Les acteurs principaux de la guerre de l'IA entre les États-Unis et la Chine changent : pourquoi Meta et NVIDIA poursuivent les entreprises chinoises avec des "poids ouverts"

Lorsqu'on parle de la compétition en matière d'IA générative, beaucoup pensent aux entreprises américaines comme OpenAI, Anthropic ou Google.

Cependant, pour comprendre le marché de l'IA en 2026, cela ne suffit plus.

Ce qui gagne rapidement en importance aujourd'hui, c'est l'« IA à poids ouvert ».

Le 10 août, Meta a publié un modèle d'IA de 30 milliards de paramètres appelé « Muse Glimmer ». Le 11 août, NVIDIA a annoncé « Nemotron 3.5 Lightning ».

Ces modèles ne se contentent pas de fournir l'IA sous forme d'API sur le cloud ; ils permettent aux développeurs et aux entreprises d'obtenir le modèle, de le faire fonctionner sur leurs propres ordinateurs ou serveurs et de le personnaliser selon leurs besoins.

Le fait que ces deux entreprises aient agi presque simultanément a une signification qui va au-delà d'une simple compétition de produits.

Dans le domaine de l'IA à poids ouvert, les entreprises chinoises ont déjà une forte présence.

Des modèles d'IA chinois comme DeepSeek, Qwen d'Alibaba et Moonshot AI se sont infiltrés dans la communauté mondiale des développeurs, non seulement grâce à leurs performances, mais aussi parce qu'ils peuvent être téléchargés et utilisés dans des environnements locaux.

La compétition en IA n'est plus simplement une question de savoir qui peut créer le chatbot le plus performant.

Elle se transforme en une compétition pour déterminer qui fournira le modèle que les développeurs du monde entier utiliseront comme base, en tournant autour de l'écosystème de l'IA lui-même.

De l'« IA à utiliser » à l'« IA à posséder »

Le terme « poids ouvert » reste encore peu clair pour le grand public.

Dans des services comme ChatGPT ou Claude, les utilisateurs accèdent généralement aux serveurs de l'entreprise exploitante pour utiliser l'IA via une API ou un service Web.

Ils ne possèdent pas le modèle d'IA lui-même.

En revanche, avec les modèles à poids ouvert, on peut télécharger les nombreux paramètres formés par l'apprentissage de l'IA, appelés « poids ».

Ainsi, avec un PC ou un serveur suffisamment puissant, il est possible de faire fonctionner l'IA en interne sans envoyer de données à un service externe à chaque fois.

Cette différence est très significative.

Pour les entreprises en particulier, ce n'est pas seulement une question de coût.

Il existe de nombreuses données, telles que des documents internes, des informations clients, des données de recherche et développement, des codes sources, des informations financières, qu'il est prudent de ne pas envoyer à des services externes.

Si le modèle peut fonctionner dans un environnement interne, cela ouvre la possibilité de traiter ces informations avec l'IA sans les envoyer à l'extérieur.

De plus, il est plus facile d'effectuer un apprentissage supplémentaire ou un ajustement en fonction des opérations de l'entreprise.

En d'autres termes, l'IA à poids ouvert repose sur l'idée de « posséder l'IA comme une infrastructure informatique de l'entreprise » plutôt que de simplement « louer l'IA ».

Pourquoi Meta est revenue à une stratégie ouverte

Pour Meta, la stratégie d'IA ouverte n'est pas une première.

Avec la série Llama, l'entreprise est devenue à un moment donné l'une des représentantes du marché des modèles ouverts.

Basé sur Llama, les développeurs du monde entier ont créé des modèles et des outils dérivés, permettant à Meta d'avoir une forte influence sur l'écosystème de l'IA sans monopoliser le marché des API d'IA.

Cependant, Meta a ensuite ajusté sa stratégie d'IA et a également mis l'accent sur la fourniture de modèles fermés avec la série Muse.

C'est pourquoi il existe une certaine méfiance quant au retour à une stratégie de poids ouvert, certains se demandant si la politique ne changera pas à nouveau.

Le Muse Glimmer récemment publié est un modèle d'environ 30 milliards de paramètres, conçu pour fonctionner en continu dans un environnement local en tant qu'agent IA.

