Pour la première fois, en juillet, des modèles développés en Chine ont occupé les cinq premières places sur OpenRouter, la plateforme neutre de routage qui agrège des centaines de modèles provenant de dizaines de fournisseurs derrière une seule API et qui est devenue l’équivalent le plus proche, pour l’industrie de l’IA, d’un indicateur Nielsen. Xiaomi — plus connue pour ses smartphones et, plus récemment, ses véhicules électriques — a vu son MiMo V2.5 arriver en tête en volume de tokens, suivi par des modèles de DeepSeek (le laboratoire de Hangzhou dont les sorties à bas coût ont secoué les marchés mondiaux début 2025), MiniMax, la famille Qwen d’Alibaba et Kimi de Moonshot. Les modèles chinois représentent désormais plus de 60 % du trafic de la plateforme, qui dépasse 20 billions de tokens par semaine — les tokens étant les fragments de texte que les modèles lisent et génèrent, et l’unité par laquelle l’usage de l’IA est à la fois mesuré et facturé. Comme le formule la tribune de Fortune, ce n’est pas un résultat de benchmark mais une courbe d’usage.

Il y a un an, les modèles américains représentaient environ 70 % du trafic d’OpenRouter ; aujourd’hui, ils en représentent environ 30 %. Plus frappant encore, à la mi-juillet, les modèles chinois comptaient pour un record de 58 % des tokens traités par les entreprises américaines sur la plateforme. Selon l’auteur, les entreprises américaines ne sont pas forcées d’adopter l’IA chinoise — elles la choisissent, charge de travail par charge de travail, parce que l’équation prix/performance est impossible à ignorer.

La course s’est scindée en deux

Le paradoxe, soutient l’auteur, mérite une place dans l’agenda de tous les conseils d’administration cet automne. Les laboratoires américains conservent encore la frontière absolue : GPT 5.5 d’OpenAI, Claude Fable 5 d’Anthropic et Gemini 3.x de Google dominent les raisonnements les plus difficiles, les agents à long horizon et les travaux d’entreprise les plus exigeants, et l’écart à la frontière est réel, mesuré en mois. Mais la course s’est divisée en deux compétitions — la capacité et la distribution — et l’Amérique gagne la première tout en perdant la seconde.

Le V4-Pro de DeepSeek est tarifé à environ un douzième du coût de GPT-5.5 pour des performances comparables sur les benchmarks, et DeepSeek V4 Flash coûte 0,14 $ par million de tokens d’entrée contre 5,00 $ pour GPT-5.5. Les analystes d’OpenRouter indiquent eux-mêmes que les modèles ouverts chinois sont de 60 % à 90 % moins chers que les meilleures offres américaines. Pour les charges de production à fort volume — agents de codage, traitement documentaire et opérations clients — cet écart détermine la décision d’achat.

C’est par la distribution que les écosystèmes s’enracinent, poursuit le texte. La famille Qwen d’Alibaba a dépassé un milliard de téléchargements cumulés et a remplacé Llama de Meta comme famille de modèles ouverts la plus téléchargée au monde — les modèles open weight publient des fichiers de paramètres téléchargeables que les développeurs peuvent exécuter, inspecter et affiner sur leur propre infrastructure, contrairement aux modèles fermés accessibles uniquement via l’API payante d’un fournisseur — tandis que Llama, qui a défini l’IA open weight en 2023 et 2024, est tombé sous 1 % du volume routé. Les développeurs optimisent ce qu’ils peuvent télécharger et construisent des outils autour de ce qu’ils déploient ; c’est ainsi que Linux a gagné les serveurs et qu’Android a gagné les téléphones, et cela se reproduit au grand jour, écrit l’auteur.

Bienvenue dans la zone de mort

Entre la frontière et le plancher des commodités se trouve ce que l’auteur appelle une zone de mort : tout modèle, produit ou stratégie d’IA d’entreprise qui n’est ni clairement le meilleur ni clairement le moins cher y est écrasé des deux côtés à la fois.

Les données de marché illustrent cette bifurcation. Selon une analyse des données d’usage d’OpenRouter, Anthropic — créateur de la famille Claude — ne détient qu’environ 12 % de la part de tokens de la plateforme tout en captant environ la moitié des dépenses totales — la voie premium, avec moins de tokens mais un prix adapté au travail qu’ils justifient. La voie des commodités appartient aux modèles ouverts efficaces qui déplacent des billions de tokens bon marché. Le milieu — les modèles fermés sans avantage décisif de capacité et les déploiements d’entreprise payant des prix de frontière pour des tâches de commodité — n’a pas de voie du tout.

La plupart des plans stratégiques d’IA des entreprises du Fortune 500 se trouvent actuellement dans ce milieu, soutient l’auteur. L’entreprise type a signé en 2024 un contrat API de frontière, a tout routé par celui-ci et n’est jamais revenue en arrière ; en 2026, c’est l’équivalent d’exploiter toute une opération logistique uniquement par fret aérien de nuit.

