Les grands acteurs chinois de l'IA, après que Deepseek ait renversé la table
TechFlow SélectionTechFlow Sélection
Les grands acteurs chinois de l'IA, après que Deepseek ait renversé la table
Lorsque le paradigme technologique est reconfiguré, même les plus forts doivent repartir de zéro.
Dédié à des analyses Web3 approfondiesAuteur : Lian Ran
Ces derniers mois, surtout au premier trimestre 2025, les grandes entreprises chinoises ont nettement baissé le ton dans le domaine des grands modèles d'IA. La manifestation la plus évidente est une forte diminution des annonces officielles. Comparé à la même période l'année dernière, où les géants technologiques se succédaient presque sans interruption pour présenter de nouveaux résultats, cette année, leurs communications sont devenues prudentes et leurs actions plus mesurées.
Ce changement s'explique en grande partie par le lancement de DeepSeek-R1 pendant les fêtes du Nouvel An chinois. Ce modèle, combinant ouverture, faible coût et hautes performances, a brisé le consensus industriel selon lequel « grand modèle = investissement élevé, seuil élevé », tout en remettant en cause la structure du pouvoir dans l'industrie des modèles.
Il a non seulement renouvelé la perception des développeurs sur les modèles open source, mais aussi ébranlé le paradigme du « capital lourd » considéré auparavant comme un avantage stratégique par les grands groupes. En un instant, les actions technologiques de la Silicon Valley ont reculé, et la nécessité de milliers de milliards de dollars de R&D a été réexaminée.
Dans le pays, ce « séisme technologique » a d'abord touché précisément ces grands groupes qui étaient censés mener la charge dans la bataille de l'IA. D'un côté, de nouveaux acteurs comme DeepSeek et Manus progressent constamment grâce à une stratégie « petite mais puissante », « rapide et agile ». De l'autre, les grands groupes hésitent, ajustant plusieurs fois leur produit, leur structure organisationnelle et leur orientation technique.
Ce que ces nouveaux venus attaquent n'est pas seulement la performance des modèles ou le coût d'entraînement, mais aussi de nombreuses dépendances historiques ancrées — comme « seul un écosystème fermé crée une moat », « seul un budget élevé produit un bon modèle », ou « seule une solution universelle unique est la bonne direction ».
De plus en plus de faits convergent vers une même conclusion : dans la vague rapide de l'évolution de l'IA, toute rigidité cognitive peut devenir un obstacle à l'innovation.
Aujourd'hui, les grands groupes font face à un virage conceptuel : abandonner la logique fermée du type « mon modèle sert mon application », pour revenir à l'essence même du produitisme : « utiliser le meilleur modèle disponible pour construire le meilleur produit possible ».
Une série de restructurations stratégiques profondes sont en cours dans les grandes entreprises internet chinoises.
1 Avant l'apparition de DeepSeek-R1, les grands groupes rivalisaient sur le front des grands modèles, chacun misant sur sa propre voie
En regardant en arrière, l'année 2023 a vu une montée en puissance rapide de la course aux grands modèles nationaux. Presque toutes les entreprises disposant de réserves techniques ou d'avantages écologiques ont investi massivement, cherchant à percer dans la guerre des cent modèles.
À cette époque, Baidu, ByteDance, Tencent et d'autres ont lancé leurs propres modèles internes. Le modèle « autonome et en boucle fermée » est devenu la norme (Alibaba ayant exploré tôt l'open source), avec un accent mis sur « maîtrise indépendante du modèle, autosuffisance écologique », visant à tout intégrer, du modèle de base aux produits finaux.
Dans ce contexte, Baidu a misé sur la combinaison « modèle + recherche », ByteDance a poussé fortement DouBao, Alibaba a scindé l'équipe Qwen pour optimiser les ressources, tandis que Tencent s'est engagé prudemment dans le grand modèle Hunyuan, mettant davantage l'accent sur une « conduite par les cas d'usage ». Parmi les plus petites entreprises, des acteurs comme MiniMax, Zhipu, Baichuan et Moonshot — surnommés les « six petits dragons de l'IA » — se sont concentrés sur l'entraînement de grands modèles généraux, cherchant à innover sur les trajectoires technologiques.
