L’entreprise chinoise Zhipu AI dévoile GLM-5, un modèle open source de 744 milliards de paramètres entraîné sur des puces nationales

Le mouvement chinois pour l’indépendance en matière d’IA atteint une échelle inédite

La start-up chinoise d’intelligence artificielle Zhipu AI, présente à l’international sous la marque Z.ai, a lancé GLM-5, un grand modèle de langage de 744 milliards de paramètres. Il s’agit du premier système d’IA de pointe entraîné entièrement sur du matériel chinois, sans recourir aux technologies américaines des semi-conducteurs. L’annonce, faite le 11 février, a propulsé le cours de l’entreprise cotée à Hong Kong, officiellement nommée Knowledge Atlas Technology, en hausse de près de 30 %, à 405 dollars de Hong Kong à la clôture. Le titre a ainsi été multiplié par quatre par rapport à son prix d’introduction en Bourse, un mois plus tôt. En janvier 2026, l’entreprise a levé environ 558 millions de dollars lors de son introduction en Bourse, devenant ainsi la première société spécialisée dans les modèles de fondation à être cotée en Bourse dans le monde. Fondée en 2019 à la suite d’une scission de l’université Tsinghua, Zhipu AI s’est rapidement imposée comme un acteur majeur du développement de l’IA open source.

Le modèle est lancé dans un contexte de multiplication des annonces de la part d’entreprises technologiques chinoises, désireuses de démontrer leurs capacités avant les vacances du Nouvel An lunaire. GLM-5 se distingue toutefois par l’alliance de son ampleur technique, de sa disponibilité en open source sous licence MIT permissive et de son indépendance totale vis-à-vis des processeurs graphiques de NVIDIA. Zhipu AI a plutôt utilisé des puces Ascend de Huawei et le framework MindSpore pour entraîner le système, une avancée qui pourrait avoir des répercussions importantes sur les chaînes d’approvisionnement mondiales en infrastructures d’intelligence artificielle. Cette réussite confirme que l’entraînement de modèles d’IA de pointe est possible en dehors de l’écosystème NVIDIA, ouvrant la voie à une plus grande diversité matérielle et réduisant les risques de dépendance à un fournisseur unique dans l’ensemble du secteur. Le calendrier témoigne de l’urgence, pour Pékin, de mettre en avant les progrès de son autonomie en matière de puces, alors que Washington renforce les restrictions à l’exportation de semi-conducteurs haut de gamme.

Architecture technique et échelle

GLM-5 représente une évolution majeure par rapport à son prédécesseur, GLM-4.7, qui comptait 355 milliards de paramètres. Le nouveau modèle double cette capacité, avec 744 milliards de paramètres au total, tout en s’appuyant sur une architecture à mélange d’experts qui n’en active que 40 milliards par tâche d’inférence. Cette approche, qui mobilise 256 modules experts et en active huit par jeton, permet au système d’obtenir de hautes performances tout en maîtrisant efficacement les coûts de calcul. L’architecture marque un tournant vers des schémas d’activation parcimonieuse, qui maximisent les capacités sans entraîner une hausse linéaire des dépenses d’exploitation, un enjeu essentiel pour les organisations qui déploient des modèles de grande taille à grande échelle.

Le jeu de données d’entraînement a lui aussi été élargi, passant de 23 000 milliards de jetons pour la génération précédente à 28 500 milliards pour GLM-5. Une innovation technique majeure réside dans l’adoption de DeepSeek Sparse Attention, un mécanisme mis au point initialement par DeepSeek, start-up basée à Hangzhou. Il permet au modèle de traiter des fenêtres de contexte allant jusqu’à 200 000 jetons, tout en prenant en charge une capacité de sortie de 131 000 jetons, soit parmi les valeurs les plus élevées du secteur. Cette capacité à gérer de longs contextes permet au modèle de traiter en une seule session des documents volumineux, des bases de code entières, des corpus d’articles de recherche et des transcriptions vidéo, et d’effectuer des raisonnements complexes à partir d’importants volumes d’information. Le mécanisme d’attention parcimonieuse réduit précisément le surcoût de calcul qui pèse généralement sur les modèles à attention dense lorsqu’ils traitent de longues séquences.