La Chine a construit cela délibérément

Rien de tout cela n’est arrivé par accident, souligne la tribune. Les contrôles à l’exportation sur les puces d’IA avancées, instaurés pour la première fois en 2022 puis durcis à plusieurs reprises, ont privé les laboratoires chinois des plus grands clusters de GPU, si bien qu’ils ont conçu des solutions autour de la rareté grâce à l’efficacité des tokens, à de nouveaux mécanismes d’attention, à des architectures efficientes de type mixture-of-experts, à des données de meilleure qualité plutôt qu’à un simple volume brut, et à une architecture consciente de l’inférence dès le départ. Le soutien de l’État a encore réduit la base de coûts effective, et Xiaomi a réduit les prix de l’API MiMo jusqu’à 99 % en mai. La contrainte est devenue stratégie — et les laboratoires américains qui relèguent l’efficacité au second plan risquent de conserver leur avance technologique tout en perdant du volume de marché, l’intérêt des développeurs et, au final, tout l’écosystème de l’IA.

Le manuel du bâtisseur pour 2026

Pour les dirigeants et fondateurs qui construisent réellement sur l’IA, l’auteur identifie quatre actions qui comptent plus que tout le reste.

1. Faites du routage hybride votre architecture par défaut. Dirigez les tâches les plus difficiles, les plus réglementées et les plus critiques vers des modèles de pointe. Dirigez les tâches à fort volume et sensibles aux coûts vers des modèles ouverts efficaces. Les entreprises qui procèdent ainsi réduisent leurs coûts d’inférence de 60 % à 90 % sur la majorité de leurs charges de travail sans dégrader la qualité là où cela compte. Si votre budget IA passe par une seule API fermée, vous payez trop cher pour la plupart de ce que vous faites.

2. Traitez l’efficacité comme une arme de premier ordre. L’optimisation de l’inférence, la quantification, le speculative decoding et la co-conception modèle-matériel sont désormais des pratiques standard et non de simples curiosités de recherche. Étudiez comment les laboratoires contraints ont construit, puis appliquez ces leçons avec la puissance de calcul américaine.

3. Différenciez-vous au-dessus de la couche modèle. Les données propriétaires, la couche applicative, le fine-tuning métier, les frameworks d’agents et des dispositifs d’évaluation rigoureux survivent à tout avantage d’un modèle de base. Les modèles de base convergent vers l’infrastructure. Votre avantage défendable n’a jamais été le modèle de quelqu’un d’autre.

4. Sortez du milieu. Si votre produit dépend d’un modèle qui n’est ni le meilleur ni le moins cher, choisissez une direction cette année. Montez sur la courbe des capacités avec une vraie différenciation, ou конкурrez fermement sur le coût et l’ouverture. Le milieu ne survivra pas à 2027.

L’Amérique a besoin maintenant d’une réponse open weight

Mon point de vue est que Washington se prépare à mener la mauvaise bataille. À Washington, le réflexe consiste à restreindre les modèles chinois pour des raisons de sécurité, et pour les charges sensibles des gouvernements et de la défense, cette prudence est justifiée. Les préoccupations liées à la souveraineté des données limitent déjà l’adoption de modèles hébergés en Chine dans les secteurs occidentaux réglementés, même si les open weights auto-hébergés atténuent largement cet argument.

Une interdiction n’est pas une stratégie, c’est un droit de douane sur vos propres développeurs. Les open weights chinois réussissent non pas par tromperie, mais parce qu’ils sont de haute qualité, abordables et accessibles — et parce qu’aucun laboratoire américain ne publie actuellement de manière régulière des modèles open weight de niveau frontière. Le retrait de Meta a laissé le terrain libre, et la Chine l’a rapidement occupé.

La réponse consiste à concurrencer avec des modèles open weight crédibles des États-Unis et de leurs alliés, publiés régulièrement et soutenus par des incitations à l’achat ou des engagements directs des laboratoires. Les open weights sont la manière dont on exporte son écosystème, ses normes de sécurité et ses standards vers le reste du monde. L’Amérique l’a compris avec la pile internet. Elle doit s’en souvenir maintenant.

La frontière reste importante et les États-Unis doivent la défendre. Mais la course pratique de 2026 se gagne en maîtrisant simultanément les deux compétitions — capacité absolue et efficacité radicale, excellence fermée et diffusion ouverte, la plus grande puissance de calcul fiable et l’usage le plus intelligent de celle-ci. L’innovation sous contrainte ne devrait plus être un lot de consolation.

La question pour les dirigeants américains, les conseils d’administration et Washington est la même : lorsque sera construite la prochaine génération de logiciels mondiaux, sur les modèles de qui reposera-t-elle ? Pour l’instant, les chiffres des téléchargements répondent. Ce n’est pas la réponse que l’Amérique veut entendre.

Les opinions exprimées dans les tribunes de Fortune.com n’engagent que leurs auteurs et ne reflètent pas nécessairement les opinions et convictions de Fortune.

Cet article a été initialement publié sur Fortune.com