Selon Meta, il est prévu pour être utilisé sur Mac, PC ordinaires et GPU grand public unique, avec des applications principales telles que l'assistance au codage local, l'appel d'outils et les agents IA.

Plus important encore, Meta a également indiqué son intention de fournir une version à poids ouvert du « Muse Spark 1.2 » plus performant.

Si un modèle proche des standards actuels de pointe est effectivement publié, la position des IA à poids ouvert fabriquées aux États-Unis pourrait changer radicalement.

Le PDG de Box, Aaron Levie, a également salué ce mouvement.

Ce qui l'intéresse, ce n'est pas seulement l'ajout d'un nouveau modèle d'IA.

C'est le fait que les entreprises américaines ont clairement exprimé leur intention de continuer à offrir des modèles ouverts avec des performances proches de l'avant-garde.

NVIDIA vise l'ère des « agents IA »

NVIDIA attaque l'IA ouverte sous un angle différent de celui de Meta.

Le Nemotron 3.5 Lightning qu'ils ont annoncé est également un modèle d'environ 30 milliards de paramètres, mais il n'utilise pas tous les paramètres simultanément.

Il utilise un mécanisme appelé Mixture-of-Experts, limitant les paramètres actifs à environ 3 milliards par traitement.

Cela vise à réduire le coût de calcul tout en maintenant la capacité du modèle à grande échelle.

NVIDIA met l'accent sur l'utilisation pour des « agents IA en fonctionnement continu ».

Avec la prolifération des agents IA, contrairement aux chatbots traditionnels qui répondent une fois à une question, l'IA appellera le modèle des dizaines ou des centaines de fois.

Par exemple,

« Rechercher des entreprises concurrentes »
« Rassembler des documents »
« Analyser des données »
« Rédiger un rapport »
« Composer un e-mail »
« Saisir dans le système »

En confiant ces tâches à l'IA, une grande quantité de traitement d'inférence se produit en arrière-plan d'une seule tâche.

Utiliser à chaque fois un modèle énorme et coûteux de la plus haute performance ferait rapidement grimper les coûts.

NVIDIA envisage donc de confier uniquement les jugements avancés à des modèles de grande taille, tandis que les tâches massives telles que l'exécution d'outils et les vérifications sont réparties sur des modèles légers comme le Nemotron 3.5 Lightning.

Cela indique que le marché de l'IA pourrait évoluer vers une utilisation différenciée de plusieurs IA plutôt que de se concentrer sur une seule IA géante.

Pourquoi les entreprises chinoises sont-elles fortes en poids ouvert ?

Là, la présence de la Chine ne peut être ignorée.

Le choc mondial causé par DeepSeek n'était pas seulement dû au fait qu'une entreprise chinoise avait développé une IA performante.

En rendant largement disponible un modèle performant développé à un coût relativement bas, cela a ébranlé l'idée que « seules les grandes entreprises américaines créent des IA de pointe et les fournissent sous forme d'API cloud ».

Par la suite, Qwen d'Alibaba et Moonshot AI ont également acquis une forte influence sur le marché mondial des modèles ouverts.

Dans le monde des développeurs utilisant des LLM locaux, ce qui compte, c'est « la performance », « la mémoire requise », « la vitesse d'inférence », « la licence » et « la facilité de quantification », plutôt que la nationalité du modèle.

Si le modèle est performant, fonctionne avec le GPU local et peut être modifié librement, il sera utilisé même s'il est fabriqué en Chine.

Cette culture de développeurs très pragmatique a soutenu la diffusion mondiale des modèles chinois.

C'est là que réside le problème pour les entreprises américaines.

Une fois qu'un modèle devient la base standard pour les développeurs, des outils, des bibliothèques, des données d'apprentissage, des savoir-faire et des modèles dérivés s'accumulent autour de lui.

C'est similaire à un système d'exploitation.

Un « écosystème » se forme, difficile à renverser simplement par une victoire temporaire dans une comparaison de performances.

Les mouvements actuels de Meta et NVIDIA montrent également une intention stratégique de multiplier à nouveau les options pour les modèles américains avant que les entreprises chinoises ne construisent une domination décisive dans ce domaine.

Sur les réseaux sociaux, accueil et scepticisme se mêlent

La réaction de la communauté des développeurs à cette annonce n'est pas entièrement positive.

