La course mondiale à l’intelligence artificielle pourrait bien se jouer non pas sur la puissance de calcul, mais sur celle de l’électricité. Tandis que la Chine mise sur l’open source et un approvisionnement énergétique massif et diversifié, les stratégies occidentales divergent, créant un avantage potentiel pour Pékin.
- La Chine adopte l’IA open source et développe ses capacités énergétiques (renouvelables et nucléaire), se positionnant pour un déploiement à grande échelle et économique.
- Les modèles d’IA chinois open source réduisent drastiquement le coût de « pensée » artificielle, stimulant l’expérimentation et l’adoption.
- La demande énergétique croissante pour l’IA double d’ici 2030, plaçant les pays avec un accès à une énergie abondante et abordable en position de force.
Alors que les géants technologiques occidentaux privilégient des modèles d’IA propriétaires et gourmands en ressources, la Chine adopte une approche résolument différente. Elle fait le pari de l’intelligence artificielle open source, tout en investissant massivement dans les énergies renouvelables et le nucléaire. Cette stratégie lui confère un avantage concurrentiel de taille : la capacité de déployer des technologies d’IA puissantes à grande échelle, sans grever son budget.
Cette divergence stratégique découle d’une vision du monde fondamentalement distincte. Là où les États-Unis et leurs alliés perçoivent l’IA comme une technologie exclusive, la Chine la considère comme une infrastructure publique. Cette philosophie, déjà appliquée avec succès à son secteur manufacturier, favorise une adoption généralisée, une itération rapide et une réduction constante des coûts. Des modèles comme DeepSeek, Qwen et Kimi ne sont donc pas seulement des prouesses scientifiques, mais de véritables outils stratégiques visant la participation et la transformation de l’économie de l’IA.
La dernière version de DeepSeek égalerait les performances des systèmes pionniers occidentaux, mais pour une fraction du coût de calcul. Les tarifs des API de Qwen et Kimi ont chuté de plusieurs ordres de grandeur, effondrant le coût marginal de « l’intelligence » artificielle. Les coûts d’inférence de certains modèles chinois représentent un dixième, voire moins, de ceux d’OpenAI pour son GPT-4.
Cette démocratisation de l’IA, rendue possible par la baisse des coûts, stimule inévitablement sa consommation. Chaque « jeton » économisé incite à en générer mille autres. Cette dynamique rappelle celle qui a animé l’ère du charbon, et se prolonge aujourd’hui dans le numérique. En Chine, cette stratégie est délibérée : les faibles coûts d’inférence, combinés à la nature ouverte des modèles, encouragent l’expérimentation dans les universités, les startups et les administrations locales.
Cependant, cette effervescence technologique a une conséquence directe : une demande énergétique exponentielle. L’Agence Internationale de l’Énergie anticipe un doublement de la consommation mondiale d’électricité par les centres de données d’ici 2030 par rapport à 2024, principalement en raison des charges de travail liées à l’IA. La seule formation de GPT-4 aurait consommé des millions de kilowattheures, l’équivalent de l’alimentation de San Francisco pendant trois jours.
La compétition, autrefois centrée sur les algorithmes, se déplace désormais rapidement vers les kilowatts. La Chine semble prête à remporter cette nouvelle course. En 2024, le pays a ajouté 356 gigawatts (GW) de capacité d’énergie renouvelable – soit plus que les États-Unis, l’Union européenne et l’Inde réunis. Parmi ces nouvelles capacités, 91 % proviennent de l’énergie solaire, éolienne et hydroélectrique. Le stockage par batteries a triplé par rapport à 2021, et un réseau à ultra-haute tension permet désormais de transporter de l’énergie propre sur des milliers de kilomètres.
Parallèlement, la Chine intensifie ses investissements dans l’énergie nucléaire. Les dépenses de recherche et développement dans ce domaine seraient environ cinq fois supérieures à celles des États-Unis. Le développement de réacteurs de quatrième génération et de petits modules pressurisés (SMR) promet de fournir une énergie de base stable, complémentaire aux énergies renouvelables intermittentes.
Cette combinaison d’IA open source, d’énergies renouvelables abordables et d’un approvisionnement nucléaire stable crée ce que l’on pourrait appeler un cercle vertueux de puissance de calcul. Plus d’énergie propre permet davantage de calcul, qui à son tour optimise le réseau énergétique. L’apprentissage automatique est déjà utilisé pour prédire la production solaire, gérer le stockage d’énergie et équilibrer la charge du vaste réseau électrique chinois en temps réel. Les frontières entre énergie, semi-conducteurs et logiciels s’estompent. Les centres de données deviennent les nouvelles centrales électriques, et les GPU, les nouvelles turbines.
Au-delà de son propre territoire, la Chine exporte les éléments constitutifs de ce nouveau système énergétique mondial. Ses exportations de technologies vertes – panneaux solaires, batteries de réseau, véhicules électriques – ont atteint un record de 20 milliards de dollars en août dernier, dépassant les expéditions d’électronique grand public d’une décennie plus tôt. Si l’Occident exporte puces et logiciels, c’est la Chine qui fournit les électrons qui leur donnent leur pleine utilité.
Pendant ce temps, les contraintes énergétiques occidentales – réseaux vieillissants, lenteur des processus d’autorisation et prix élevés – créent des goulets d’étranglement numériques. Aux États-Unis et ailleurs, l’expansion des centres de données est de plus en plus limitée par l’accès à une alimentation électrique fiable. Certaines régions, comme la Virginie et Dublin, font face à des moratoires sur la création de nouveaux centres de données.
Les révolutions industrielles ont toujours favorisé les nations capables de convertir l’énergie en productivité de manière la plus efficace. Au XIXe siècle, le charbon fut la clé de l’empire. Au XXe, le pétrole régna en maître. Au XXIe siècle, c’est la combinaison de l’énergie propre et du calcul qui définira le leadership. Celui qui maîtrisera les électrons les moins chers disposera de l’intelligence la moins coûteuse, et par là, d’une abondance croissante dans ces deux domaines.
La Chine se positionne ainsi pour occuper cette place convoitée, grâce à un alignement systémique d’investissements et d’incitations difficilement reproductible rapidement par les démocraties. Mais elle n’est pas le seul bénéficiaire potentiel de cette transition.
Pour les économies émergentes, souvent exclues du calcul haute performance, les modèles ouverts et la baisse des coûts énergétiques pourraient rendre l’IA aussi accessible et essentielle que l’électricité ou le haut débit.
Cependant, cette abondance ne garantit pas la stabilité. Sans investissements suffisants dans la production et le stockage d’énergie propre, la demande croissante pour l’IA pourrait mettre à rude épreuve les réseaux existants et compromettre les progrès de la décarbonation. À l’instar de l’ère industrielle, l’efficacité pourrait mener à des excès et le progrès à des déséquilibres croissants. La manière dont cette tension entre abondance et contrainte sera gérée déterminera si l’IA deviendra un outil d’autonomisation ou un nouveau moteur d’inégalité.
Il y a deux siècles, la machine à vapeur transformait la chaleur en mouvement, remodelant l’économie mondiale. Aujourd’hui, l’IA transforme l’électricité en cognition, et celui qui maîtrisera ces deux forces redéfinira les règles du progrès.
Jeffrey Wu est directeur chez MindWorks Capital.