Le fournisseur chinois d'IA Z.ai a déclaré avoir utilisé 100 000 puces fabriquées en Chine pour traiter les requêtes en ligne adressées à son dernier modèle d'IA, GLM-5.3 Flash. Cette décision illustre la manière dont les fournisseurs chinois réduisent leur dépendance au fabricant américain de puces Nvidia, tout en mettant en évidence la tendance vers une optimisation accrue des modèles d'IA.

Z.ai, anciennement connue sous le nom de Zhipu AI, est une start-up basée à Pékin, issue de la communauté de recherche de l'université Tsinghua, et comptée parmi les principaux développeurs de modèles d'IA en Chine. Son nouveau modèle est à poids ouverts et multimodal, ce qui signifie que ses paramètres entraînés peuvent être téléchargés et exécutés par des tiers ; il est économique et compte 320 milliards de paramètres. Z.ai a d'abord présenté le modèle en avant-première sous le nom de code Ox Alpha le 20 août, avant de le publier officiellement sous licence open source MIT — l'une des licences open source les plus permissives, autorisant l'utilisation commerciale, la modification et la redistribution — le 26 août. Le modèle est spécialisé dans le traitement des contextes longs, les tâches agentiques pilotées par la vision et la synthèse de code.

GLM-5.3 Flash coûte 0,075 dollar par million de tokens en entrée et 0,25 dollar par million de tokens en sortie jusqu'au 9 septembre. Passée cette date, le tarif sera de 0,15 dollar par million de tokens en entrée et de 0,50 dollar par million de tokens en sortie. Les tokens — les segments de texte, correspondant approximativement à un mot ou à un fragment de mot, que les modèles lisent et génèrent — constituent l'unité de facturation standard des services d'IA. À titre de comparaison, GPT-5.6 Luna d'OpenAI coûte 0,20 dollar par million de tokens en entrée et 2 dollars par million de tokens en sortie, tandis que Claude Opus 5 d'Anthropic est facturé 5 dollars par million de tokens en entrée et 5 dollars par million de tokens en sortie.

Le contexte géopolitique

La décision du fournisseur chinois de s'appuyer exclusivement sur des fournisseurs de puces chinois intervient alors que la Chine cherche à dépendre moins de Nvidia. Ce virage vers l'autonomie fait suite à des années de durcissement des contrôles américains à l'exportation — un régime amorcé par les restrictions d'octobre 2022 sur les accélérateurs avancés comme les A100 et H100 de Nvidia — visant à empêcher les fournisseurs technologiques chinois d'obtenir les puces Nvidia les plus puissantes. Bien que certaines de ces restrictions aient été assouplies, en septembre 2025, le gouvernement chinois a ordonné aux géants technologiques comme Alibaba et ByteDance de cesser d'acheter des puces d'IA Nvidia, et en novembre, Pékin a interdit toutes les puces d'IA étrangères dans les centres de données financés par l'État.

Les progrès du matériel chinois

Malgré ces mesures, de nombreux observateurs considéraient encore la Chine comme en retard dans la course aux infrastructures. Des clusters de cette taille ont été la marque des plus grands laboratoires américains d'IA — le supercalculateur Colossus de xAI, à Memphis, fonctionnerait par exemple avec environ 100 000 GPU. La stratégie de Z.ai suggère toutefois que l'écart entre la Chine et les États-Unis en matière de puces d'IA pourrait se réduire, surtout avec l'attention accrue portée à l'inférence au cours de l'année écoulée, dans un contexte d'essor rapide de l'IA agentique. L'inférence — l'exécution d'un modèle entraîné pour répondre à des requêtes, par opposition à l'entraînement, processus de création d'un modèle bien plus gourmand en calcul — est précisément la tâche qu'accomplissent les 100 000 puces de Z.ai pour GLM-5.3 Flash.

