisseur. Une entreprise qui s'appuie entièrement sur une interface de programmation d'applications (API) propriétaire est exposée aux fluctuations de prix, à l'arrêt de la commercialisation de certains modèles, à la modification des limites de débit et à la révision des politiques d'utilisation. L'adoption d'un modèle ouvert offre davantage de contrôle, même si ce contrôle s'accompagne de responsabilités en matière de sécurité, de mises à jour, d'évaluation et d'infrastructure.
Pour les start-ups qui vendent leurs produits aux entreprises, cette flexibilité peut s'avérer plus convaincante qu'une victoire dans un test de performance. Un client ne se soucie peut-être pas de savoir quel laboratoire a développé le modèle de base. En revanche, il peut accorder une grande importance au fait que ses données restent au sein d'une région cloud spécifique, que le système puisse faire l'objet d'un audit et qu'il puisse continuer à fonctionner si une API commerciale venait à ne plus être disponible.
La Chine s'est emparée de la part de marché que les États-Unis ont laissée vacante
Les principales entreprises américaines spécialisées dans l’IA ont concentré une grande partie de leur puissance commerciale sur des systèmes propriétaires. OpenAI, Anthropic et Google commercialisent l’accès à des modèles dont les poids internes restent sous le contrôle du fournisseur. Cette approche permet de mettre en place des contrôles de sécurité rigoureux, de gérer l’infrastructure et de générer des revenus récurrents. Elle offre toutefois aux clients moins de liberté en matière de déploiement et de modification.
La stratégie chinoise fondée sur l’ouverture s’est démarquée par une approche différente. En mettant à disposition de puissantes familles de modèles dans plusieurs tailles, les laboratoires chinois ont encouragé les développeurs à les télécharger, à les affiner, à les traduire et à les intégrer. Cette adoption génère des retours d’expérience, des outils communautaires et de nouvelles versions spécialisées, qui, à leur tour, facilitent l’utilisation de la famille de modèles sous-jacente.
Il en résulte un avantage en termes de distribution. Un fondateur ne découvre pas nécessairement Qwen ou DeepSeek par le biais d’un partenariat officiel avec Alibaba ou DeepSeek. Le modèle peut déjà être disponible via une place de marché cloud, un fournisseur de services d’inférence, un framework de programmation ou un référentiel utilisé par les ingénieurs de l’entreprise. Dans la pratique, l’adoption peut se faire de manière ascendante avant même que la direction n’ait pris conscience de son importance géopolitique.
C’est pourquoi il est trompeur de décrire cette tendance comme un “ basculement vers la Chine ” des start-ups américaines. De nombreuses entreprises ne remplacent pas un fournisseur américain par un fournisseur chinois à l’échelle de l’ensemble de leur activité. Elles mettent en place des systèmes multimodèles. Un modèle américain haut de gamme peut se charger de raisonnements complexes, tandis qu’un modèle chinois moins coûteux effectue des tâches de classification ou de génération de code. Un autre modèle ouvert peut fonctionner en local pour les tâches sensibles en matière de confidentialité.
La concurrence s'articule de plus en plus autour des missions individuelles, et non plus autour des contrats à l'échelle de l'entreprise.
Les performances sont solides, mais pas toutes aussi bonnes les unes que les autres
Les développeurs de modèles chinois ont rapidement comblé leur retard en matière de performances dans des domaines tels que les mathématiques, la programmation et la culture générale. Leurs modèles les plus performants constituent désormais des candidats sérieux pour des applications en production. Cela ne signifie pas pour autant qu’ils surpassent les modèles américains dans toutes les catégories.
En 2025, le Centre américain pour les normes et l’innovation en matière d’IA a comparé plusieurs modèles DeepSeek à des modèles de référence américains. Il a constaté que les modèles américains conservaient généralement une longueur d’avance dans les évaluations portant sur la cybersécurité et le génie logiciel, tandis que l’écart était moins marqué dans les domaines des sciences, de la culture générale et des mathématiques. Son analyse des coûts a également remis en cause l’idée reçue selon laquelle les modèles chinois seraient systématiquement moins chers : lors de l’évaluation, un modèle américain de plus petite taille a affiché des performances globalement similaires à celles de DeepSeek V3.1, pour un coût moyen inférieur.
