Publié par : Lucas Simon — Rédacteur spécialisé en intelligence Artificielle
L’intelligence artificielle chinoise n’est plus un sujet de niche. Depuis le lancement de DeepSeek R1, les modèles venus de Pékin, Shanghaï ou Hangzhou sont comparés aux références d’OpenAI et d’Anthropic, testés gratuitement par des millions de personnes et scrutés par les investisseurs. Voici comment s’y retrouver : qui sont les acteurs, ce qui les distingue, quelles sont leurs limites et lesquels essayer.
Modèle, application, entreprise : de quoi parle-t-on ?
Le terme « IA chinoise » mélange trois réalités qu’il vaut mieux séparer. Il y a l’entreprise (DeepSeek, Moonshot, Alibaba, ByteDance, Zhipu AI, Kuaishou), le modèle de langage qu’elle entraîne (R1, V4-Flash, Kimi K2.5, Qwen 3.5, GLM-5) et l’application grand public qui l’expose (le chatbot, l’interface web, l’API). Un même modèle peut être utilisé via plusieurs produits, et une même entreprise peut en publier plusieurs.
Les acteurs à connaître
DeepSeek, fondée par Liang Wenfeng et issue du monde du trading quantitatif, est devenue le symbole du secteur. Moonshot AI (Yuezhi Anmian en chinois) développe Kimi, dont Yang Zhilin est la figure publique. Alibaba porte la famille Qwen, ByteDance le chatbot Doubao, et Zhipu AI la série ChatGLM puis GLM-5. Côté vidéo, Kling AI (Kuaishou) et Wan, publié par Alibaba, occupent le terrain de la génération d’images animées. Manus, enfin, s’est fait connaître comme agent autonome.
Pourquoi cette autonomie compte pour Pékin
Les restrictions américaines sur les puces avancées forment le contexte clé. Elles poussent les laboratoires chinois à optimiser leurs architectures, à utiliser moins de puces haut de gamme et, pour certains entraînements, à s’appuyer sur les puces Huawei Ascend. L’objectif affiché est de développer des technologies moins dépendantes de l’Occident, et ce choix influence directement la manière dont les modèles sont conçus.
Pourquoi DeepSeek a fait trembler la Silicon Valley
Le choc est venu d’un rapport entre performances et coût jugé très favorable. DeepSeek a présenté un modèle de raisonnement aux résultats comparables à ceux de ses concurrents américains, construit pour une fraction du budget habituel : environ 6 millions de dollars annoncés pour l’entraînement, contre des montants sans commune mesure outre-Atlantique. Sur son API, le tarif était annoncé de 4 à 17 fois moins cher selon les comparaisons.
Premiers pas avec l’API DeepSeek : guide de démarrage et compatibilité SDK · La documentation officielle explique comment effectuer un premier appel à l’API DeepSeek, dont le format est compatible avec les SDK OpenAI et Anthropic, par simple modification de la configuration.
La réaction des marchés a été immédiate : repli du Nasdaq et chute de l’action Nvidia, car si l’on peut atteindre de bons résultats avec moins de puces, la logique de dépenses massives en matériel est remise en question. L’application a aussi grimpé en tête des téléchargements sur l’Apple Store. Ce qui a marqué les esprits n’est pas seulement la performance, mais la démonstration qu’une contrainte (moins de puces) peut devenir un moteur d’efficacité.
Comprendre les chiffres sans se laisser impressionner
Les articles citent beaucoup de paramètres : 670 milliards pour certains modèles, 2 800 milliards pour d’autres, 1 trillion pour Kimi. Ce nombre mesure la taille du réseau de neurones, pas sa qualité. Beaucoup de ces modèles utilisent une architecture Mixture-of-Experts : seule une partie des paramètres s’active à chaque requête, ce qui explique des coûts d’exécution plus bas qu’un modèle « dense » de taille équivalente. Les benchmarks comme SWE-Bench (correction de vrais problèmes de code) ou BrowseComp (recherche web) sont plus parlants : ils mesurent une tâche précise, mais restent des tests standardisés, pas votre quotidien.
