Une utilisation accrue de l’IA, des prix plus élevés et un délai plus long avant le début de la réponse
La consommation quotidienne de jetons d’intelligence artificielle en Chine a atteint environ 500 000 milliards en juin 2026, soit près de quatre fois le niveau enregistré en décembre 2025, selon l’Académie chinoise des technologies de l’information et des communications (CAICT). Les prix ont augmenté parallèlement à la demande : le prix intérieur moyen, ramené à une base commune de comparaison, est passé de 6,8 yuans au second semestre 2025 à 13,46 yuans en 2026, soit une hausse d’environ 98 %.
Sommaire
- Une utilisation accrue de l’IA, des prix plus élevés et un délai plus long avant le début de la réponse
- Ce que la Chine consomme à une telle échelle
- Ce que le suivi a évalué
- Les prix repartent à la hausse après deux ans de baisse
- Les réponses arrivent plus vite une fois la génération lancée
- Pourquoi la première réponse se fait davantage attendre
- Les modèles peuvent traiter beaucoup plus d’informations à la fois
- Un même modèle peut donner des résultats différents selon la plateforme
- Ce que ces évolutions impliquent pour les clients
- Points clés
Le rapport 2026 de la CAICT sur le suivi des performances des services de jetons des grands modèles, publié le 23 octobre, relève également une évolution que les utilisateurs peuvent constater directement. En août, les modèles chinois généraient du texte environ deux fois plus vite que la moyenne de 2025, mais mettaient davantage de temps à produire leur premier jeton. Une fois la réponse commencée, elle arrivait plus vite ; avant son démarrage, l’attente était plus longue.
Ces résultats dressent le tableau d’un marché qui se remet de deux années de concurrence sur les prix, d’une consommation en forte croissance et de services capables de traiter des volumes d’informations bien plus importants. Ils montrent aussi pourquoi le choix d’un service d’IA ne se résume pas au nom du modèle : différentes plateformes utilisant le même modèle ont obtenu des résultats sensiblement différents.
Ce que la Chine consomme à une telle échelle
Un jeton est une petite unité d’information traitée ou générée par un modèle d’IA. Dans un texte, il peut correspondre à un mot, à une partie de mot ou à un signe de ponctuation. Les jetons offrent une unité commune pour mesurer le volume de travail traité par un modèle, même si leur rapport aux mots varie selon les langues et les systèmes.
Le chiffre d’environ 500 000 milliards de jetons par jour avancé par la CAICT décrit donc le volume d’activité des modèles. La hausse de près de quatre fois depuis décembre 2025 correspond à une croissance d’environ 300 %, le total de juin étant presque quatre fois supérieur au niveau antérieur.
De plus en plus de fournisseurs commercialisent désormais l’accès à leurs modèles via des plateformes de modèle en tant que service, souvent désignées par le sigle MaaS. Les clients envoient des requêtes par l’intermédiaire d’une interface de programmation d’application (API) accessible sur le cloud public, une connexion qui permet à un logiciel de demander à un autre d’effectuer une tâche. Les entreprises peuvent ainsi intégrer l’IA à leurs produits sans exploiter elles-mêmes le modèle sous-jacent.
Ce que le suivi a évalué
L’Institut de recherche sur l’intelligence artificielle de la CAICT a publié le rapport conjointement avec le laboratoire clé du ministère de l’Industrie et des Technologies de l’information consacré à l’évaluation des grands modèles et du matériel et des logiciels, ainsi qu’avec l’Alliance de l’industrie de l’intelligence artificielle. Le suivi couvre la période de janvier à août 2026.
L’évaluation porte sur les taux de réussite des requêtes, la vitesse de génération, le délai avant le début de la génération, la stabilité, les prix et les fenêtres de contexte. Elle compare les plateformes officielles des modèles à des services tiers proposant DeepSeek, Qwen, GLM et Kimi, quatre familles de modèles open source.
Selon la CAICT, les utilisateurs ont souvent du mal à évaluer les performances des services de jetons et à choisir un fournisseur. Ses mesures répondent à ce problème concret en distinguant plusieurs aspects du service qu’un simple chiffre de prix ou de vitesse ne permettrait pas de voir.
Les principales dates permettent de suivre l’évolution :
- Décembre 2025 : point de comparaison pour la hausse ultérieure de près de quatre fois de la consommation quotidienne de jetons en Chine.