Source image : Visual China
La logique concurrentielle de l'époque reposait sur quelques hypothèses : 1) plus la capacité interne est forte, plus la moat est solide ; 2) les paramètres et les performances sont liés, la performance s'obtient en grossissant le modèle ; 3) il faut construire une boucle fermée « modèle + application » entièrement contrôlée.
Mais ces consensus ont été complètement brisés après le lancement de DeepSeek-R1. L'apparition de DeepSeek-R1 en janvier 2025 a été perçue comme un événement « critique » : d'une part, il a entraîné une capacité comparable à GPT-4 à très bas coût, publiant tous les détails techniques et rendant les poids accessibles ; d'autre part, il incarne un « paradigme open source » radical : pas simplement ouvrir un modèle, mais permettre aux développeurs de le prendre et de l'utiliser immédiatement, avec transparence totale sur la formation, les proportions de données et l'efficacité d'inférence.
Cela a directement frappé au cœur de la stratégie traditionnelle du « modèle autonome en boucle fermée ». Les modèles coûteux développés par les grands groupes ont perdu leur avantage face à DeepSeek-R1 — non pas par manque de performance, mais par mauvais rapport qualité-prix : on ne peut plus dire « notre modèle est meilleur », car l'autre a tout ouvert, et rattraper prendrait des mois ; on ne peut plus affirmer une « moat supérieure par fermeture », car d'autres peuvent construire un prototype en deux jours à partir de DeepSeek-R1, voire développer un produit complet.
Cet impact de « l'open source comme égalisation des capacités » a non seulement touché les grands groupes, mais aussi perturbé le rythme des « petits dragons » de l'IA. Les tenants du « petit modèle », comme MiniMax ou Baichuan, qui espéraient tirer parti de l'efficacité d'entraînement et de la vitesse d'inférence, ont découvert que DeepSeek avait tout bouleversé, offrant équilibre parfait entre efficacité et performance — et gratuitement. Cela rend désormais beaucoup plus difficile le modèle commercial fermé.
L'industrie est alors entrée dans une période marquée de « confusion stratégique » :
-
Les grands groupes ont commencé à réévaluer la valeur de la R&D interne : vaut-il encore la peine de dépenser des fortunes pour poursuivre un modèle susceptible d'être dépassé par l'open source ? Devrait-on plutôt se concentrer sur une stratégie combinée de « montage de capacités modulaires + création d'applications natives IA » ?
-
Les « petits dragons » de l'IA ont fait face à une pression directe sur leur survie : leurs arguments de fermeture et d'avantage technique disparaissent ; les grands groupes accélèrent l'adoption de modèles open source, réduisant ainsi leur besoin de collaboration ; ils doivent donc redéfinir leur position, soit en se regroupant, soit en ciblant des « scénarios verticaux différenciés ».
-
Les investisseurs ont aussi réexaminé la valeur des projets : une startup spécialisée dans les grands modèles perd de sa crédibilité si elle ne dispose ni d'un mécanisme d'innovation particulier ni de ressources écologiques spécifiques.
En somme, DeepSeek n'a pas simplement sorti un modèle performant. Il a opéré un véritable « chamboulement paradigmatique » : en utilisant une transparence extrême et l'open source pour briser les dépendances passées, transformant le « modèle autonome en boucle fermée » d'option principale en un pari à coût très élevé. À partir de ce moment, seuls ceux capables de comprendre rapidement la réalité et de trouver une nouvelle niche écologique pourront rester en jeu lors de la prochaine manche.
2 Après la secousse, les grands groupes cherchent de nouvelles directions
L'impact de DeepSeek a continué de mûrir, plongeant initialement toute l'industrie dans la confusion, l'incertitude et le désarroi. Tous savaient qu'il s'agissait d'un choc systémique, mais personne ne savait clairement comment y répondre ni quelle direction prendre.
