La course de la Chine aux puces d’IA de Nvidia s’accélère

Pourquoi la course de la Chine aux puces d’IA est importante aujourd’hui

La Chine s’emploie à réduire sa dépendance aux processeurs importés pour l’intelligence artificielle. Le pays investit massivement dans les laboratoires de recherche, les fonderies et les infrastructures cloud afin que les prochaines avancées des grands modèles de langage, de la robotique et de l’automatisation reposent sur des puces produites sur son territoire. L’objectif stratégique est clair : produire des puces haut de gamme à grande échelle, développer les logiciels permettant de les exploiter efficacement et garder les capacités de calcul essentielles à portée du pays.

Cette ambition a été secouée en 2024, lorsque la start-up DeepSeek a dévoilé une IA conversationnelle capable de rivaliser avec les principaux systèmes occidentaux. L’entreprise a affirmé avoir entraîné son modèle avec bien moins d’accélérateurs haut de gamme que ses concurrents, signe que des logiciels plus intelligents et des méthodes d’entraînement efficaces peuvent compenser en partie les limites matérielles. Son lancement a brièvement fait chuter la capitalisation boursière de Nvidia et mis en lumière la rapidité avec laquelle les développeurs chinois progressent. Depuis, des géants de la technologie et des concepteurs de puces de tout le pays ont annoncé leur intention de concurrencer Nvidia dans les centres de données chinois.

Le directeur général de Nvidia, Jensen Huang, a salué les importantes réserves de talents en ingénierie de la Chine et l’intensité de la concurrence intérieure. Lors d’un podcast consacré aux technologies et aux affaires en septembre, il a loué la dynamique du pays et lancé un défi à son propre camp.

C’est un secteur dynamique, entrepreneurial, de haute technologie et moderne », a-t-il déclaré. « Nous devons nous battre pour survivre.

Comment les acteurs chinois comptent rivaliser

Plusieurs entreprises chinoises développent des solutions de remplacement aux accélérateurs et aux systèmes complets de Nvidia. Huawei a lancé de nouveaux processeurs Ascend et prévoit d’accompagner les développeurs pendant trois ans. Alibaba affirme que son dernier accélérateur peut égaler les performances du H20 de Nvidia, une puce adaptée au marché chinois conformément aux règles américaines, tout en consommant moins d’énergie. Des start-up comme MetaX et Cambricon décrochent des contrats auprès de grandes entreprises. De grandes plateformes, dont Tencent et Baidu, conçoivent des puces sur mesure pour leurs propres infrastructures cloud. Le message aux clients chinois est constant : si la politique d’exportation limite l’accès au matériel américain, les solutions chinoises combleront le manque.

La stratégie système de Huawei

Huawei mise sur l’architecture système pour réduire son retard sur Nvidia. Lors de la Conférence mondiale sur l’intelligence artificielle, à Shanghai, l’entreprise a présenté le CloudMatrix 384, un système de calcul pour l’IA qui regroupe 384 processeurs Ascend 910C dans un même déploiement. Le GB200 NVL72 de Nvidia, son concurrent, utilise 72 puces B200, mais Huawei a choisi une autre approche. Le CloudMatrix s’appuie sur une interconnexion de type supernœud qui permet à des centaines de processeurs de fonctionner comme une seule réserve de puissance de calcul, grâce à des liaisons très rapides entre les puces. En misant sur une mise à l’échelle horizontale, Huawei entend compenser les performances plus modestes de chaque puce par une meilleure cohésion du système.

Selon des analystes du secteur, cette approche peut offrir des résultats compétitifs pour certaines charges de travail. Des informations laissent penser que le CloudMatrix surpasse le GB200 NVL72 de Nvidia selon certains indicateurs, même si Huawei doit s’appuyer sur des procédés de fabrication plus anciens. Le système est déjà disponible sur le cloud de Huawei, offrant aux clients chinois une solution locale pour entraîner et déployer des modèles. Ce choix d’architecture répond aussi à l’objectif politique de la Chine : contourner les restrictions à l’exportation en gagnant en efficacité à l’échelle du système.

Alibaba et une relève grandissante

Alibaba a annoncé un nouvel accélérateur d’IA qui, selon les médias d’État, égale le H20 tout en consommant moins d’énergie. MetaX fournit des puces à China Unicom. La valorisation de Cambricon a plus que doublé ces derniers mois, les investisseurs misant sur la hausse de la demande intérieure d’accélérateurs. Tencent développe des puces en interne pour son cloud et ses services d’IA. Ces projets s’inscrivent dans une évolution plus large : les entreprises chinoises transfèrent leurs charges de travail vers des équipements locaux lorsque les performances, la disponibilité et le coût le permettent.

