La Chine interdit les puces d’IA étrangères dans les centres de données financés par l’État

Ce qui change et pourquoi c’est important

La Chine a publié de nouvelles directives imposant à tout nouveau projet de centre de données bénéficiant de financements publics d’utiliser exclusivement des puces d’intelligence artificielle produites dans le pays. Les autorités ont demandé aux exploitants de projets achevés à moins de 30 % de retirer les accélérateurs étrangers déjà installés ou d’annuler les achats prévus. Les centres de données plus avancés seront examinés au cas par cas. Cette mesure marque un tournant par rapport aux politiques antérieures, qui dissuadaient l’achat de puces étrangères, et formalise la volonté de construire une infrastructure d’IA reposant sur des puces chinoises.

La politique est d’une grande portée et s’applique rétroactivement. Elle concerne la Nvidia H20, l’accélérateur d’IA le plus puissant que l’entreprise était autorisée à vendre en Chine. Elle vise également des processeurs plus haut de gamme, tels que les H200 et B200, soumis aux restrictions américaines à l’exportation, mais qui sont tout de même parvenus à des acheteurs chinois par des circuits parallèles. Ces flux feront l’objet d’un contrôle accru, les inspecteurs examinant les registres d’approvisionnement et les stocks.

Les enjeux sont considérables. Depuis 2021, les projets de centres de données dédiés à l’IA en Chine ont attiré plus de 100 milliards de dollars de financements publics liés aux objectifs nationaux et provinciaux de souveraineté des données. Les fournisseurs étrangers ont dominé la première vague. Nvidia détenait autrefois plus de 90 % du marché local des accélérateurs. Sa part est désormais tombée à zéro, fermant la porte à un retour avec des composants sur mesure. Les puces nationales de Huawei, Cambricon, Enflame, MetaX, Moore Threads et Biren sont désormais en position de combler le vide.

Comment les règles seront appliquées

Les directives s’appliquent à toute installation recevant de l’argent public sous quelque forme que ce soit : subventions, avantages fiscaux, terrains à prix réduit, soutien aux tarifs de l’électricité ou prises de participation directes. Les exploitants ont été invités à auditer leurs plans d’approvisionnement et à lancer de nouveaux appels d’offres pour des puces nationales lorsque des composants étrangers étaient prévus. Les partenaires chargés de l’intégration mettent à jour leurs nomenclatures afin de se conformer aux nouvelles règles.

Les centres de données en début de construction sont prioritaires. Certains chantiers ont déjà été suspendus avant même le début des travaux, notamment celui d’une installation dans une province du nord-ouest qui prévoyait de déployer des puces Nvidia. Les autorités n’ont pas publié la directive, et on ignore encore si elle s’applique à l’échelle nationale ou seulement dans certaines provinces. Les examens associent les autorités chargées de la cybersécurité et de la planification économique. Pour les projets avancés, les décisions dépendront du calendrier, des charges de travail et de la disponibilité de matériel national.

Retrait rétroactif et calendrier

Les exploitants sommés de retirer les accélérateurs étrangers devront suivre un processus en plusieurs étapes. Les équipes devront mettre les serveurs hors service et en dresser l’inventaire, annuler les commandes en cours et requalifier de nouvelles cartes et de nouveaux racks autour de composants nationaux. Le remplacement d’accélérateurs se fait rarement sans difficulté. L’alimentation électrique, les circuits de refroidissement et les réseaux sont dimensionnés en fonction de composants précis. Les fournisseurs devront donc recertifier les racks et parfois réaménager des rangées entières.

Les autorisations accordées au cas par cas créent une incertitude pour les sites proches de l’achèvement. Certains pourraient être autorisés à conserver leur matériel étranger existant pour respecter les dates de mise en service, puis à migrer progressivement. D’autres pourraient devoir isoler les puces étrangères et les réserver à des charges de travail non critiques, ou limiter leur utilisation. Dans tous les cas, les exploitants devront démontrer que les nouvelles capacités reposeront sur des puces nationales.