Mais à partir de la mi-février, la situation a commencé à changer. Les grands groupes ont progressivement agi, faisant émerger de nouveaux récits. En un mot : leur priorité stratégique, centrée l'année précédente sur la mise en œuvre via « applications d'abord » ou « super-app », revient maintenant sur la voie du « AGI d'abord ».
Ce recentrage comporte plusieurs évolutions clés.
La première est une clarification des objectifs. Lorsqu'on parlait d'applications IA, de nombreuses entreprises restaient bloquées au niveau du « créer une super-app », comme un assistant IA, un moteur de recherche IA ou un outil de bureautique IA.
Maintenant, dans leurs dernières déclarations publiques, ByteDance et Alibaba ont clairement établi que « courir vers l'AGI » est leur objectif principal.
Lors de la réunion générale de février, Liang Ruibo, PDG de ByteDance, a déclaré : « Le niveau d'intelligence est le plus important. Nous devons faire de l'amélioration de l'intelligence elle-même notre priorité absolue, plutôt que de nous focaliser sur la DAU d'un produit. »
En mars, le département du modèle DouBao a tenu une réunion générale, affirmant clairement que son objectif principal est d'explorer la limite supérieure de l'intelligence, tout en insistant sur le renforcement de la culture organisationnelle, l'augmentation du degré d'ouverture technologique et la possibilité d'aller vers l'open source.
« Seed Edge » est une équipe de recherche à long terme sur l'AGI créée début 2025 par l'équipe DouBao de ByteDance, encourageant l'exploration de thèmes de recherche AGI à long cycle, tels que les capacités de raisonnement, de perception, ou l'intégration logicielle-matérielle.
Ce projet valorise un « environnement de recherche souple » et une « évaluation à long terme », fournissant un support indépendant en puissance de calcul aux projets sélectionnés, reflétant l'engagement à long terme de ByteDance envers l'AGI.
Les objectifs de Seed Edge incluent l'exploration de nouvelles méthodes pour l'AGI, encourager la collaboration transmodale et inter-équipes, avec cinq axes de recherche préliminaires : explorer les limites du raisonnement, celles de la perception, concevoir les prochains modèles intégrant logiciel et matériel, explorer le prochain paradigme d'apprentissage IA, et identifier la prochaine direction de scaling.
On voit que ByteDance prépare techniquement la prochaine étape vers l'AGI.
Lors de la conférence téléphonique suivant le rapport annuel 2025, Wu Yongming, PDG d'Alibaba, a pour la première fois affirmé explicitement que l'AGI est l'objectif central de la stratégie IA d'Alibaba, allant jusqu'à prononcer que « l'IA influencera 50 % de la structure du PIB mondial », une déclaration radicale.
Cela signifie qu'Alibaba passe progressivement d'une stratégie centrée sur les services « cloud + modèle » à une exploration plus ambitieuse d'une intelligence générale.
Le deuxième changement concerne une évolution substantielle d'attitude envers l'« open source » et le « choix de modèle ». Auparavant, on insistait sur le contrôle total de la chaîne, tout faire soi-même. Mais aujourd'hui, notamment chez Tencent et Baidu, on observe un virage vers le pragmatisme : on intègre le modèle le plus performant, peu importe son origine. L'objectif est la satisfaction utilisateur et la mise en œuvre concrète, pas forcément d'utiliser son propre modèle.
Derrière cela, chaque entreprise redéfinit son rôle écologique — quel est son rôle à l'ère de l'IA, et où réside réellement sa compétitivité.
La réponse d'Alibaba semble plus « stable », ou plutôt cohérente avec sa trajectoire antérieure.
Car Alibaba était déjà en tête de la route open source dans les grands modèles. La série Qwen continue de performer fortement à l'international et dans les communautés open source. Qwen2.5-Max a même été annoncé comme surpassant DeepSeek-V3, et Qwen3, récemment open-sourcé fin avril, offre non seulement un coût significativement réduit, mais aussi des performances supérieures à DeepSeek-R1 et OpenAI-o1, devenant le leader des modèles open source. La stratégie d'Alibaba est claire : prouver sa performance, puis attirer les développeurs mondiaux via l'open source, et ainsi « importer » l'écosystème.