Résultats aux tests et capacités de programmation

D’après les tests internes publiés par Zhipu AI, GLM-5 se classe en tête des modèles open source et se rapproche des systèmes propriétaires occidentaux. Au test SWE-bench Verified, largement reconnu pour mesurer les capacités d’ingénierie logicielle en conditions réelles, le modèle a obtenu 77,8 %, devant Gemini 3 Pro de Google DeepMind, à 76,2 %, et à proximité de Claude Opus 4.5 d’Anthropic, à 80,9 %. L’entreprise reconnaît que Claude reste le meilleur modèle de programmation dans l’ensemble, mais souligne que GLM-5 est en tête parmi les systèmes open source. Au test SWE-bench Multilingual, GLM-5 a obtenu 73,3 %, témoignant de solides performances dans divers langages de programmation.

Le modèle se distingue particulièrement dans les tâches opérationnelles de longue durée. À Vending Bench 2, qui simule des activités commerciales prolongées nécessitant des performances autonomes soutenues, GLM-5 a terminé avec un solde de 4 432 dollars, se classant premier parmi tous les modèles open source évalués. Au test BrowseComp, qui mesure la recherche et la synthèse d’informations, le système a obtenu 75,9 points, là encore en tête des modèles open source. Il a également obtenu 50,4 points à Humanity’s Last Exam avec les outils activés, et 89,7 à Tau Squared Bench, signe de solides capacités de raisonnement logique en plusieurs étapes. Au test Terminal-Bench 2.0, le système a atteint 56,2 %, et 60,7 % dans la version vérifiée.

Les évaluations techniques internes CC-Bench-V2 montrent que GLM-5 affiche un taux de réussite de 98 % pour la création d’interfaces frontend et un taux de conformité de bout en bout de 74,8 %, contre respectivement 93 % et 75,7 % pour Claude Opus 4.5. Le modèle a également obtenu 65,6 % dans des tâches de longue durée sur de grands dépôts de code. Ces résultats suggèrent qu’il est particulièrement apte à gérer des processus de développement full stack complexes et des projets comportant de nombreux fichiers.

Lukas Petersson, cofondateur d’Andon Labs, une start-up spécialisée dans un protocole d’IA autonome axé sur la sécurité, a évalué de manière indépendante les traces d’exécution de GLM-5 dans le cadre du test Vending Bench 2. Selon lui, le modèle atteint ses objectifs grâce à une exécution tactique agressive, mais présente des limites en matière de perception du contexte par rapport aux principaux modèles occidentaux.

Après des heures à lire les traces d’exécution de GLM-5 : un modèle incroyablement efficace, mais beaucoup moins conscient de la situation. Il atteint ses objectifs par des tactiques agressives, mais ne raisonne pas sur sa situation et ne tire pas parti de son expérience. C’est effrayant. C’est comme ça qu’on obtient un maximiseur de trombones.

Zhipu AI a également mis en avant un taux d’hallucination historiquement bas : le modèle a obtenu un score de moins un à la version 4.0 de l’indice Omniscience d’Artificial Analysis, soit une amélioration de 35 points par rapport à la génération précédente. Cet indicateur témoigne d’une meilleure capacité du modèle à reconnaître les limites de ses connaissances et à s’abstenir de produire des informations inventées lorsqu’il est incertain, une caractéristique essentielle pour les environnements professionnels où la précision est primordiale.

Innovation dans l’entraînement et souveraineté matérielle

Au-delà des performances brutes, le processus de développement de GLM-5 marque un tournant pour la souveraineté technologique. Le modèle a été entraîné exclusivement sur des puces Huawei Ascend 910, sans dépendre du matériel NVIDIA, actuellement visé par les contrôles à l’exportation des États-Unis dans le secteur chinois du calcul avancé. Cette démarche s’inscrit dans les efforts plus larges de la Chine en faveur de son autonomie dans le domaine des semi-conducteurs, avec pour objectif une indépendance substantielle en matière de puces pour centres de données d’ici à 2027. Pour le secteur mondial de l’IA, elle montre que la diversité matérielle pour l’entraînement de modèles n’est pas seulement possible : elle existe déjà à l’échelle des modèles de pointe.

Pour remédier aux inefficacités de l’entraînement à cette échelle, Zhipu AI a conçu en interne une nouvelle infrastructure d’apprentissage par renforcement asynchrone, dont le nom de code est slime. Les approches traditionnelles d’apprentissage par renforcement souffrent souvent de goulots d’étranglement lors de la génération, qui mobilisent plus de 90 % du temps d’entraînement. Le framework slime lève ces contraintes en permettant de générer les trajectoires de manière indépendante, et donc de procéder aux itérations fines nécessaires aux comportements agentiques complexes grâce à des optimisations au niveau du système, notamment les Active Partial Rollouts. Le framework repose sur une architecture modulaire à trois composants : un module d’entraînement haute performance fondé sur Megatron-LM, un module de génération utilisant SGLang et des routeurs personnalisés pour produire des données à haut débit, et un tampon de données centralisé chargé de l’initialisation des prompts et du stockage des générations.