Les gagnants et les perdants du marché des puces

Nvidia, AMD et Intel sont les perdants les plus évidents. L’interdiction les prive du principal moteur de croissance en Chine : le secteur public et les services cloud soutenus par l’État. Nvidia avait conçu la H20 pour se conformer aux règles américaines. Elle est désormais interdite dans les projets publics. Les composants haut de gamme tels que les B200 et H200, déjà soumis aux restrictions américaines à l’exportation, feront l’objet d’un examen renforcé s’ils sont détectés dans des projets sensibles.

Les fournisseurs nationaux disposent d’une plus grande marge de progression. La gamme Ascend de Huawei est la plus établie, avec des composants dédiés à l’entraînement et à l’inférence de modèles d’IA. Cambricon fabrique des unités d’apprentissage automatique intégrables aux serveurs standard. Enflame conçoit des accélérateurs destinés aux centres de données. MetaX et Moore Threads ont lancé des gammes de processeurs graphiques, tandis que Biren se concentre sur les processeurs adaptés à l’entraînement à grande échelle. Des fabricants de serveurs comme Inspur et Sugon proposent des systèmes reposant sur ces puces, et des plateformes cloud telles qu’Alibaba Cloud, Tencent Cloud et Baidu AI Cloud ont présenté des grappes de serveurs fonctionnant avec des puces locales.

Les développeurs sont confrontés à un compromis. Beaucoup privilégient Nvidia en raison de sa plateforme logicielle CUDA, qui offre des milliers de noyaux optimisés et des outils éprouvés. Les puces locales ont rapidement progressé, mais il faudra du temps pour égaler leurs performances, la richesse de leur écosystème et la maturité de leurs pilotes. La nouvelle règle contraint davantage d’équipes à porter leur code, à valider la précision des modèles avec de nouveaux noyaux et à optimiser les cycles d’entraînement pour différents compilateurs.

L’écart technologique et les écosystèmes logiciels

Les accélérateurs d’IA accélèrent les calculs au cœur de l’apprentissage profond. Les entraînements modernes sont répartis simultanément sur de nombreuses puces ; trois facteurs sont donc déterminants : la puissance de calcul brute, la bande passante mémoire nécessaire pour alimenter ces calculs et la rapidité des interconnexions qui relient les puces en une grappe cohérente. Nvidia occupe une position solide dans chacun de ces domaines, grâce à des techniques avancées de mise en boîtier, à la mémoire empilée et à des liaisons à haut débit qui permettent de synchroniser de grandes grappes.

Le logiciel constitue l’autre pilier. CUDA confère à Nvidia une forte emprise sur les développeurs. Le code écrit et optimisé pour CUDA ne se transpose pas automatiquement sur d’autres plateformes. Le portage consiste à réécrire les noyaux ou à changer de bibliothèques, puis à vérifier de nouveau la précision et les performances. Les fournisseurs chinois proposent leurs propres chaînes d’outils et des passerelles vers PyTorch et TensorFlow. La compatibilité et les performances se sont améliorées, mais des lacunes subsistent pour certains modèles, en particulier ceux qui utilisent des extensions CUDA personnalisées.

L’approvisionnement en matériel pèse également sur les résultats. Les processeurs d’IA les plus avancés reposent sur des technologies de fabrication de pointe et sur une mémoire à large bande passante. Les contrôles à l’exportation portant sur les équipements de fabrication limitent l’accès à certains outils et matériaux. Les fonderies nationales peuvent produire des composants performants, mais leurs rendements et leur efficacité énergétique sont souvent inférieurs à ceux des puces étrangères les plus récentes. Il peut alors falloir davantage de puissance et d’espace au sol pour respecter les calendriers d’entraînement, ce qui augmente le coût unitaire du calcul.