Cependant, cette trajectoire n'a pas été sans heurts. Pendant un temps, en raison de réorganisations fréquentes, les activités autour des grands modèles et de l'IA étaient fragmentées, chacune travaillant de son côté. Mais avec la recentralisation d'Alibaba Cloud en 2024 et le recentrage de l'équipe IA après le retour de Jack Ma, Alibaba est revenu à son mode principal : « rassembler les forces pour accomplir de grandes choses ». Le redressement d'Alibaba Cloud en témoigne : il a retrouvé une croissance à deux chiffres au dernier trimestre, reprenant sa place de leader sur le marché national.
On peut dire qu'en comparaison avec les approches axées sur les produits B2C ou l'expérience Agent, Alibaba redéfinit clairement son rôle à l'ère de l'IA : non pas comme un pionnier d'applications, mais comme un fournisseur mondial de plateforme de modèles et d'infrastructures technologiques.
Le choix de Baidu est plus pragmatique. D'un côté, il possède son propre système de modèles Ernie ; de l'autre, il reconnaît que ce qui touche vraiment les utilisateurs, c'est l'amélioration de l'intelligence dans des applications concrètes comme Baidu Wenku ou Baidu Wangpan. En pratique, Baidu adopte la règle « qui est bon, on l'utilise », même si ce n'est pas son propre modèle, tant que cela améliore l'expérience utilisateur.
Cette attitude résulte d'une introspection. Selon Geeker Park, en 2024, Baidu avait consacré trop d'énergie à déployer ses modèles dans divers scénarios, au détriment du développement même du modèle Ernie. Le nouvel ajustement consiste donc à ne plus exiger que « le modèle serve toutes les applications », mais à laisser chaque ligne métier choisir librement selon son contexte, plaçant l'expérience utilisateur en priorité absolue.
Concernant le débat open source / closed source, Li Yanhong, auparavant farouche défenseur du modèle fermé, avait souvent déclaré publiquement que « seul le closed source garantit le contrôle technologique et un modèle économique viable, l'open source étant une taxe sur le QI ».
Li Yanhong lors de la conférence Create2025 de Baidu | Source image : Baidu
Jusqu'en février de cette année, Baidu a choisi de suivre la tendance générale de l'open source, annonçant la sortie prochaine de la série Ernie 4.5, qui sera officiellement open-sourcée à partir du 30 juin.
La trajectoire de Tencent est plus claire, et conforme à sa philosophie produit habituelle. Que ce soit WeChat, QQ ou ses jeux, la ressource fondamentale de Tencent réside dans ces produits à haute fréquence d'interaction utilisateur. Pour lui, développer un modèle interne n'est pas obligatoire ; l'essentiel est d'intégrer rapidement les capacités IA dans ces produits pour améliorer efficacité et expérience.
Ainsi, dès l'apparition du nouveau modèle DeepSeek-R1, Tencent a été l'une des premières entreprises à l'intégrer, sans hésitation. Comme rapporté par LatePost, Pony Ma, président du conseil d'administration et PDG de Tencent, a dit à certaines équipes IA : « Collaborez bien avec l'extérieur, ne pensez pas tout faire vous-mêmes », et « soyez lucides sur la réalité, n'exagérez pas vos capacités ».
Le 13 février, Tencent a annoncé être le premier à intégrer la version complète de DeepSeek-R1, lançant rapidement une campagne promotionnelle à grande échelle. Des publicités pour Yuanbao ont inondé WeChat, Xiaohongshu, Bilibili et Zhihu, suscitant un regain d'attention pour l'assistant IA de Tencent. Parallèlement, Tencent a coordonné en urgence l'intégration de DeepSeek dans WeChat.
Présence de « Yuanbao » sur WeChat | Source image : Geeker Park
En conséquence, Tencent a procédé à plusieurs ajustements organisationnels. Après avoir transféré Yuanbao de TEG (Technologie et Ingénierie) vers CSIG (Cloud et Secteur Industriel), d'autres produits comme le navigateur QQ, le clavier Sogou et ima ont également été regroupés sous CSIG, formant un nouvel ensemble de produits grand public à l'ère des grands modèles. Les équipes d'origine, auparavant sous PCG (Plateforme et Contenu), ont été entièrement transférées vers CSIG afin de mieux aligner la stratégie IA sur le développement et la mise à niveau des produits.