Sur X, Aaron Levie considère l'ouverture des poids de Muse Spark 1.2 comme un événement majeur, et des réactions positives à ce changement de direction de Meta viennent également de partisans de l'IA ouverte, comme ceux de Hugging Face.

Parmi les développeurs d'IA, il y a une grande attente quant au fait que « des modèles à poids ouvert puissants émergent à nouveau des entreprises américaines ».

Sur Hacker News, on trouve des commentaires exprimant un regain d'enthousiasme similaire à l'époque de Llama 3, ainsi que des évaluations positives des performances de chat et de génération de texte de Muse Glimmer testées sur Mac.

Cependant, il y a aussi beaucoup d'opinions prudentes.

L'un des points de discussion les plus fréquents est la confiance envers Meta.

Bien que Meta ait fortement promu l'IA ouverte avec Llama, elle a ensuite fermé certains modèles.

Sur Hacker News, des voix s'interrogent sur les raisons pour lesquelles Meta a arrêté les modèles ouverts et sur la durée de la nouvelle politique.

De plus, il y a des questions sur la publication de modèles vraiment compétitifs et de pointe, en plus des petits modèles.

C'est pourquoi la publication de Muse Spark 1.2 est si attendue.

La question est de savoir si des modèles performants seront réellement ouverts comme promis, ou si la stratégie se limitera à publier seulement certains modèles.

La sincérité de la stratégie ouverte de Meta sera probablement jugée lors de la prochaine publication.

Les utilisateurs d'IA locale ont déjà commencé les tests de performance

Dans la communauté Reddit « LocalLLaMA », les publications visant à faire fonctionner Muse Glimmer ou Nemotron 3.5 Lightning ont afflué dès l'annonce.

Concernant Muse Glimmer, certains utilisateurs l'ont testé pour le codage local, tandis que d'autres ont commencé à émettre des critiques sévères basées sur une utilisation réelle, telles que « il a tendance à trop réfléchir » ou « les contraintes sont peut-être trop fortes ».

Pour Nemotron 3.5 Lightning, des discussions ont lieu sur la mesure dans laquelle il peut être utilisé pratiquement dans des environnements VRAM de 16 Go ou 24 Go, et sur la disponibilité de versions quantifiées.

Ce qui est intéressant, c'est que Qwen est fréquemment mentionné comme point de comparaison.

Pour les entreprises américaines, l'IA chinoise n'est plus un « concurrent potentiel à rattraper à l'avenir ».

Elle est devenue un point de référence réel que les développeurs utilisent pour comparer dès qu'ils testent un nouveau modèle américain.

Cela symbolise la structure actuelle de la compétition en IA.

« Ouvert donc sûr » ou « ouvert donc dangereux » ?

Il y a un autre grand débat autour de l'IA à poids ouvert.

C'est la sécurité et la sûreté.

Si tout le monde peut obtenir le modèle, cela peut stimuler la recherche et l'utilisation en entreprise, mais cela peut aussi être utilisé par des personnes mal intentionnées.

Il y a des préoccupations concernant l'utilisation abusive pour des cyberattaques, des fraudes, la génération de fausses informations, et certains pensent qu'il est nécessaire de limiter la publication de modèles d'IA puissants.

D'un autre côté, il y a l'argument selon lequel « il est plus dangereux que seuls quelques géants contrôlent les modèles d'IA ».

Pouvoir étudier l'intérieur des modèles, vérifier leur sécurité de manière indépendante et les utiliser sans dépendre de services externes peut également être un avantage en matière de sécurité.

L'important est de ne pas juger la sécurité uniquement sur le fait qu'un modèle soit ouvert ou fermé.

Il est nécessaire de considérer la portée des informations publiées, les capacités du modèle, la licence d'utilisation, l'évaluation de la sécurité et le système de gestion de l'organisation qui l'implémente.

Pour les entreprises japonaises, la question cruciale est « où placer les données »

Alors, quel impact cette compétition IA ouverte entre les États-Unis et la Chine aura-t-elle sur le Japon ?

Premièrement, le coût d'introduction de l'IA générative pour les entreprises.

Actuellement, de nombreuses entreprises utilisent des services ou des API d'IA fournis par des entreprises étrangères.