Conséquences de l’interdiction pour les projets d’IA en cours

À court terme, de nombreux chantiers prendront du retard. Les équipes chargées des achats devront renégocier les contrats, tandis que les intégrateurs devront requalifier les logiciels de gestion, les pilotes et les couches d’orchestration pour les nouvelles puces. Les budgets thermiques et électriques seront réévalués, car les accélérateurs n’ont pas tous les mêmes besoins en refroidissement et en énergie.

Certains exploitants feront fonctionner des parcs mixtes pendant la transition. Ils pourront conserver les accélérateurs étrangers déjà en place pour l’inférence sur des systèmes existants ou pour la recherche, tout en confiant les nouveaux entraînements aux puces nationales. Ces parcs mixtes ajoutent de la complexité. L’entraînement distribué repose sur des communications à faible latence entre de nombreux nœuds. Les différences d’interconnexion et de compilateurs peuvent limiter l’efficacité lorsque les tâches mobilisent du matériel de plusieurs fournisseurs.

L’approvisionnement sera un défi. Les délais de livraison des accélérateurs nationaux restent longs, et les capacités devront augmenter pour absorber une demande jusqu’ici satisfaite par des fournisseurs étrangers. Les circuits parallèles, qui comblaient auparavant les pénuries, sont soumis à des inspections plus strictes et à un suivi des numéros de série. Les fabricants de systèmes devront renforcer la qualification et l’assistance pour que les grands projets respectent leur calendrier.

Des répercussions mondiales

La directive rebat les cartes des plans de croissance des principaux fabricants de puces et fournisseurs cloud. Les fournisseurs américains miseront davantage sur la demande aux États-Unis, en Europe, au Moyen-Orient et en Asie du Sud-Est. Certains investissent en Inde et sur d’autres marchés pour compenser la perte des ventes aux projets chinois soutenus par l’État. Les investisseurs chercheront à savoir si ces régions peuvent absorber les capacités initialement destinées aux centres de données chinois.

Les fournisseurs chinois bénéficieront d’un marché intérieur protégé, mais devront rapidement monter en puissance et combler les lacunes logicielles pour proposer un coût total de possession compétitif. Tout écart de performances implique davantage de racks et de puissance pour accomplir le même travail. Cela augmente les coûts d’exploitation et peut freiner la capacité des chercheurs chinois à accroître la taille des modèles et l’ampleur des entraînements par rapport à leurs homologues qui déploient des processeurs graphiques haut de gamme à l’étranger.

Cette politique renforce le lien entre géopolitique et développement des infrastructures de données. Les décisions de conformité concernant un seul accélérateur peuvent bouleverser le calendrier de programmes nationaux d’IA et d’offres cloud. Les stratégies d’achat, les projets de colocation et les partenariats transfrontaliers seront remaniés pour tenir compte de règles sur le matériel qui s’étendent désormais jusqu’au cœur des salles de serveurs des projets informatiques stratégiques.

À retenir

• De nouvelles directives imposent aux centres de données chinois financés par l’État d’utiliser exclusivement des puces d’IA nationales.
• Les projets achevés à moins de 30 % doivent retirer ou annuler les commandes d’accélérateurs étrangers.
• La règle concerne la Nvidia H20 et vise également les composants haut de gamme H200 et B200.
• Depuis 2021, les projets de centres de données dédiés à l’IA ont attiré plus de 100 milliards de dollars de fonds publics.
• La part de marché de Nvidia en Chine est passée d’environ 95 % en 2022 à zéro.
• Les autorités n’ont pas publié la directive et son application à l’échelle nationale reste incertaine.
• Les examens associent les autorités chargées de la cybersécurité et de la planification économique ; les sites avancés font l’objet de décisions au cas par cas.
• Huawei, Cambricon, Enflame, MetaX, Moore Threads et Biren figurent parmi les bénéficiaires nationaux.
• La migration nécessitera le portage du code et la requalification des systèmes, ce qui augmentera les coûts et les délais des projets en cours.
• À court terme, la maturité des logiciels et les contraintes de fabrication pourraient creuser l’écart de puissance de calcul avec les concurrents étrangers.