Ces actions rapides illustrent le jugement de Tencent selon lequel « l'IA est une capacité, pas une fin ». Un meilleur modèle, un écosystème plus ouvert, tant qu'ils renforcent WeChat et les jeux, doivent être utilisés immédiatement. Dans ce contexte, Tencent est devenu l'une des entreprises les plus rapides à s'adapter — voire pourrait-on dire, le rythme actuel de l'écosystème ouvert de l'IA correspond exactement à la logique d'intégration de capacités, domaine où Tencent excelle.
ByteDance est probablement la plus complexe, voire la plus hésitante, des quatre. Elle possède à la fois le système de modèles DouBao, et détient des scénarios d'application massifs comme TikTok, Toutiao et Fanqie Fiction. Elle veut être leader technologique en AGI, tout en refusant d'abandonner son avantage d'écosystème fermé au niveau applicatif.
Mais cela crée une pression double : le modèle doit être en tête, le produit aussi, l'écosystème à la fois autonome et ouvert. Après le succès fulgurant de DeepSeek-R1, ByteDance a d'un côté réaffirmé que « l'AGI est l'objectif principal », augmentant ses investissements dans DouBao et multipliant ses initiatives open source ; mais d'un autre côté, elle fait face à de nouveaux défis au niveau applicatif : continuer sur la voie fermée « DouBao + applications ByteDance », ou briser les barrières internes et intégrer des modèles externes plus performants pour une compétition ouverte ?
Selon LatePost, ByteDance a d'abord adopté une attitude d'attente quant à l'intégration de DeepSeek dans ses produits, estimant en interne qu'« on peut l'intégrer à tout moment, pas d'urgence ». Pourtant, l'occasion a vite disparu. Après le Nouvel An, ByteDance a mobilisé d'urgence ses équipes, les faisant travailler tard pour accélérer l'intégration de DeepSeek.
Pour l'instant, la stratégie de ByteDance reste en transition. D'un côté, elle insiste publiquement sur l'open source et la valeur d'un écosystème ouvert ; de l'autre, dans ses systèmes internes, DouBao reste le choix par défaut pour de nombreux cas d'usage, et seule une minorité d'applications autorise l'accès à DeepSeek. Quant à savoir si ByteDance ira, comme Tencent, vers une intégration large de modèles tiers, ou relâchera le principe du « modèle maison d'abord » dans certaines applications, rien n'est encore clair.
Ces derniers mois ont constitué une fenêtre cruciale durant laquelle les grands acteurs de l'IA ont redéfini leur rôle écologique et réévalué leur trajectoire technologique. Après la « reconfiguration dimensionnelle des capacités » provoquée par DeepSeek-R1, toutes les entreprises ont recommencé à se concentrer sur l'objectif à long terme de l'AGI, tout en adoptant des positions plus réalistes et ouvertes au niveau technologique et écologique.
Toutefois, même si les objectifs convergent, les chemins choisis divergent fortement. Cela reflète les différences entre chaque entreprise sur sa perception de ses avantages, et leurs paris distincts sur « comment courir à l'ère de l'IA ».
3 Face à la disruption technologique, il n'y a pas de « gagnants historiques » permanents
L'industrie de l'IA ne s'achève pas parce qu'un produit fait soudainement irruption. C'est inévitablement un jeu continu de restructuration écologique — les positions et les répartitions de compétences seront régulièrement redistribuées, et chaque choc oblige les acteurs à repenser « qui je suis, que dois-je faire ».
Sous l'impact de DeepSeek-R1, les grands groupes ont commencé à réexaminer leur relation avec l'IA. Ce changement ne s'arrêtera pas : dans cette vague technologique rapide, personne n'a le droit de porter le fardeau de l'histoire.