- Janvier à août 2026 : période couverte par le suivi du rapport.
- Mai 2026 : le suivi a intégré les nouvelles versions des quatre familles de modèles open source.
- Juin 2026 : la consommation quotidienne de jetons en Chine a atteint environ 500 000 milliards.
- Août 2026 : la vitesse moyenne de génération en Chine s’est établie à 78,23 jetons par seconde.
- 23 octobre 2026 : publication du rapport.
Les prix repartent à la hausse après deux ans de baisse
Les services de modèles chinois ont abordé 2026 après deux années de concurrence sur les prix. Le passage de 6,8 à 13,46 yuans représente une hausse de 6,66 yuans selon la mesure de prix normalisée de la CAICT, soit presque le double de la moyenne précédente.
La normalisation consiste à ramener différentes modalités de tarification à une base commune pour pouvoir les comparer. La quantité facturée correspondant aux montants en yuans cités n’est pas précisée ; les clients ne peuvent donc pas convertir directement la moyenne du rapport en coût d’une requête précise.
Les modèles étrangers courants lancés en 2026 affichaient une moyenne d’environ 117,8 yuans selon la même mesure normalisée. C’est environ 8,8 fois la moyenne chinoise de 13,46 yuans. Cette comparaison porte sur les groupes suivis, tandis que les clients doivent toujours composer avec des tarifs propres à chaque modèle et à chaque plateforme.
Les réponses arrivent plus vite une fois la génération lancée
En août, les modèles chinois ont produit en moyenne 78,23 jetons par seconde, contre une moyenne de 38,25 en 2025. La hausse, d’environ 105 %, signifie que la vitesse de génération a un peu plus que doublé.
Cette mesure, appelée débit ou nombre de jetons par seconde (TPS), indique à quelle vitesse un service génère sa réponse. Un chiffre plus élevé peut réduire le temps nécessaire à la production d’une longue réponse une fois la génération lancée.
En août, les modèles étrangers courants ont atteint une moyenne de 112,82 jetons par seconde, soit environ 44 % de plus que les modèles chinois. Leur vitesse de génération avait également fortement progressé, passant de 51,35 jetons par seconde en décembre 2025, soit une hausse d’environ 120 %.
Les périodes de comparaison diffèrent : le chiffre chinois est comparé à la moyenne de l’ensemble de l’année 2025, tandis que le chiffre étranger est comparé à celui de décembre. Les deux séries montrent une forte amélioration de la vitesse de génération, les modèles étrangers suivis conservant une moyenne plus élevée en août.
Pourquoi la première réponse se fait davantage attendre
En août, les modèles chinois ont mis en moyenne 1,26 seconde à produire leur premier jeton, contre 0,78 seconde en 2025. Cette hausse de 0,48 seconde représente environ 62 %.
Ce délai est appelé temps jusqu’au premier jeton, ou TTFT. Pour une personne qui utilise un chatbot, il correspond à la pause entre l’envoi d’une requête et le début de l’affichage de la réponse. Le débit mesure la vitesse après cette pause : un service peut donc progresser sur un indicateur tout en ralentissant sur l’autre.
En août, les modèles étrangers courants ont mis en moyenne 2,08 secondes à commencer leur réponse, contre 1,04 seconde en avril. En moyenne, les modèles chinois ont donc commencé à générer 0,82 seconde plus tôt en août, même si la suite de leur réponse était plus lente.
La CAICT attribue l’allongement des délais initiaux à plusieurs évolutions simultanées : des modèles plus grands, des contextes plus longs et davantage de requêtes. Les modèles plus grands nécessitent davantage de calcul ; les contextes plus longs leur donnent plus d’informations à traiter ; un trafic plus dense sollicite davantage le service.
Les modèles peuvent traiter beaucoup plus d’informations à la fois
Parmi les modèles suivis, 47,8 % prenaient en charge des fenêtres de contexte d’un million de jetons. Une part bien plus importante, 95,7 %, pouvait traiter au moins 200 000 jetons, soit une hausse de plus de 76 points de pourcentage depuis la fin de 2025.
Une fenêtre de contexte correspond à la quantité d’informations qu’un modèle peut traiter au cours d’une requête. Elle peut inclure des consignes, les échanges précédents et des documents soumis à l’analyse. Une fenêtre plus grande permet aux utilisateurs de fournir davantage d’informations en une seule fois, au lieu de les répartir entre plusieurs requêtes.