L’entreprise a également optimisé GLM-5 pour son déploiement sur un vaste écosystème de plateformes chinoises de semi-conducteurs, au-delà de Huawei, notamment sur des puces de Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame et Hygon. Grâce à l’optimisation des noyaux et à la quantification du modèle, le système atteint un débit adapté sur ces plateformes alternatives. Cela témoigne de la maturité croissante de l’infrastructure de calcul chinoise pour l’IA et soutient l’objectif stratégique du pays de bâtir des infrastructures robustes reposant sur des solutions locales. Cette compatibilité réduit la dépendance à l’égard d’un fournisseur matériel unique et démontre la viabilité d’accélérateurs d’IA alternatifs.

Ingénierie agentique et génération de documents

Zhipu AI présente GLM-5 comme un outil d’ingénierie agentique plutôt que comme une simple IA conversationnelle, reflétant l’évolution du secteur, qui délaisse ce que l’entreprise appelle le « vibe coding » au profit d’une ingénierie système complète. Le système intègre un mode agent natif capable de décomposer des objectifs de haut niveau en sous-tâches concrètes, de coordonner des outils et d’exécuter des processus de manière autonome afin de produire des résultats prêts à l’emploi. Cette approche privilégiant la livraison des résultats dépasse le cadre de la conversation et permet aux utilisateurs de définir des critères de qualité, tandis que l’IA se charge des détails de mise en œuvre.

Le modèle se distingue aussi par sa capacité à générer directement des documents bureautiques professionnels. Il peut convertir des prompts bruts ou des données en documents Microsoft Word mis en forme, en fichiers PDF et en feuilles de calcul Excel, sans formatage manuel ni étapes intermédiaires. Parmi les applications possibles figurent la création automatisée de rapports financiers, de propositions de parrainage et de visualisations pour des analyses de données complexes, notamment sous forme de graphiques et de tableaux exportables dans des formats standard. Les utilisateurs peuvent importer des données et obtenir instantanément une analyse, avec des résultats exportables aux formats xlsx, csv ou png.

Pour les développeurs de logiciels, Zhipu AI propose GLM Coding Plan, un abonnement compatible avec plus de vingt environnements de développement populaires, dont Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush et Goose. L’offre comporte plusieurs niveaux : une formule Lite à 10 dollars par mois, qui propose trois fois le volume d’utilisation de Claude Pro ; une formule Pro à 30 dollars, avec des temps de réponse 40 à 60 % plus rapides ; et une formule Max à 80 dollars, qui garantit des performances optimales aux heures de pointe et un accès anticipé aux nouvelles fonctionnalités. Toutes les formules prennent en charge Vision Understanding, Web Search MCP et Web Reader MCP. Selon l’entreprise, cet abonnement permet de traiter chaque mois des dizaines de milliards de jetons pour environ 1 % du tarif habituel de l’API, à une vitesse supérieure à 55 jetons par seconde pour les interactions en temps réel.

Stratégie commerciale et contraintes d’infrastructure

Malgré ses avancées techniques, Zhipu AI fait face à des contraintes immédiates en matière d’infrastructure, qui l’ont contrainte à revoir ses tarifs. L’entreprise a augmenté de 30 % le prix de l’abonnement GLM Coding Plan à compter du 11 février, invoquant la forte croissance du nombre d’utilisateurs et de leur consommation, qui pousse ses ressources de calcul à leurs limites. Dans un communiqué, elle a reconnu que ses capacités de calcul étaient très limitées et précisé qu’avant même le lancement de GLM-5, toutes les puces disponibles tournaient à pleine capacité pour répondre à la demande d’inférence existante. Les remises accordées sur les premiers achats ont été supprimées, mais les paiements trimestriels et annuels permettent désormais d’économiser respectivement 10 % et 30 %.

Le déploiement local de GLM-5 nécessite environ 1 490 gigaoctets de mémoire, soit près du double de l’espace requis par GLM-4.7. Ce besoin matériel constitue un obstacle pour les petites organisations souhaitant exécuter le modèle sur leurs propres serveurs, même si les poids du modèle restent disponibles sur HuggingFace et ModelScope pour les utilisateurs disposant de ressources suffisantes. Pour les utilisateurs de l’API cloud, les tensions sur l’infrastructure pourraient entraîner des incertitudes concernant les limites de débit ou une dégradation des temps de réponse, le temps que l’entreprise augmente sa capacité pour faire face à la demande.