Ce fardeau n'est pas seulement des lignes de production obsolètes, des organisations lourdes ou des équipes redondantes, mais aussi une inertie cognitive issue de la dépendance aux sentiers battus.
Ces dernières années, toute l'industrie de l'IA a accumulé trop de « consensus implicites » : par exemple, il faut dépenser des centaines de millions pour un grand modèle, les applications IA doivent impérativement être en boucle fermée, seul le B2B génère un modèle économique viable, l'IA n'est pas un produit de consommation mais un logiciel outil… Ces « jugements rationnels » semblaient justes dans les anciens paradigmes, mais une fois de nouvelles voies ouvertes, beaucoup de ces « rationalités » deviennent des prisons pour l'imagination.
La cruauté de la révolution technologique, c'est qu'elle n'offre pas aux géants beaucoup d'opportunités de « vivre sur leurs acquis ». L'itération rapide de l'IA dévore constamment les organisations inertes qui s'appuient sur des succès passés. Ainsi, nous voyons Baidu passer à l'open source, Tencent s'associer humblement pour tirer profit du flux, ByteDance accélérer la restructuration de son infrastructure de calcul… Derrière ces mouvements, se cache une prise de conscience des grands groupes face à la réalité : dans ce jeu infini de l'IA, la seule loi de survie est de maintenir une flexibilité stratégique — rejeter la dépendance aveugle au passé, et adopter avec ouverture la nouvelle tendance de l'accessibilité technologique.
Qui a été piégé par l'ancien paradigme ?
En revisitant les trajectoires des grands groupes et startups leaders en Chine ces deux ou trois dernières années, presque toutes ont suivi un « scénario classique » :
-
Définir d'abord des OKR autour d'un objectif ;
-
Bâtir ensuite un écosystème complet intégrant modèle, données et applications ;
-
Et enfin, espérer tracer une voie commerciale via la réduction des coûts, la croissance du produit et la synergie écologique.
Cette logique n'est pas erronée, mais elle ressemble trop à la méthode de l'ère internet — elle suppose que « plus on a de ressources, plus le chemin est clair ». Or, la rupture en IA éclate précisément quand le chemin est flou.
Par exemple, de nombreuses équipes poursuivaient simultanément un « scénario fermé » tout en étant freinées par des « capacités insuffisantes », voulaient raconter l'histoire du « modèle autonome » mais ne maîtrisaient pas les optimisations à la couche infrastructure. Beaucoup de décisions stratégiques résultent de « suppositions établies + inertie organisationnelle » — elles semblent rationnelles, mais personne ne s'arrête pour demander : et si ces hypothèses étaient fausses ?
En revanche, les nouveaux acteurs émergents comme DeepSeek ou Manus ont un point commun : une pensée légère, sans bagage historique ni attachement doctrinal, ce qui en fait les pionniers de ce saut paradigmatique.
En y repensant, ce que DeepSeek et Manus ont accompli n'a rien de mystérieux, et même s'appuie sur une logique d'ingénierie solide. Alors pourquoi aucun grand groupe n'a-t-il emprunté cette voie ? Parce qu'ils sont trop rationnels, trop systématisés, donc trop conservateurs.
Par exemple, un grand groupe pourrait se demander : le MoE peut-il vraiment s'échelonner ? L'optimisation extrême n'est-elle pas une perte de temps ? Ces questions ne sont pas fausses, mais si l'on refuse une voie avant même de l'avoir testée, on ne découvrira jamais de nouvelles terres.
C'est pourquoi de plus en plus d'investisseurs, développeurs et observateurs réévaluent la valeur des startups IA : ce n'est plus celui qui raconte la boucle fermée la plus complète, ni celui qui recrute le plus de scientifiques modèles, mais celui qui brise la « légitimité historique » et trace une nouvelle voie où technologie et produit peuvent être rapidement validés.
Sur cette autoroute technologique ultra-rapide de l'IA, le plus dangereux n'est pas d'être un pas en retard, mais de continuer à croire aux anciennes règles de feux rouges et verts. Les vrais changements se produisent toujours entre l'« irrationnel » et le « mal-aimé ».
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
极客公园
