Les géants chinois de la tech lancent une offensive coordonnée dans l’IA pendant les festivités du Nouvel An lunaire

Une offensive coordonnée à la frontière de l’IA physique

Tandis que les marchés américains restaient rivés aux dernières annonces d’Anthropic et d’OpenAI, les géants chinois de la technologie ont orchestré cette semaine le lancement simultané de systèmes d’intelligence artificielle avancés, signe d’un bouleversement majeur du paysage mondial de l’IA. Alibaba, ByteDance et Kuaishou ont dévoilé des modèles prêts à être déployés, dans des domaines allant de la robotique à la génération de vidéos cinématographiques en passant par les systèmes autonomes à base d’agents. Ces annonces montrent que les entreprises chinoises ont réduit à quelques mois seulement leur retard technologique sur leurs concurrentes occidentales.

Le choix du calendrier était indéniablement stratégique. Ces lancements ont coïncidé avec la période du Nouvel An lunaire, le rendez-vous de consommation le plus important en Chine, durant lequel les entreprises technologiques présentent traditionnellement leurs innovations à des centaines de millions de téléspectateurs lors du gala du Nouvel An du CCTV. ByteDance a obtenu un partenariat exclusif dans le cloud avec le diffuseur public, tandis qu’Alibaba a déployé une campagne promotionnelle de 434 millions de dollars et que Tencent a consacré 1 milliard de yuans à des cadeaux pour les fêtes. Cette convergence entre prouesses techniques et marketing culturel témoigne de la volonté de Pékin de dominer ce que les professionnels du secteur appellent la frontière de l’IA physique : des systèmes qui vont au-delà des chatbots pour manipuler des objets, produire des médias photoréalistes et exécuter de manière autonome des tâches complexes.

Quand les machines se souviennent : le pari d’Alibaba sur l’intelligence incarnée

Le DAMO Academy d’Alibaba a présenté RynnBrain, un modèle de robotique open source qui marque une avancée fondamentale dans la manière dont les machines perçoivent le monde physique et interagissent avec lui. Contrairement aux systèmes de vision classiques, qui traitent chaque image séparément, RynnBrain intègre une perception temporelle et spatiale, permettant aux robots de se souvenir du moment et du lieu où des événements se sont produits, de suivre l’avancement d’une tâche en plusieurs étapes et de reprendre des activités interrompues.

Dans les vidéos de démonstration, des robots équipés de simples pinces ont réalisé des tâches d’une complexité trompeuse : compter des oranges, choisir des fruits précis parmi un tas et aller chercher du lait dans un réfrigérateur. Ces activités, triviales pour les humains, nécessitent d’importantes capacités de calcul, notamment la reconnaissance d’objets, la cartographie spatiale, la planification de trajectoires et la mémorisation de séquences. Adina Yakefu, chercheuse chez Hugging Face, a expliqué l’importance de cette innovation architecturale.

Au lieu de simplement réagir aux données qu’il reçoit à l’instant présent, le robot peut se souvenir du moment et du lieu où les événements se sont produits, suivre l’avancement d’une tâche et la poursuivre en plusieurs étapes. Il gagne ainsi en fiabilité et en cohérence dans des environnements réels complexes.

Le modèle s’appuie sur une architecture à mélange d’experts qui n’active que 3 milliards de paramètres au moment de l’inférence. Les coûts de calcul restent ainsi maîtrisés, tandis que le modèle surpasserait, selon les résultats publiés, Gemini Robotics-ER 1.5 de Google et Cosmos-Reason2 de Nvidia sur plusieurs tests de référence. En publiant RynnBrain en open source sur GitHub et Hugging Face, Alibaba propose une solution moins coûteuse que les services cloud comparables de ses concurrents, tout en affichant son ambition de créer une couche d’intelligence fondamentale pour l’automatisation industrielle, la logistique et la santé.

Hollywood bouleversé : ByteDance et Kuaishou réinventent la production vidéo

Seedance 2.0 de ByteDance et Kling 3.0 de Kuaishou ont fait de la génération de vidéos à partir de texte un outil de production professionnel, et non plus une simple curiosité. Ils défient directement Sora d’OpenAI et créent, selon les analystes, une plateforme appelée à devenir une norme industrielle pour la création de contenus.

Seedance 2.0 traite simultanément du texte, des images, de l’audio et de la vidéo. Il génère des séquences cinématographiques pouvant durer jusqu’à 15 secondes, avec des personnages cohérents, une physique réaliste et une bande-son synchronisée en plusieurs langues. Intégré à la suite Dreamina de ByteDance, dans CapCut, il se présente comme un outil accessible aux annonceurs, aux créateurs de contenus pour les réseaux sociaux et aux producteurs de films. Billy Boman, directeur de création basé à Stockholm et producteur de contenus générés par l’IA, décrit cette évolution technologique comme une transformation majeure.