Cette conclusion met en évidence une meilleure méthode de sélection. Les start-ups ne devraient pas choisir un modèle en fonction de sa nationalité, de sa réputation ou d'un classement public. Elles devraient plutôt mettre en place une évaluation interne basée sur les tâches que leur produit accomplit réellement.
Une entreprise spécialisée dans le service client doit évaluer l'exactitude des informations, le ton utilisé, les décisions d'escalade et la résistance à l'injection de suggestions. Une entreprise de développement logiciel doit savoir si les logiciels générés réussissent les tests et s'ils comportent des failles de sécurité. Un agent IA doit être évalué sur l'ensemble des flux de travail, et pas seulement sur le caractère convaincant de sa première réponse.
La comparaison pertinente est celle du coût par tâche menée à bien. Les cours des jetons et les scores de référence constituent des données d'entrée pour ce calcul, et non des substituts à celui-ci.
La question de la sécurité dépend de la manière dont le modèle est utilisé
L'adoption de l'IA en Chine a suscité des inquiétudes légitimes concernant le traitement des données. Ces inquiétudes sont particulièrement vives lorsqu'une entreprise transmet des informations confidentielles directement à un service hébergé en externe dont elle n'a pas suffisamment vérifié les modalités de stockage, les conditions d'accès et les obligations légales.
Une start-up doit savoir où les requêtes sont traitées, si elles sont conservées, si elles peuvent être utilisées à des fins d'entraînement, quels sous-traitants y ont accès et ce qu'il advient des données supprimées. La même rigueur doit s'appliquer à tous les fournisseurs d'IA, quelle que soit leur nationalité, mais l'exposition géopolitique peut aggraver les conséquences.
L'auto-hébergement d'un modèle à poids ouverts peut réduire le risque de transmission de données à son développeur d'origine. Cela n'élimine toutefois pas les autres risques liés au modèle. Les poids téléchargés peuvent présenter des comportements indésirables, des mesures de sécurité insuffisantes ou des biais systématiques. La chaîne logistique logicielle associée peut introduire du code vulnérable. Un modèle connecté à des bases de données, à la messagerie électronique, à des systèmes de paiement ou à des outils de développement peut causer des dommages même si aucune donnée ne quitte l’infrastructure de l’entreprise.
Les tests menés par les autorités sur les modèles DeepSeek ont soulevé de nouvelles inquiétudes. Les évaluateurs américains ont signalé une plus grande vulnérabilité au « jailbreaking » et à l'exécution d'instructions malveillantes par rapport aux systèmes de référence américains qu'ils avaient testés. Ils ont également constaté que la censure politique et les discours du Parti communiste chinois persistaient dans les modèles téléchargés et exécutés de manière indépendante, et ne se manifestaient pas uniquement via un service hébergé en Chine.
Pour un assistant de programmation, la censure politique peut avoir une pertinence opérationnelle limitée. En revanche, pour un produit d'information, une plateforme dédiée aux politiques publiques, un service éducatif ou un outil de recherche, elle pourrait nuire à la fiabilité du produit. Le risque lié au modèle doit être évalué en fonction du cas d'utilisation spécifique.
Une réglementation pourrait transformer une économie en coût de migration
Le plus grand risque commercial ne réside peut-être pas dans ce que fait aujourd'hui un modèle chinois, mais dans la capacité d'une start-up à continuer de l'utiliser demain.
Les législateurs et les responsables américains ont envisagé d'imposer des restrictions à l'IA développée en Chine dans les environnements gouvernementaux, tandis que DeepSeek a fait l'objet d'une surveillance étroite de la part des gouvernements et des autorités de régulation dans plusieurs juridictions. Les entreprises privées ne sont pas nécessairement concernées par les mesures visant les organismes publics, mais les start-ups qui vendent leurs produits au secteur public, à la défense, aux infrastructures critiques ou à des secteurs fortement réglementés doivent s'attendre à des questions plus rigoureuses concernant leur chaîne d'approvisionnement.
Un modèle qui permet de réaliser des économies lors du développement d'un produit peut s'avérer coûteux si un client professionnel l'interdit par la suite. L'entreprise peut alors être amenée à remplacer le modèle, à refaire les tests de sécurité, à réécrire les messages d'invite, à modifier son infrastructure et à démontrer que les informations protégées n'ont jamais été exposées.