Open source, contexte et agents : ce qui les distingue
Le premier différenciateur est l’ouverture. Plusieurs modèles sont téléchargeables, modifiables et publiés sous licence Apache 2.0, ce qui permet à des développeurs extérieurs d’inspecter, d’adapter et d’héberger le modèle eux-mêmes. À l’inverse, les grands modèles américains restent surtout fermés et accessibles par abonnement ou API.
Un modèle ouvert se comporte un peu comme une brique de construction : on ne l’achète pas fini, on l’assemble avec d’autres éléments. Une entreprise européenne peut ainsi l’héberger sur ses propres serveurs, l’affiner sur son vocabulaire métier, le brancher à sa base documentaire, puis le remplacer par un autre le jour où un meilleur modèle sort. Cette logique modulaire réduit la dépendance à un fournisseur unique et change la question : on ne choisit plus seulement un chatbot, on choisit un composant interchangeable dans une chaîne.
Fenêtre de contexte et capacités agentiques
Kimi K2.5 met en avant une fenêtre de contexte de 256 000 tokens, soit la quantité de texte que le modèle peut garder en mémoire dans une même conversation, utile pour analyser de longs fichiers. Les fonctions agentiques vont plus loin : planifier, rechercher sur le web, rédiger, déboguer du code ou même gérer une réservation. Les modèles ne se contentent plus de répondre, ils enchaînent des étapes.
Limites et points de vigilance
Le premier point est la censure. Certains modèles sont entraînés à éviter les sujets politiquement sensibles, comme Tiananmen, et à fournir des réponses « utiles et inoffensives » selon le cadre réglementaire chinois. Pour du code ou de la traduction, l’effet est limité ; pour de l’analyse politique ou historique, il faut recouper les réponses.
Le second concerne les données. Utiliser l’application officielle revient à envoyer ses requêtes à un service soumis au droit chinois. Pour un usage professionnel, la voie la plus prudente consiste à utiliser un modèle ouvert hébergé en local ou chez un prestataire de confiance, plutôt que d’y déposer des documents confidentiels. Enfin, les limites d’usage gratuit, l’accès parfois partiel hors de Chine et des interfaces pas toujours traduites complètent le tableau.
Quelles IA chinoises tester gratuitement ?
Le plus simple est de choisir selon le besoin. Voici un aperçu de l’offre, à vérifier sur chaque site car les conditions évoluent vite.
| Outil | Usage principal | Accès et limites |
|---|---|---|
| DeepSeek | Raisonnement, code, recherche web | Application gratuite, API moins chère, modèles ouverts |
| Qwen (Alibaba) | Texte, code, multilingue | Modèles ouverts en plusieurs tailles, interface web gratuite |
| Kimi (Moonshot) | Longs documents, agents | Plan gratuit avec limite de messages, offre payante autour de 8 $/mois |
| Doubao (ByteDance) | Assistant grand public | Gratuit, très utilisé en Chine |
| Kling AI | Vidéo texte-vers-vidéo, image-vers-vidéo | Crédits quotidiens gratuits, offres payantes ensuite |
| ChatGLM (Zhipu AI) | Conversation, analyse | Accès gratuit partiel |
Quel profil, quel outil ?
Un développeur commencera par DeepSeek ou Qwen, car leurs modèles ouverts s’intègrent facilement via API ou en local. Un analyste ou un étudiant qui manipule de longs rapports se tournera vers Kimi pour sa grande mémoire de conversation. Un créateur de contenu testera Kling AI ou Wan pour la vidéo. Quant à une entreprise, elle privilégiera un modèle ouvert hébergé sous son contrôle, en gardant un œil sur la gouvernance des données.
Un réflexe simple avant de généraliser
Testez toujours le même prompt dans deux ou trois outils, y compris américains, avec un cas réel de votre travail. Les classements de benchmarks donnent une direction, mais la qualité en français, le ton et la fiabilité sur votre sujet ne se jugent qu’à l’usage.
- Intelligence artificielle chinoise : DeepSeek, Qwen, Kimi… ce qui change vraiment face aux IA américaines - 30 octobre 2026
- Intelligence artificielle en médecine : repérer plus tôt, sans décider à la place du médecin - 25 octobre 2026
- Ingénieur intelligence artificielle : du premier modèle au salaire, la réalité du métier - 24 octobre 2026