En 2023, il était difficile de faire courir ou marcher quelqu’un. Le réalisme était limité à de très courts extraits ; tout était très lent, les textures étaient mauvaises, la peau n’avait pas de texture et les détails manquaient. Aujourd’hui, la donne a changé. Je peux tout faire. Les progrès technologiques ont été tout simplement exceptionnels.

Mais le déploiement rapide de ces outils a révélé des failles dans leur gouvernance. ByteDance a suspendu une fonctionnalité controversée, Face-to-Voice, capable de reproduire la voix et le style d’élocution d’une personne à partir d’une seule photo, sans échantillon audio ni consentement. Le critique technologique chinois Tim Pan en a fait la démonstration le 10 février. Il a décrit l’expérience comme terrifiante après que le système a cloné sa voix à partir d’une simple image. Cet épisode met en lumière la tension entre capacités technologiques et garde-fous éthiques, d’autant qu’une vidéo virale montrant un faux combat entre Tom Cruise et Brad Pitt a suscité une plainte officielle de la Motion Picture Association pour violation massive du droit d’auteur.

Kling 3.0 de Kuaishou mise sur des atouts complémentaires, avec une narration professionnelle reposant sur une meilleure cohérence des sujets d’un plan à l’autre, un rendu physique réaliste dans les scènes complexes et la génération audio native dans plusieurs langues et dialectes. Le modèle permet de générer des groupes d’images par lots pour préparer un storyboard et porte à 15 secondes la durée des vidéos produites en une seule fois. Il permet aussi de définir précisément la durée de chaque plan, le cadrage et les mouvements de caméra. Actuellement réservé aux abonnés payants, il devrait être bientôt accessible au grand public. Kling a fait grimper le cours de l’action Kuaishou de plus de 50 % en un an, signe que les investisseurs croient au potentiel des outils de création assistés par l’IA pour renforcer l’engagement et ouvrir de nouvelles sources de revenus dans l’écosystème de la vidéo courte.

Démocratiser l’intelligence : la vague de l’open source

Au-delà des applications destinées au grand public, les laboratoires chinois accélèrent la diffusion en open source de grands modèles de langage et de systèmes à base d’agents. Zhipu AI a lancé GLM-5, affirmant que le modèle se rapproche de Claude Opus 4.5 d’Anthropic dans les tests de programmation et dépasse Gemini 3 Pro de Google dans certaines évaluations. MiniMax a dévoilé une version mise à jour de son modèle open source M2.5, dotée d’outils améliorés pour les agents autonomes. Ces systèmes d’IA peuvent exécuter des tâches en plusieurs étapes, comme la planification, la recherche ou le déploiement de logiciels, avec une intervention humaine minimale.

Cette stratégie open source contraste fortement avec les approches commerciales fermées de certains leaders occidentaux de l’IA. En publiant les poids des modèles, le code d’entraînement et les jeux de données, les entreprises chinoises accélèrent l’adoption de leurs technologies, recueillent rapidement des retours et stimulent l’innovation en aval, tout en contournant les contraintes de calcul imposées par les restrictions américaines à l’exportation de semi-conducteurs avancés. En 2025, la gamme Qwen d’Alibaba a dépassé Llama de Meta pour devenir la famille de modèles la plus téléchargée sur Hugging Face. Des équipes chinoises occupent actuellement huit des dix premières places du classement des modèles en vogue sur la plateforme.

Alibaba a également étoffé son offre avec Qwen 3.5, conçu spécialement pour l’ère de l’IA agentique et doté de capacités visuelles permettant d’agir de façon autonome dans des applications mobiles et de bureau. L’entreprise affirme que le modèle coûte 60 % moins cher à exploiter et traite les charges de travail importantes huit fois plus efficacement que son prédécesseur. Dans le même temps, ByteDance a lancé Doubao 2.0, une nouvelle version de l’application de chatbot la plus utilisée en Chine, qui approche les 200 millions d’utilisateurs.

Trois stratégies de domination : efficacité, narration et commerce

Une analyse de marché de Huachuang Securities met en évidence des positionnements stratégiques distincts chez les trois géants technologiques. ByteDance construit une infrastructure axée sur l’efficacité en proposant des outils accessibles, peu coûteux et polyvalents, comparables à une version évoluée de CapCut. L’entreprise cherche à réduire les coûts de production de contenus sur le Web et à nourrir son écosystème grâce à des volumes considérables.

