Les modèles d'IA open-source chinois défient l'approche de la Silicon Valley

Les laboratoires d'IA chinois ont récemment publié une série de modèles open-source quasi à la pointe de la technologie, notamment le GLM 5.2 de Z.ai en juin, le Kimi K3 de Moonshot AI la semaine dernière, et le Qwen 3.8 d'Alibaba ce lundi. Ces modèles obtiennent des performances quasiment aussi bonnes que les meilleurs modèles occidentaux sur des benchmarks tiers et sont optimisés pour les tâches de codage agentique, le domaine le plus en vogue de l'IA. La sortie du Kimi K3 a particulièrement attiré l'attention de la Silicon Valley et de Washington, le capital-risqueur David Sacks qualifiant ses performances de « préoccupantes » et le secrétaire au Commerce Scott Bessent évoquant d'éventuelles sanctions. Michael Kratsios, directeur du Bureau de la politique scientifique et technologique de la Maison Blanche, a affirmé que Moonshot AI avait distillé le modèle Fable d'Anthropic pour K3, accusant l'entreprise de vol de technologie américaine. Moonshot AI n'a pas répondu aux demandes de commentaires. Les modèles sont publiés avec des poids ouverts, ce qui les rend accessibles et transparents, contrairement à des laboratoires occidentaux comme Anthropic et OpenAI, qui ont restreint l'accès à leurs derniers modèles pour des raisons de sécurité. Le modèle Mythos d'Anthropic a été temporairement retiré après des contrôles à l'exportation, et OpenAI a retardé le GPT 5.6 suite à une demande de la Maison Blanche. Les laboratoires chinois ont adopté l'open-source pour attirer utilisateurs et collaborateurs, et leurs modèles sont désormais largement considérés comme les meilleures options open-source. Arena AI classe le K3 comme le meilleur modèle pour le développement web et quatrième pour les tâches agentiques, tandis qu'Artificial Analysis le place troisième. La popularité du K3 a submergé les serveurs de Moonshot, entraînant des restrictions temporaires d'inscription. Certains utilisateurs occidentaux remettent en question la valeur des offres payantes d'OpenAI et d'Anthropic, car les modèles chinois offrent des performances compétitives à moindre coût, bien qu'ils puissent nécessiter davantage de tokens. L'approche des poids ouverts remet en cause l'hypothèse selon laquelle des financements massifs sont nécessaires au progrès de l'IA, Dean Ball notant que les poids ouverts dissuadent l'investissement supplémentaire en capital dans l'IA.