Les développeurs s’adaptent déjà. Chen Cheng, directrice générale de la traduction par IA chez iFlytek, a expliqué comment son équipe a fait face aux récentes restrictions sur le matériel américain en passant à des processeurs chinois.

« Notre modèle est maintenant entraîné sur des puces Huawei, actuellement les meilleures de Chine », a-t-elle déclaré.

Ce que changent les contrôles à l’exportation et les mesures de répression

Les règles d’exportation ont remodelé le marché. Depuis 2022, Washington impose des restrictions de plus en plus sévères à la vente de puces d’IA avancées à la Chine. Les dernières mesures excluent le H20 de Nvidia, un processeur conçu pour respecter les seuils d’exportation précédents. Des élus ont fait avancer des mesures qui obligeraient les fabricants américains de puces à donner la priorité aux clients nationaux plutôt qu’aux acheteurs étrangers, alors même que les entreprises avertissent que des règles trop rigides pourraient freiner l’innovation et détourner la demande. Une récente mesure prévoit également le versement au gouvernement américain d’une partie des revenus tirés de certaines ventes de puces d’IA en Chine. Le durcissement des contrôles réduit le marché potentiel des fournisseurs américains dans le pays qui achète plus de puces que tout autre.

Pékin a réagi par des contrôles aux frontières et des pressions sur le marché intérieur. Les autorités ont demandé aux grandes entreprises technologiques de suspendre leurs commandes d’accélérateurs Nvidia et renforcé les inspections dans les ports afin d’intercepter les cargaisons non autorisées ou mal déclarées, notamment des modèles destinés au marché chinois comme le H20 et le RTX 6000D. Les responsables enquêtent sur des réseaux de contrebande qui faisaient entrer des processeurs haut de gamme dans les centres de données chinois par des voies indirectes. Par ailleurs, les autorités de régulation ont ouvert une enquête antitrust visant Nvidia, signe d’un examen plus approfondi de ses pratiques commerciales en Chine. Ces mesures visent à orienter les acheteurs vers les fournisseurs locaux et à resserrer les circuits du marché gris.

Handel Jones, consultant de longue date dans le secteur des semi-conducteurs, a averti que l’effet cumulé pourrait être considérable pour les entreprises américaines qui dépendaient de la demande chinoise.

« Pour l’industrie américaine des semi-conducteurs, la Chine, c’est fini », a-t-il déclaré.

Les écarts de performances persistent : tests et logiciels

Les affirmations d’équivalence doivent être examinées avec prudence. Les données publiques sur les accélérateurs chinois sont limitées et les tests normalisés restent rares. Les performances dépendent de la tâche, de la taille du modèle, de la bande passante de l’interconnexion, de l’architecture mémoire et de la qualité de la pile logicielle entre la puce et l’application. Des chercheurs qui ont travaillé avec les deux écosystèmes estiment que les puces chinoises ont réduit l’écart pour les tâches de prédiction, où un modèle complète une phrase ou classe une image, mais restent à la traîne pour l’analyse complexe et l’entraînement à grande échelle.

Le spécialiste en informatique Jawad Haj Yahya, qui a testé des accélérateurs américains et chinois, rappelle que l’équivalence dépend de la charge de travail.

« L’écart est net et il se réduit certainement. Je ne pense pas qu’ils puissent le combler à court terme », a-t-il déclaré.

Cette différence compte, car l’entraînement est l’étape la plus exigeante de l’IA moderne. Il nécessite d’énormes capacités de calcul, des liaisons très rapides entre les processeurs et une mémoire à large bande passante capable de les alimenter sans créer de goulots d’étranglement. Les analyses indiquent que le 910B de Huawei convient bien à l’inférence, la phase durant laquelle un modèle entraîné répond aux requêtes, mais qu’il est limité par la connectivité entre les puces et la vitesse de la mémoire, ce qui le rend moins adapté aux entraînements de grande ampleur. Même le H20 de Nvidia, soumis à des restrictions, reste l’option privilégiée de nombreux utilisateurs en Chine lorsqu’ils peuvent s’en procurer. Les développeurs locaux indiquent que l’entraînement peut prendre des semaines. L’entraînement de DeepSeek, très commenté, a duré entre trois et huit semaines pour sa dernière phase, un effort coûteux à tous égards, même avec un code efficace.