Cela ne justifie pas pour autant de rejeter tous les modèles chinois. Cela justifie en revanche de privilégier la portabilité lors de la conception. Les applications devraient, dans la mesure du possible, dissocier l'accès au modèle de la logique métier principale. Les invites, les outils et les évaluations ne devraient pas être si étroitement liés à un modèle donné que la migration devienne une crise pour le produit.
Les contrats méritent également une attention particulière. Le terme “ open source ” est souvent utilisé de manière imprécise dans le domaine de l’IA. Un modèle peut proposer des poids téléchargeables sans pour autant accorder tous les droits associés à un logiciel open source classique. L’utilisation commerciale, la modification, la redistribution, les restrictions d’utilisation acceptable et les exigences en matière d’attribution doivent être vérifiées au regard de la licence associée à la version exacte du modèle déployée.
Les start-ups ont besoin d'une politique type, pas d'une règle de nationalité
La bonne solution ne consiste ni en une interdiction générale, ni en une recherche aveugle du modèle le moins cher. Les start-ups ont besoin d'un processus d'approvisionnement reproductible.
Chaque modèle envisagé pour la production doit être évalué au regard de ses performances, de son coût total d'exploitation, de sa latence, de la gestion des données, de la sécurité, des conditions de licence, de la stabilité du fournisseur et des risques réglementaires. L'entreprise doit préciser si elle fait appel à l'API du développeur d'origine, si elle utilise un intermédiaire ou si elle héberge les poids de manière indépendante. Il s'agit là de modalités très différentes les unes des autres.
Les informations sensibles doivent être classifiées avant d'être intégrées à un modèle. Les dossiers clients, le code source confidentiel, les informations médicales, les données financières et les secrets d'affaires peuvent nécessiter des environnements de déploiement plus strictes, voire ne pas convenir du tout à un service donné. Les start-ups doivent également tester leurs modèles pour détecter les injections rapides, les fuites de données, l'utilisation d'outils malveillants et les défaillances face à des entrées adversaires.
Une architecture multimodèle peut limiter le risque de concentration, mais elle ne doit pas se transformer en un ensemble anarchique de services choisis de manière indépendante par les ingénieurs. Il faut qu’une personne tienne à jour un inventaire des modèles utilisés, de leurs versions, de leurs emplacements d’hébergement, de leurs licences et des catégories de données autorisées.
Il est essentiel que chaque modèle de production soit assorti d'un plan de sortie. L'entreprise doit savoir dans quels délais elle pourrait procéder à la migration, quelles pertes de qualité cela entraînerait et si une solution de remplacement a déjà été testée.
C'est autant une bataille de distribution qu'une course à l'IA
Les laboratoires chinois n'ont pas besoin de supplanter OpenAI, Anthropic ou Google à la pointe de la technologie pour transformer l'économie de l'intelligence artificielle. Ils peuvent exercer une influence en devenant la couche ouverte par défaut sous-jacente à des milliers d'applications.
C'est apparemment là que se joue l'enjeu le plus important. Les modèles propriétaires américains pourraient continuer à s'imposer à des prix élevés pour les tâches exigeantes, tandis que les modèles chinois « open-weight » prendraient en charge les tâches à grand volume pour lesquelles des performances adéquates et un faible coût priment sur les capacités absolues. Les start-ups combineront les deux approches lorsque la rentabilité le permettra.
La question qui se pose aux fondateurs n'est donc pas de savoir si le recours à un modèle d'IA chinois est en soi judicieux ou imprudent. Il s'agit plutôt de déterminer si l'entreprise comprend ce qu'elle met en œuvre, pourquoi elle a fait ce choix et dans quelle mesure cela crée une dépendance.
Les équipes qui en tireront profit ne seront pas celles qui se contenteront de rechercher chaque mois le modèle de référence le moins cher. Ce seront celles qui seront capables de transférer leurs charges de travail d’un modèle à l’autre, de mesurer le coût réel du travail accompli et de garder le contrôle sur leurs données et l’architecture de leurs produits. Sur un marché où le leadership technique peut changer en l’espace de quelques semaines, la capacité la plus précieuse pourrait bien être la liberté de pouvoir changer à nouveau de cap.