Ces chiffres montrent à quelle vitesse les contextes plus longs se sont généralisés parmi les modèles suivis. Près de la moitié offraient une capacité d’un million de jetons, tandis que seuls 4,3 % restaient sous la barre des 200 000. La hausse de plus de 76 points de pourcentage signifie que la part des modèles prenant en charge au moins 200 000 jetons était inférieure à 19,7 % à la fin de 2025.
Pour une entreprise qui traite de longs documents, cette capacité accrue change le volume d’informations pouvant tenir dans une seule tâche. Elle aide aussi à comprendre pourquoi le rapport étudie cette capacité parallèlement au temps d’attente : un modèle peut traiter beaucoup plus d’informations avant que sa première réponse visible n’apparaisse.
Un même modèle peut donner des résultats différents selon la plateforme
Les services proposant DeepSeek, Qwen, GLM et Kimi présentaient des différences de débit, de délai avant la première réponse et de taux de réussite des requêtes selon le fournisseur. Pour un même modèle, l’écart de vitesse de génération entre plateformes approchait un facteur deux.
Certains services tiers ont obtenu de meilleurs résultats que les plateformes officielles. La CAICT attribue ces variations aux différences d’accélération de l’inférence, de stratégies d’optimisation et de maîtrise des coûts. L’inférence est le processus de calcul par lequel un modèle entraîné produit une réponse ; les fournisseurs peuvent organiser et optimiser ce travail de différentes façons.
Les changements de version ont également joué un rôle. En août, DeepSeek-V4-Pro affichait un débit deux fois supérieur à celui de DeepSeek-V3.2. Après les mises à niveau de mai, les modèles suivis ont généralement connu une hausse initiale du temps d’attente, suivie d’une baisse à mesure que les fournisseurs introduisaient des optimisations. Les délais se sont progressivement rapprochés de leur niveau antérieur aux mises à niveau.
Les clients doivent donc prendre deux décisions liées : quel modèle utiliser et quelle plateforme le fera fonctionner. Les résultats du rapport montrent que les performances du fournisseur constituent un critère concret dans ce choix.
Ce que ces évolutions impliquent pour les clients
Une entreprise qui achète un accès à l’IA est désormais confrontée à une hausse des prix intérieurs moyens, mais aussi à une génération plus rapide et à des fenêtres de contexte bien plus grandes. La comparaison la plus utile dépend de la tâche : un dialogue interactif privilégie un démarrage rapide, tandis que la génération d’une longue réponse rend la vitesse de production continue plus déterminante.
Un service d’analyse de documents peut nécessiter une grande fenêtre de contexte, tandis qu’une application traitant de nombreuses demandes de clients dépend aussi de la réussite des appels et de la stabilité des performances. La CAICT inclut tous ces indicateurs, car chacun influe sur une partie différente de l’expérience utilisateur.
Dans son ensemble, le rapport décrit un marché en expansion, tant en volume qu’en capacités, mais devenu plus coûteux selon sa mesure de prix normalisée. Les services chinois conservaient un avantage tarifaire important sur les modèles étrangers suivis et commençaient à répondre plus vite en moyenne en août. Les modèles étrangers généraient leurs jetons plus rapidement une fois la réponse lancée. Dans les deux groupes, l’allongement du délai avant le premier jeton révèle les contraintes liées à des modèles plus grands et à une utilisation plus intense.
Points clés
- En juin 2026, la Chine a consommé environ 500 000 milliards de jetons d’IA par jour, soit près de quatre fois le niveau de décembre 2025.
- Les prix intérieurs normalisés ont augmenté d’environ 98 %, passant de 6,8 à 13,46 yuans.
- En août, la vitesse moyenne de génération des modèles chinois s’élevait à 78,23 jetons par seconde, soit plus du double de la moyenne de 2025.
- Le délai d’attente des modèles chinois avant le premier jeton est passé de 0,78 à 1,26 seconde.
- Parmi les modèles suivis, 95,7 % prenaient en charge des fenêtres de contexte d’au moins 200 000 jetons.
- La vitesse de génération d’un même modèle variait presque du simple au double selon les plateformes, certains fournisseurs tiers surpassant les services officiels.