Les logiciels constituent un autre obstacle. Nvidia a passé des années à développer un ensemble d’outils, de bibliothèques et de logiciels réseau auxquels les développeurs font confiance à grande échelle. Cette pile oriente les charges de travail vers le matériel Nvidia et raccourcit le passage du prototype à la production. Huawei travaille à proposer sa propre plateforme et a promis d’ouvrir davantage de conceptions et de code aux développeurs chinois. L’adoption progresse, mais reformer les équipes, réécrire le code et revalider les modèles prend du temps, ce qui ralentit la migration depuis les plateformes bien établies.

L’ingénieur en semi-conducteurs Raghavendra Anjanappa estime que la Chine peut répondre à de nombreux besoins avec des puces locales, mais que le matériel américain reste privilégié pour les problèmes les plus difficiles.

« Dans les faits, la Chine peut réduire sa dépendance aux puces américaines pour les outils moins avancés, mais elle ne dispose pas des performances brutes des puces américaines pour entraîner des systèmes d’IA plus complexes », a-t-il déclaré.

Les goulots d’étranglement industriels qui freinent la Chine

Un autre ensemble de contraintes se situe dans les usines. Les contrôles américains et néerlandais limitent l’accès aux équipements de lithographie avancée utilisés pour produire les transistors les plus petits. Les fonderies chinoises sont ainsi contraintes de pousser leurs anciennes machines à leurs limites en répétant les opérations de structuration, ce qui est plus lent et plus coûteux, et réduit le nombre de puces fonctionnelles obtenues par tranche. Selon les analystes qui suivent la fabrication, le rendement des grands processeurs d’IA chinois s’est amélioré, mais reste très inférieur à celui des leaders mondiaux. Des informations publiées cette année font état d’une progression du rendement d’environ 20 % à 40 % pour une nouvelle puce Huawei, alors que les principales fonderies étrangères peuvent approcher les 60 % pour des composants de taille comparable. Un rendement plus faible augmente les coûts et limite le nombre d’accélérateurs fonctionnels mis sur le marché.

Le conditionnement avancé et la mémoire sont tout aussi difficiles à maîtriser. Les accélérateurs d’IA dépendent de mémoires à large bande passante pour alimenter en données des milliers de cœurs. Les puces doivent être assemblées à l’aide de techniques avancées qui empilent et connectent les composants tout en évacuant la chaleur. Les équipes chinoises savent fabriquer ces composants, mais le manque de mémoire haut de gamme et les restrictions d’accès aux équipements limitent la production. Des problèmes fonctionnels persistent. Des informations antérieures signalaient que certaines puces chinoises rencontraient des difficultés de connectivité entre les puces et de vitesse mémoire, ce qui pénalise l’efficacité de l’entraînement à grande échelle.

Aucun de ces obstacles n’est insurmontable, mais les surmonter demande du temps, des capitaux et un approvisionnement régulier en équipements spécialisés. Stephen Wu, ancien ingénieur en IA aujourd’hui à la tête d’une société d’investissement, a résumé la logique stratégique qui sous-tend les efforts de longue haleine de Pékin.

« La Chine veut des puces que la politique ne puisse pas lui retirer », a-t-il déclaré.

Conséquences pour les centres de données et les marchés

Les exploitants de centres de données arbitrent entre trois priorités : les performances, la consommation d’énergie et la sécurité d’approvisionnement. Si un accélérateur chinois offre une vitesse suffisante pour une charge de travail donnée tout en consommant moins d’énergie, les acheteurs chinois ont une raison de changer de solution. C’est aujourd’hui surtout le cas pour l’inférence et l’entraînement de modèles plus petits, où les architectures système peuvent compenser les performances plus modestes de chaque puce. Pour l’entraînement des modèles de pointe, qui repousse les limites de l’échelle, Nvidia conserve son avance, tant sur les puces que sur les logiciels. Il en résulte un déploiement à deux vitesses en Chine : les projets les plus exigeants continuent de chercher à se procurer des puces américaines chaque fois que la politique le permet.

La situation politique oblige les entreprises technologiques mondiales à faire de nouveaux choix. Le durcissement des règles américaines et les contrôles douaniers de Pékin réduisent les voies d’approvisionnement légales vers la Chine. Les soupçons concernant un marché gris de puces reconditionnées ou réaffectées ont entraîné des contrôles renforcés dans les ports. Les difficultés d’importation ralentissent les projets d’expansion des centres de données et orientent davantage de charges de travail vers les fournisseurs locaux. Dans le même temps, les élus américains veulent s’assurer que les clients américains ne soient pas servis après les acheteurs chinois lorsque les composants se font rares, tandis que les nouvelles conditions sur les revenus réalisés en Chine augmentent le coût des activités dans le pays.

