Malgré un volontarisme industriel marqué, la Chine reste confrontée à des obstacles structurels majeurs pour rattraper les États-Unis dans le domaine de l’intelligence artificielle. Lors d’une intervention publique rapportée par le South China Morning Post, Lin Junyang, responsable technique du modèle Qwen chez Alibaba, a exprimé ses doutes sur les perspectives d’un dépassement technologique à moyen terme. Ce constat lucide soulève également la question de la position européenne dans un paysage mondial de plus en plus polarisé.
La compétition mondiale autour de l’intelligence artificielle ne se résume plus à une course à l’innovation mais à une lutte d’infrastructures. Si les États-Unis disposent d’un écosystème consolidé articulant recherche, financement privé, cloud hyperscale et puissance de calcul, la Chine accélère sans parvenir à combler le fossé. L’Union européenne, de son côté, reste entravée par des freins structurels et une fragmentation de ses politiques industrielles, sans qu’un moteur technologique unifié ne se dégage.
Lors d’une conférence récente relayée par le South China Morning Post, Lin Junyang, responsable technique du modèle Qwen chez Alibaba, a estimé qu’il y avait « moins de 20 % de chances – déjà une estimation très optimiste – qu’une entreprise chinoise dépasse Google DeepMind ou OpenAI dans les trois à cinq prochaines années ». Il a justifié cette prédiction par un écart massif de ressources de calcul : « les capacités disponibles aux États-Unis sont supérieures d’un à deux ordres de grandeur ». Ce constat, exprimé publiquement dans un cadre technique, confirme la lucidité croissante de certains acteurs chinois sur les limites systémiques du modèle national, malgré les ambitions politiques affichées.
Des obstacles structurels majeurs
Lin Junyang a estimé qu’aucune entreprise chinoise ne disposait, dans les trois à cinq prochaines années, d’une probabilité supérieure à 20 % de dépasser OpenAI ou Google DeepMind. Il a précisé que cette estimation se voulait déjà très optimiste, et que l’écart s’expliquait par une supériorité massive des États-Unis en termes de ressources de calcul. Selon ses mots, la puissance disponible outre-Atlantique serait d’un à deux ordres de grandeur plus élevée. Ce témoignage, prononcé publiquement lors d’une conférence technique, reflète une conscience aiguë des limites infrastructurelles qui freinent la progression chinoise malgré des avancées réelles.
Le cœur du déséquilibre réside dans la capacité à entraîner et déployer des modèles d’IA générative à très grande échelle. Cette capacité repose sur un accès massif à des grappes de calcul GPU, sur des centres de données hautement optimisés et sur un écosystème interconnecté entre industrie, recherche et finance. Les fournisseurs américains disposent de tous ces leviers de manière consolidée, tandis que les acteurs chinois restent bridés par des restrictions d’accès aux semiconducteurs de dernière génération et aux équipements de gravure nécessaires pour produire localement des puces avancées.
Le verrou des semiconducteurs ralentit l'effort chinois
Les limitations imposées à l’exportation par les États-Unis bloquent toujours l’accès de la Chine aux équipements de lithographie extrême ultraviolet produits par ASML. Sans ces équipements, la fabrication locale de composants inférieurs à 7 nanomètres reste hors de portée. Les fabricants comme SMIC ou Biren ne peuvent donc proposer que des alternatives partielles, parfois bridées, et dans des volumes insuffisants pour soutenir l’entraînement de modèles comparables à GPT ou Gemini. Ce frein structurel empêche la montée en puissance d’un cloud souverain chinois capable de rivaliser à l’échelle mondiale.
Les plateformes locales comme Alibaba Cloud, Tencent Cloud ou Baidu Cloud disposent pourtant d’infrastructures importantes. Mais leur mutualisation reste limitée, leur projection internationale reste contrainte et leur exposition aux cas d’usage complexes hors marché domestique reste faible. En parallèle, l’écosystème d’innovation repose encore sur une logique de clusters pilotés par l’État, avec des silos entre la recherche universitaire, les startups d’IA, les intégrateurs industriels et les grands groupes. Cette fragmentation limite les cycles d’itération rapide et la standardisation des couches logicielles IA, aujourd’hui indispensables à la compétitivité globale.
Des relais alternatifs émergent mais restent dispersés
Face à ces limites, plusieurs leviers spécifiques commencent à se structurer. Des modèles comme Ziya, Yi, Baichuan ou Qwen bénéficient d’un soutien public ciblé et sont parfois diffusés en code source ouvert, favorisant leur appropriation par les développeurs. Le gouvernement central facilite également l’accès à des jeux de données sectoriels issus d’organismes publics, ce qui peut favoriser un entraînement localisé plus conforme aux besoins internes. En outre, les coûts énergétiques moindres dans certaines régions chinoises pourraient soutenir le déploiement de centres de calcul plus compétitifs à long terme.
Cependant, ces relais peinent encore à converger dans une dynamique industrielle cohérente. L’innovation IA repose désormais sur des plateformes interopérables, des agents contextualisés, des protocoles d’orchestration et des environnements de test déployables à l’échelle mondiale. Les leaders américains s’appuient sur une puissance logistique, commerciale et logicielle qui intègre ces dimensions dans une chaîne de valeur fluide. La Chine tente de reproduire ce schéma par le haut, mais se heurte à des inerties internes, à des blocages géopolitiques et à une absence de capital-risque équivalent en taille et en structuration.
L’Europe confrontée à une inertie systémique
Si la Chine est freinée par des contraintes technologiques, l’Union européenne fait face à une inertie systémique d’une autre nature. Le financement privé reste marginal par rapport aux États-Unis. Les capital-risqueurs européens investissent en moyenne dix fois moins que leurs homologues américains dans les technologies IA. Les projets industriels peinent à franchir le cap du prototype. L’absence de centres de calcul mutualisés souverains bride les ambitions des modèles européens, qu’il s’agisse de Mistral, de Luminous, d’Aleph Alpha ou de LightOn.
Les initiatives paneuropéennes comme Gaia-X ou EPI peinent à aboutir à des offres opérationnelles. La réglementation européenne, structurée autour du Data Act et de l’AI Act, fournit certes un socle de confiance pour les usages IA. Mais ces normes génèrent aussi des coûts de mise en conformité élevés pour les petites structures. L’adoption de l’IA dans les entreprises reste lente, faute de formation des équipes, d’intégration métier avancée et de retours sur investissement probants. L’Europe conserve une crédibilité normative mais ne parvient pas à consolider une filière industrielle unifiée.
Un monde IA dominé par une polarisation durable
Les perspectives à horizon 2030 laissent entrevoir un paysage polarisé. Les États-Unis conservent une avance nette et multidimensionnelle. La Chine mobilise des ressources considérables mais doit résoudre des blocages structurels encore profonds. L’Europe dispose d’atouts académiques, industriels et éthiques, mais souffre d’une fragmentation opérationnelle et d’un retard d’infrastructure critique. La déclaration publique de Lin Junyang agit comme un signal clair. Sans saut d’échelle computationnel, il ne peut y avoir de rattrapage technologique crédible dans l’intelligence artificielle fondationnelle.
À défaut de convergence, chaque bloc poursuit désormais sa propre stratégie. Les États-Unis accélèrent l’agentification des interfaces. La Chine vise l’autonomie partielle par contournement technologique. L’Union européenne s’impose comme espace normatif, mais reste dépendante de plateformes externes pour les usages stratégiques. Dans cette configuration, l’intelligence artificielle devient un révélateur brutal des fractures industrielles et géopolitiques du numérique mondial.