Kuaishou mise sur la narration professionnelle, en ciblant la simulation physique, le réalisme des scènes complexes et la cohérence des personnages pour les démonstrations de films, les récits cinématographiques et les contenus de qualité nécessitant une continuité narrative. Alibaba privilégie, de son côté, l’intégration au commerce en ligne vertical. Qwen-Image-2.0 renforce ses capacités de numérisation des produits et de gestion des flux commerciaux. Cette stratégie s’appuie sur des campagnes promotionnelles qui ont généré plus de 120 millions de commandes en six jours, grâce à la distribution de coupons par l’IA et à l’intégration de la livraison de repas.

Cette différenciation s’inscrit dans une transformation plus vaste de l’offre en matière de création de contenus. À mesure que les outils gagnent en maîtrise et que les systèmes de type « gacha », où les créateurs doivent générer des contenus à répétition pour obtenir un résultat exploitable, cèdent la place à une production industrielle prévisible, le coût marginal de création vidéo se rapproche du seul coût de calcul. Les analystes s’attendent à des répercussions importantes sur les agences de marketing, les prestataires de services pour le commerce en ligne ainsi que les secteurs du manhua et des mini-séries. La baisse des barrières à la production pourrait, dans le même temps, concentrer la valeur de la propriété intellectuelle autour des contenus les plus haut de gamme.

Un écart qui se réduit dans un monde fragmenté

Demis Hassabis, directeur de Google DeepMind, a récemment estimé que les modèles d’IA chinois n’avaient que quelques mois de retard sur leurs concurrents occidentaux. Cet écart continue de se réduire, les laboratoires chinois optimisant leurs modèles pour les équipements disponibles localement et développant des capacités nationales de production de puces. La Chine représente désormais plus de 70 % des dépôts de brevets mondiaux en IA, même si les entreprises américaines restent en tête dans les architectures fondamentales et l’influence des travaux mesurée par les citations.

La concurrence se joue de plus en plus sur l’efficacité de l’inférence et l’intégration aux écosystèmes, plutôt que sur les seuls résultats aux tests de référence. L’essor viral de DeepSeek, fin 2025, a montré que les laboratoires chinois pouvaient rivaliser avec les modèles occidentaux pour une fraction de leur coût de calcul, déclenchant une accélération dans l’ensemble du secteur. Les restrictions américaines à l’exportation de puces à mémoire à large bande passante et d’équipements de fabrication avancés ont compliqué ces progrès sans les arrêter. Huawei, entre autres, développe des lignes de production de semi-conducteurs autonomes.

Dans le même temps, les entreprises technologiques américaines ont restreint l’accès des développeurs chinois à leurs services. OpenAI a interdit l’accès à son API en juillet 2024, Microsoft a mis fin aux services Azure OpenAI pour les développeurs individuels en Chine continentale et des suspensions de comptes sur Claude d’Anthropic ont été signalées. Ces restrictions n’ont fait qu’intensifier les efforts de développement nationaux, contribuant à un paysage de l’IA multipolaire où le leadership varie selon les domaines, et pas seulement selon les régions du monde.

L’essentiel

• Alibaba, ByteDance et Kuaishou ont lancé simultanément des modèles d’IA pendant la période du Nouvel An lunaire, dans les domaines de la robotique, de la génération vidéo et des systèmes à base d’agents
• Le modèle de robotique open source RynnBrain d’Alibaba intègre une perception temporelle et spatiale, permettant aux robots de suivre des tâches en plusieurs étapes et de se souvenir de leurs interactions avec les objets
• Seedance 2.0 de ByteDance génère des vidéos cinématographiques à partir de descriptions textuelles, mais sa fonctionnalité de clonage vocal a été suspendue pour des raisons de consentement, après qu’un critique en a démontré les capacités terrifiantes
• Kling 3.0 de Kuaishou privilégie la narration professionnelle, avec des vidéos de 15 secondes, une bande-son multilingue et une meilleure cohérence des personnages. Le cours de l’action a grimpé de 50 % en un an
• Les entreprises chinoises spécialisées dans l’IA misent résolument sur l’open source. La gamme Qwen d’Alibaba a dépassé Llama de Meta pour devenir la famille de modèles la plus téléchargée sur Hugging Face
• Les stratégies se différencient : ByteDance se concentre sur l’infrastructure d’efficacité, Kuaishou sur le réalisme cinématographique et Alibaba sur l’intégration verticale au commerce en ligne
• Google DeepMind estime que les modèles chinois n’ont que quelques mois de retard sur leurs équivalents occidentaux. L’écart se réduit le plus rapidement en matière d’efficacité de l’inférence et d’applications multimodales