Nvidia, de son côté, tente de trouver un équilibre délicat. L’entreprise a cherché à respecter la réglementation tout en fournissant des produits conformes à ses clients chinois. Lors d’une rencontre avec des dirigeants d’entreprises chinoises cette année, Jensen Huang a souligné cette approche.

« Nous continuerons à déployer des efforts importants pour optimiser nos produits afin qu’ils soient conformes à la réglementation, et à servir le marché chinois », a-t-il déclaré.

Calendrier et scénarios

À quelle vitesse la Chine peut-elle combler son retard dans le calcul d’IA haut de gamme ? Les analystes avancent des échéances différentes, mais un point de vue commun se dessine. Beaucoup pensent que les entreprises chinoises pourront atteindre une large autonomie pour les tâches de milieu de gamme et d’inférence d’ici environ cinq ans, tandis qu’égaler les meilleures plateformes américaines d’entraînement pourrait prendre beaucoup plus de temps. Certains estiment qu’il faudra attendre la prochaine décennie pour atteindre une équivalence complète dans les processeurs, la mémoire à large bande passante, le conditionnement avancé, les réseaux et les logiciels.

La dynamique est bien réelle sur le terrain. Huawei augmente sa production, Alibaba investit et un nombre croissant de concepteurs, de MetaX à Cambricon, trouvent des acheteurs. Le soutien public reste fort et la demande intérieure de services d’IA s’envole. Malgré cela, les goulots d’étranglement liés aux équipements, aux rendements et aux écosystèmes de développeurs limiteront la vitesse à laquelle les performances rattraperont leur retard au sommet du marché. À court terme, le scénario le plus probable est celui d’un écosystème chinois plus mature, capable de répondre à une grande partie des besoins du pays en matière d’IA, mais qui restera dépendant du matériel étranger pour les entraînements les plus lourds chaque fois que la réglementation en autorisera l’accès.

L’approche de la Chine, dirigée par l’État, est à la fois un atout et une contrainte. Une direction centralisée concentre les ressources sur des objectifs clairs, mais peut aussi freiner les idées audacieuses qui débouchent sur des percées. Chia Lin Yang, professeure en informatique spécialisée dans la conception des puces, a mis en garde contre le risque que des objectifs uniformes nuisent à la créativité, tout en soulignant l’abondance des talents disponibles.

Cela peut rendre plus difficile l’émergence d’idées de rupture », a-t-elle déclaré. « Il ne faut pas sous-estimer la capacité de la Chine à rattraper son retard.

Points clés

• La Chine investit massivement pour produire des puces d’IA haut de gamme à grande échelle et réduire sa dépendance aux importations.
• L’entraînement du modèle de DeepSeek en 2024 a montré que les gains d’efficacité reposent sur des logiciels plus intelligents, et pas seulement sur un plus grand nombre de puces.
• Le CloudMatrix 384 de Huawei regroupe des centaines de processeurs Ascend 910C reliés par une interconnexion rapide pour rivaliser à l’échelle du système.
• Alibaba, MetaX, Cambricon, Tencent et Baidu développent des accélérateurs chinois et des puces sur mesure pour les centres de données locaux.
• Les restrictions américaines bloquent désormais le H20 de Nvidia et pourraient obliger les fabricants américains de puces à donner la priorité aux clients nationaux et à reverser une partie des revenus de certaines ventes en Chine.
• La Chine a renforcé les contrôles dans les ports, découragé les nouvelles commandes de puces Nvidia et ouvert une enquête antitrust sur l’entreprise.
• Selon les experts, les puces chinoises sont compétitives pour l’inférence, mais restent à la traîne pour l’entraînement de grands modèles et l’analyse complexe.
• Les contraintes de fabrication comprennent des rendements plus faibles, un accès limité aux outils de lithographie avancée et des goulots d’étranglement concernant la mémoire à large bande passante et le conditionnement.
• Les logiciels restent un avantage majeur pour Nvidia, tandis que Huawei ouvre ses conceptions et ses outils pour élargir leur adoption par les développeurs.
• De nombreux analystes s’attendent à ce que la Chine atteigne l’autonomie pour les charges de travail de milieu de gamme d’ici environ cinq ans, mais estiment qu’il faudra plus longtemps pour parvenir à une équivalence dans le haut de gamme.