Actions : la rivalité dans le domaine de l’IA — une ambition commune, des voies différentes

Les gros titres décrivent souvent une course technologique avec des gagnants et des perdants clairement identifiés. Pourtant, d’un point de vue investisseur, cette vision risque de simplifier à l’extrême une réalité bien plus complexe.

Plutôt qu’un sprint vers une ligne d’arrivée unique, l’IA s’apparente davantage à une technologie à usage général — dont l’impact économique se déploiera progressivement à travers l’adoption, la diffusion et les gains de productivité dans de multiples secteurs.

Comme lors des précédentes vagues de numérisation, le leadership est susceptible d’évoluer au fil du temps, influencé autant par les infrastructures, les politiques publiques et la structure économique que par les avancées technologiques elles-mêmes.

Où en est la technologie aujourd’hui

Selon les mesures conventionnelles de la performance des modèles — telles que le raisonnement, les mathématiques et le codage —, les grands modèles linguistiques américains conservent une légère avance. Cela dit, la Chine a comblé son retard plus rapidement que beaucoup ne l’avaient prévu. Des classements indépendants montrent désormais que les deux pays disposent d’un nombre équivalent de modèles parmi l’élite mondiale, même si les entreprises américaines occupent toujours les premières places.

Cette convergence reflète des fondamentaux solides. La Chine produit une part importante des diplômés en STEM (sciences, technologie, ingénierie et mathématiques) dans le monde et s'est constituée une base considérable de chercheurs en IA de haut niveau. Dans une perspective de long terme, ce capital humain est tout aussi important que les résultats des tests de performance à court terme.

Une autre distinction réside dans l’architecture des modèles et leur degré d’ouverture. Les développeurs chinois ont eu tendance à privilégier les modèles open source, tandis que les entreprises américaines ont donné la priorité à des systèmes fermés et propriétaires. Cette différence pourrait s'avérer déterminante à long terme. Si les performances de pointe retiennent l'attention, l'impact économique de l'IA dépend in fine de l’ampleur et de l’efficacité du déploiement des modèles.

Investissements en capital : ampleur contre structure

L'ampleur des investissements américains dans les infrastructures d'IA est sans précédent. Les grandes entreprises technologiques ont engagé des centaines de milliards de dollars dans des centres de données, des capacités de calcul et des infrastructures associées, avec des niveaux de dépenses désormais suffisamment importants pour être pris en compte à l’échelle

macroéconomique.

Les investissements déclarés par la Chine semblent bien plus modestes. Cependant, les comparaisons fondées uniquement sur les chiffres bruts peuvent être trompeuses. En Chine, les investissements liés à l’IA sont plus dispersés et moins transparents, répartis entre des opérateurs de télécommunications soutenus par l’État, des fournisseurs d’infrastructures et des initiatives régionales. Le soutien provient également de manière indirecte, via des subventions, des aides et des programmes de crédit ciblés.

Si les États-Unis restent en tête en termes de déploiement global de capitaux, l'écart est probablement plus faible que ne le suggèrent les chiffres bruts. Plus important encore, la composition et les objectifs des investissements diffèrent sensiblement entre les deux systèmes.

Cadres politiques et intentions stratégiques

Aux États-Unis, l’accent reste mis sur le leadership du secteur privé, une réglementation relativement souple et le recours à la demande publique — notamment via la défense et les agences fédérales — pour soutenir le développement de l’IA. Les contrôles à l’exportation sur les semi-conducteurs de pointe sont également devenus un outil central, visant à préserver l’avantage technologique.

L'approche de la Chine est davantage pilotée par l'État. La politique s'est concentrée sur l'accélération du déploiement dans l'économie réelle, les données étant explicitement considérées comme un facteur de production. Les initiatives visant à étendre le partage des données, à créer des ensembles de données publics et à intégrer l'IA dans les processus industriels reflètent une approche pragmatique, axée sur l'application plutôt que sur le prestige technologique.

Pour les investisseurs, ces différences sont importantes, car elles déterminent la rapidité avec laquelle l’IA se traduit en résultats économiques mesurables.

Contraintes d'infrastructure : l'énergie comme facteur de différenciation

Les centres de données d'IA sont très gourmands en énergie. Aux États-Unis, cela commence à créer des tensions — en raison des contraintes du réseau, de l'opposition locale et des inquiétudes liées à la hausse des coûts de l'électricité. Après des décennies de stagnation de la demande, la consommation d'électricité aux États-Unis devrait désormais s'accélérer, l'infrastructure d'IA en étant un moteur clé.

La Chine est confrontée à un ensemble de contraintes différent. La capacité du réseau s'est rapidement développée, les coûts de l'électricité sont structurellement plus bas et le déploiement des énergies renouvelables se poursuit à grande échelle. La sécurité énergétique est devenue une priorité stratégique, renforçant les investissements de long terme.

À moyen terme, cela suggère que la disponibilité de l’électricité est plus susceptible de constituer une contrainte — en termes de coûts ou de capacité — aux États-Unis qu'en Chine, en particulier à mesure que l'adoption de l'IA se généralise.

Semi-conducteurs : un avantage, mais avec des limites

Les semi-conducteurs de pointe restent un avantage évident pour les États-Unis. Malgré des investissements soutenus, la Chine continue d’accuser un retard dans la fabrication de puces, et cet écart s’avère difficile à combler.

Cependant, l'importance économique de cet écart dépend de la manière dont l'IA est utilisée. Si l'accès à des puces de pointe est essentiel pour entraîner les modèles les plus avancés, il l’est moins pour faire fonctionner à grande échelle des modèles existants.

Cette distinction réduit — sans toutefois l'éliminer — l'impact stratégique des restrictions sur les semi-conducteurs. Elle contribue également à expliquer l'accent mis par la Chine sur l'application et le déploiement plutôt que sur la seule recherche de pointe.

Deux stratégies, pas une seule course

L'idée la plus importante pour les investisseurs est que les États-Unis et la Chine ne sont peut-être pas en concurrence sur un pied d'égalité.

Les États-Unis allouent des capitaux au développement de pointe et à la poursuite à long terme de l’intelligence artificielle générale — une stratégie au potentiel de transformation élevé, mais caractérisée par une forte incertitude et une intensité capitalistique importante.

La Chine, en revanche, donne la priorité au déploiement de l’« IA+ » : l’intégration de l’IA dans la fabrication, la logistique, la robotique et les processus industriels. Étant donné que le secteur manufacturier représente une part nettement plus importante de l’économie chinoise que de l’économie américaine, le mécanisme de transmission de l’IA vers la productivité pourrait être plus rapide et plus visible.

Aucune de ces stratégies n’est intrinsèquement supérieure. Elles reflètent simplement des structures économiques, des préférences en matière de risque et des objectifs politiques différents.

Conclusion

Pour les investisseurs, la question clé n’est pas de savoir qui mène aujourd’hui la course à l’IA, mais où l’adoption de l’IA se traduit le plus efficacement en valeur économique durable.
Cela déplace l’attention vers :

Comme lors des précédentes transitions technologiques, l'IA ne devrait pas désigner un seul gagnant à long terme. Elle devrait plutôt remodeler les économies selon des trajectoires différentes, le leadership évoluant à mesure que la technologie mûrit.

Du point de vue de l'investissement, la patience — et l'attention portée à la mise en œuvre plutôt qu'aux gros titres — reste essentielle.