L’IA chinoise toujours dépendante de Nvidia : pourquoi le passage aux puces locales est bloqué
Les grands modèles d’intelligence artificielle développés en Chine continuent d’être entraînés sur des puces Nvidia. Ce fait, confirmé par des sources internes à plusieurs entreprises chinoises spécialisées en IA, souligne un paradoxe majeur : malgré la pression de Pékin pour atteindre l’autonomie technologique, le coût de la transition vers des semi-conducteurs locaux reste un obstacle difficile à surmonter.
- Les principaux modèles de langage chinois (LLM) sont toujours entraînés sur des puces Nvidia, selon des sources sectorielles.
- Le coût prohibitif du passage aux puces chinoises freine la politique d’autosuffisance de Pékin.
- La dépendance à Nvidia persiste malgré les sanctions américaines et les ambitions affichées par l’industrie locale.
Une dépendance tenace malgré les ambitions de Pékin
La Chine veut s’affranchir de Nvidia. Le discours officiel est clair depuis plusieurs années. Pourtant, la réalité industrielle raconte une autre histoire.
Des sources au sein de grands développeurs chinois de modèles de langage (LLM) confirment que les entraînements se font encore massivement sur des GPU Nvidia. Ces puces restent, en pratique, le standard de référence pour les charges de travail IA les plus intensives.
Ce n’est pas une question de volonté politique. C’est une question de coût et de risque opérationnel.
- La Chine est l’un des plus grands marchés mondiaux pour les semi-conducteurs d’IA.
- Les puces Nvidia H100 et A100 sont toujours utilisées pour entraîner les LLM chinois les plus avancés.
- Les semi-conducteurs locaux peinent encore à atteindre les performances des puces Nvidia pour les tâches d’entraînement complexes.
- Washington a imposé des restrictions d’exportation sur les puces IA avancées de Nvidia vers la Chine depuis 2022, avec des durcissements successifs.
- Pékin pousse activement ses entreprises à adopter des semi-conducteurs domestiques dans le cadre de sa politique d’autosuffisance technologique.
- Des acteurs comme Huawei, avec sa puce Ascend, cherchent à se positionner comme alternatives crédibles à Nvidia sur le marché chinois.
Le coût de transition : un frein concret, pas symbolique
Changer d’architecture de puces n’est pas un simple remplacement de matériel. C’est une opération profonde qui touche les logiciels, les frameworks d’entraînement, les pipelines de données et les équipes techniques.
Pour un développeur de LLM, migrer de l’écosystème CUDA de Nvidia vers une solution locale implique des mois de réécriture de code. Cela mobilise des ressources importantes. Et cela introduit une incertitude sur les performances finales.
Dans un secteur où la vitesse d’entraînement conditionne la compétitivité, ce risque est perçu comme trop élevé. Les entreprises chinoises d’IA préfèrent pour l’instant maintenir leurs flux de travail existants plutôt que de parier sur une alternative locale encore immature.
Les puces chinoises : prometteuses, mais pas encore à la hauteur
Des entreprises comme Huawei proposent des alternatives. La puce Ascend 910B est souvent citée comme la plus avancée des solutions domestiques. Mais les retours du terrain restent nuancés.
Les performances en inférence – c’est-à-dire l’utilisation d’un modèle déjà entraîné pour répondre à des requêtes – progressent. En revanche, l’entraînement de nouveaux modèles de grande taille reste le point faible des puces locales. C’est précisément là que Nvidia conserve son avantage décisif.
Le logiciel pose aussi problème. L’écosystème CUDA de Nvidia s’est construit sur plus de quinze ans. Les alternatives chinoises n’ont pas encore atteint ce niveau de maturité. Les développeurs doivent souvent réécrire des bibliothèques entières pour fonctionner sur des puces locales.
Un paradoxe stratégique pour Pékin
La situation place Pékin dans une position inconfortable. Le gouvernement pousse pour la substitution technologique. Mais les entreprises qu’il soutient restent tributaires d’un fournisseur américain soumis à des contrôles à l’exportation de plus en plus stricts.
Ce paradoxe semble indiquer que la politique d’autosuffisance technologique se heurte à une réalité économique que les subventions seules ne peuvent pas résoudre rapidement. Construire un écosystème concurrent à Nvidia prend du temps – bien plus que les cycles politiques ne l’anticipent.
Les sanctions américaines ont certes réduit l’accès aux puces Nvidia les plus récentes. Mais elles n’ont pas eliminé les stocks existants, ni les circuits de ravitaillement alternatifs qui continuent d’alimenter le marché chinois.
Ce que cela révèle sur la course mondiale à l’IA
La dépendance persistante de l’IA chinoise à Nvidia dit quelque chose de fondamental sur la nature de cette industrie. La puissance de calcul, le logiciel et les données forment un système. Changer une seule pièce ne suffit pas.
Les États-Unis ont ciblé les puces parce qu’elles constituent le maillon le plus visible. Mais le vrai levier de Nvidia est son écosystème logiciel. C’est là que réside la dépendance la plus difficile à briser.
La Chine le sait. Ses ingénieurs travaillent sur ces couches logicielles. Mais les progrès prennent du temps, et pendant ce temps, les modèles continuent de tourner sur des GPU estampillés Nvidia.
- Les LLM chinois les plus avancés sont toujours entraînés sur des puces Nvidia malgré les sanctions.
- Le coût de transition vers les puces locales reste prohibitif pour les entreprises IA chinoises.
- La maturité logicielle de l’écosystème Nvidia est l’obstacle le plus difficile à surmonter.
- Pékin pousse à l’autosuffisance, mais la réalité industrielle freine cette ambition à court terme.
- Les puces chinoises progressent en inférence, mais peinent encore à l’entraînement des grands modèles.
La transition aura lieu – mais pas encore demain
L’industrie chinoise de l’IA n’abandonnera pas Nvidia du jour au lendemain. Les signaux pointent vers une transition progressive, non vers une rupture immédiate. Les entreprises adoptent les puces locales là où c’est possible – notamment pour l’inférence – tout en maintenant Nvidia pour les tâches d’entraînement critiques.
Cette stratégie hybride peut être lue comme un pragmatisme industriel. Elle renforce aussi l’hypothèse que la substitution complète prendra plusieurs années, même avec une volonté politique forte et des investissements massifs.
Et vous, pensez-vous que la Chine parviendra à se passer de Nvidia d’ici cinq ans ? Partagez votre analyse en commentaire.
Sources : South China Morning Post