« Pour l'entraînement des plus grands modèles de pointe, Nvidia conserve un avantage significatif en matière de performances des puces, de mise en réseau et d'écosystème logiciel plus large », a déclaré Kashyap Kompella, PDG et fondateur de RPA2AI Research. « Mais l'inférence est une autre histoire. »

Il a ajouté que la capacité de Z.ai à servir GLM-5.3 Flash à grande échelle avec des puces chinoises indique que le matériel chinois est déjà suffisamment performant pour de nombreuses charges de travail d'inférence à fort volume.

« Cette distinction est importante car l'inférence devrait devenir, avec le temps, le plus grand marché des puces d'IA », a indiqué Kompella. « Les entreprises chinoises n'ont peut-être pas besoin d'une parité exacte puce contre puce avec Nvidia si elles peuvent compenser grâce à des architectures de modèles efficaces, à l'optimisation logicielle et à de vastes clusters de puces d'IA fabriquées localement. »

Toutefois, les premiers signes du mouvement des fournisseurs chinois vers l'indépendance sont apparus lorsque DeepSeek — le laboratoire basé à Hangzhou dont les modèles à bas coût ont attiré l'attention mondiale début 2025 — a réécrit les pilotes CUDA de Nvidia pour accélérer l'inférence, a expliqué Bradley Shimmin, analyste chez Futurum Group. Selon lui, si les fournisseurs chinois répondent à des contraintes d'abord imposées par le gouvernement américain puis par le gouvernement chinois, un autre facteur est que les entreprises ont « besoin d'en faire plus avec les wattheures dont elles disposent ».

Des fournisseurs comme Google, avec sa série TPU, et Amazon, avec ses puces Trainium, misent sur l'intégration verticale, dans laquelle la pile d'IA est optimisée pour utiliser conjointement modèles d'IA, infrastructures et logiciels afin d'obtenir le traitement d'IA le plus efficace possible.

« Ce dont nous sommes témoins ici, c'est la prise de conscience réelle que la valeur de l'IA est dictée par l'économie de la pile, autant que par les capacités des modèles », a déclaré Shimmin. « Ce que ces acteurs font, c'est simplement démontrer la valeur d'un petit investissement dans l'optimisation de ce matériel. »

Le modèle

Quant à GLM-5.3 Flash lui-même, le fait qu'il ait suscité un fort engouement auprès des développeurs lors d'un test à l'aveugle est significatif, selon Kompella. De nombreux développeurs se sont précipités sur le modèle début ce mois-ci et l'ont utilisé sans savoir qu'il provenait d'un fournisseur chinois ; il est rapidement devenu le modèle le plus téléchargé sur OpenRouter, un service d'API permettant aux développeurs d'acheminer leurs requêtes vers des modèles de nombreux fournisseurs différents.

« C'est plus intéressant qu'un autre benchmark affirmant qu'un modèle chinois est proche d'un modèle de pointe américain », a déclaré Kompella, ajoutant que cela montre que les modèles chinois à poids ouverts « continuent de jouer le rôle de contrepoids face à des tarifs industriels plus élevés ».

Pour les entreprises, cela signifie qu'elles doivent concevoir leur système d'IA de manière « à ce que les charges de travail puissent être acheminées entre les modèles selon des critères de capacité, de qualité, de coût et de stratégie, plutôt que de dépendre d'un seul fournisseur de modèles », a-t-il poursuivi.

Si l'attraction immédiate d'un grand nombre de développeurs constitue un bon signe pour Z.ai, le fournisseur reste confronté à des défis. Il doit notamment prouver que les puces qu'il utilise peuvent continuer d'offrir fiabilité, économie et passage à l'échelle, a indiqué Kompella.

« À la frontière absolue de l'entraînement des modèles, l'accès au calcul reste également une contrainte importante, car l'avantage de Nvidia y est beaucoup plus difficile à reproduire », a-t-il déclaré.

Le fournisseur devra également convaincre les entreprises américaines et européennes, qui restent prudentes quant à l'utilisation de services d'IA hébergés en Chine en raison de préoccupations liées à la sécurité des données, à la réglementation et aux achats, a poursuivi Kompella.