Le tarif de l’accès à l’API positionne GLM-5 comme une solution nettement moins coûteuse que les modèles propriétaires occidentaux. Les jetons d’entrée coûtent environ un dollar par million, et les jetons de sortie, 3,20 dollars par million. À titre de comparaison, Claude Opus 4.6 d’Anthropic coûte 5 dollars par million de jetons d’entrée et 25 dollars par million de jetons de sortie, soit un avantage tarifaire d’environ six à dix fois pour GLM-5, selon les usages. GPT-5.2 coûte 1,75 dollar par million de jetons d’entrée et 14 dollars par million de jetons de sortie, des prix qui restent nettement supérieurs à ceux de GLM-5. Grok 4.1 Fast coûte 20 cents par million de jetons d’entrée, ce qui en fait une option moins chère, mais avec des capacités différentes.

Concurrence et calendrier du secteur

La sortie de GLM-5 a coïncidé avec une série d’annonces de laboratoires d’IA chinois concurrents, donnant lieu à une démonstration concentrée des capacités technologiques nationales avant les vacances du Nouvel An lunaire. DeepSeek a mis à jour son modèle phare le même jour, multipliant par dix la taille de sa fenêtre de contexte, qui dépasse désormais un million de jetons. MiniMax, qui a fait son introduction en Bourse à Hong Kong en même temps que Zhipu en janvier, a lancé son modèle M2.5 doté d’outils agentiques améliorés ; son action a gagné près de 50 % sur la semaine. Parmi les autres nouveautés figurent le modèle de génération vidéo Seedance 2.0 de ByteDance, le système multimodal unifié Ming-Flash-Omni 2.0 d’Ant Group, capable de générer de la parole et de la musique, et le modèle Kimi 2.5 de Moonshot AI, lancé fin janvier.

Le Premier ministre chinois Li Qiang a insisté, lors d’un discours sur les orientations politiques prononcé le 11 février, sur la nécessité de coordonner les ressources de calcul et les infrastructures énergétiques pour accompagner cette accélération. Il a appelé à déployer l’IA à grande échelle et à la commercialiser, tout en améliorant la coordination des ressources. Il a également mis en avant des projets visant à améliorer l’environnement pour les entreprises et les talents de l’IA. Ce calendrier concerté témoigne du positionnement stratégique du secteur chinois de l’IA, où les entreprises coordonnent de plus en plus leurs grandes annonces afin d’en maximiser l’impact et de démontrer les progrès collectifs réalisés face à la domination technologique américaine.

Pour les investisseurs, la hausse des jeunes pousses exclusivement dédiées à l’IA contraste avec la faiblesse de grands groupes technologiques diversifiés tels que Tencent et Alibaba, dont les actions ont respectivement reculé de 2,6 % et de 2,1 % sur la même période. Cela témoigne d’une préférence du marché pour les entreprises spécialisées dans l’intelligence artificielle plutôt que pour les grands groupes diversifiés. Les analystes de Jefferies ont souligné les solides capacités agentiques des modèles chinois, qui les placent en bonne position pour tirer parti de l’adoption rapide de l’IA par les entreprises. L’indice Hang Seng Tech de Hong Kong a reculé de 1,7 % dans son ensemble, signe d’un enthousiasme sélectif des investisseurs.

L’essentiel

• Zhipu AI a lancé GLM-5, un modèle de langage open source de 744 milliards de paramètres, entraîné exclusivement sur des puces Huawei Ascend et sans matériel NVIDIA. Une étape importante pour l’indépendance de la Chine en matière d’infrastructures d’IA.
• Le modèle obtient 77,8 % au test de programmation SWE-bench Verified, se rapprochant de Claude Opus 4.5 d’Anthropic, et se classe premier parmi les modèles open source à Vending Bench 2 et BrowseComp.
• GLM-5 repose sur une architecture à mélange d’experts comptant 256 experts et utilise DeepSeek Sparse Attention pour traiter des fenêtres de contexte de 200 000 jetons tout en maîtrisant les coûts de calcul.
• Le système affiche un taux d’hallucination historiquement bas, avec un score de moins un à l’indice Omniscience d’Artificial Analysis, soit une amélioration de 35 points par rapport à la génération précédente.
• En raison des tensions sur son infrastructure, Zhipu AI a augmenté de 30 % le prix de l’abonnement GLM Coding Plan. L’action de l’entreprise, cotée à Hong Kong, a bondi de près de 30 % après l’annonce.
• Le lancement coïncide avec d’importantes mises à jour de DeepSeek, MiniMax, ByteDance et Ant Group, qui intensifient la concurrence dans le secteur chinois de l’IA avant les vacances du Nouvel An lunaire.