CHRONIQUE : Alibaba lance HappyHorse 1.1 — la Chine s’engouffre dans le vide laissé par les USA

28,8 millions de requêtes et une extraction méthodique

Mais il y a une couche plus sombre dans l’histoire de HappyHorse. Selon des informations publiées par plusieurs sources spécialisées, Alibaba aurait procédé à une opération de distillation adversariale des modèles d’Anthropic à grande échelle. La méthode : créer des dizaines de milliers de comptes fictifs sur les plateformes d’Anthropic pour générer des millions de requêtes et utiliser les réponses comme données d’entraînement pour son propre modèle. L’estimation disponible parle de 25 000 faux comptes et de 28,8 millions de requêtes — un volume qui dépasse largement les seuils de détection standard et qui suggère une opération organisée et délibérée.

Cette pratique — si elle est confirmée — soulève des questions juridiques et éthiques sérieuses. Les conditions d’utilisation d’Anthropic interdisent explicitement l’extraction de données à grande échelle et l’entraînement de modèles concurrents sur la base de leurs réponses. Plusieurs experts en droit de la propriété intellectuelle ont relevé que cette pratique pourrait constituer une violation des conditions contractuelles et potentiellement une forme de concurrence déloyale. Mais la jurisprudence dans ce domaine est encore embryonnaire — les tribunaux n’ont pas encore établi de précédents solides sur la question de la distillation de modèles d’IA à grande échelle.

La distillation de modèles : pratique courante, limite floue

La distillation de modèles — utiliser les sorties d’un modèle puissant pour entraîner un modèle plus petit ou différent — est une technique largement répandue dans la communauté de recherche en IA. De nombreux modèles open source reconnaissent avoir utilisé des données générées par des modèles OpenAI ou d’autres acteurs majeurs dans leurs processus d’entraînement. La frontière entre la recherche légitime et l’exploitation commerciale déloyale est, dans l’état actuel du droit, profondément floue.

Ce qui distingue le cas allégué d’Alibaba, c’est l’échelle industrielle de l’opération et l’utilisation de faux comptes pour contourner les mesures de détection. Ce n’est pas un chercheur qui utilise quelques milliers de requêtes pour une étude académique. C’est, selon les allégations, une opération organisée avec des ressources considérables pour extraire méthodiquement la connaissance d’un modèle concurrent. Si ces allégations sont fondées, elles posent un problème qui va au-delà du droit commercial — elles posent la question de la réciprocité dans l’écosystème mondial de l’IA et de la capacité des acteurs occidentaux à protéger leurs investissements dans la recherche fondamentale.

La distillation adversariale est le nouveau vol de propriété intellectuelle — sophistiqué, difficile à prouver, et parfaitement adapté à l’ère numérique. Si Alibaba a effectivement utilisé 28 millions de requêtes pour extraire la connaissance d’Anthropic, c’est l’équivalent de copier le contenu d’une bibliothèque en ayant la politesse de demander d’abord l’accès. Légalement ambigu. Moralement questionnable. Stratégiquement brillant. Choisissez l’adjectif qui vous convient — moi, j’en suis encore à essayer de les réconcilier.

Un « cadeau à la Chine » selon le Financial Times

La formulation est parue dans le Financial Times le 15 juin 2026, deux jours après l’interdiction : « US export ban is a gift to China ». Ce n’est pas une formulation de commentateur partisan — c’est l’évaluation froide d’un journal économique conservateur, lu par les décideurs du monde entier. Le raisonnement est limpide : en coupant l’accès aux modèles américains les plus avancés pour les utilisateurs non américains, Washington a créé un besoin que des modèles non américains — chinois principalement — sont particulièrement bien positionnés pour combler.

L’analyse de la situation révèle un paradoxe stratégique profond. Les politiques de contrôle à l’exportation sur les semi-conducteurs — puces Nvidia, AMD, Intel — ont un certain sens : les puces physiques sont difficiles à dupliquer, les restrictions créent des goulets d’étranglement réels dans la capacité de calcul. Mais les modèles d’IA sont des logiciels. Et dans le domaine des logiciels, le paradigme open source a fondamentalement changé la donne : quand un modèle puissant est disponible en open source, il peut être étudié, reproduit, amélioré par des milliers de chercheurs indépendants partout dans le monde.

DeepSeek et l’écosystème open source chinois : l’hydre que les restrictions nourrissent

La Chine a développé, malgré les restrictions américaines sur les semi-conducteurs, un écosystème robuste de modèles d’IA open source. DeepSeek V4 a atteint des performances comparables à Claude Opus 4.6 selon les évaluations publiées par Fortune en juin 2026. Qwen, le modèle d’Alibaba, a démontré à plusieurs reprises des capacités compétitives avec les meilleurs modèles américains sur des tâches spécifiques. Et maintenant HappyHorse prend la tête sur les benchmarks vidéo.

L’écosystème open source chinois n’est pas un phénomène marginal. C’est un effort national soutenu par des investissements massifs, par une communauté de chercheurs de classe mondiale — dont beaucoup ont été formés dans des universités américaines avant d’être renvoyés chez eux par les politiques de visa restrictives de l’ère Trump — et par un cadre réglementaire qui, pour ses défauts considérables en matière de libertés civiles, favorise l’investissement industriel massif dans les technologies jugées stratégiques. Restreindre l’accès aux modèles américains dans ce contexte ne bloque pas la Chine. Cela lui offre un marché.

Je vois dans cette situation le même schéma que dans le domaine de l’énergie : l’Occident impose des restrictions à la Chine, la Chine développe ses propres capacités, les restrictions deviennent obsolètes, et entre-temps l’Occident a perdu des parts de marché et des partenaires technologiques. Ce n’est pas de la naïveté que je dénonce. C’est de l’inefficacité stratégique. Les restrictions fonctionnent quand elles sont totales et soutenues par tous. Appliquées à moitié, elles ne font que former les concurrents qu’on veut freiner.

Des partenaires sans préavis, sans alternative

La décision du gouvernement américain de couper l’accès aux modèles d’Anthropic en 90 minutes n’a pas seulement affecté les utilisateurs individuels. Elle a touché de plein fouet des entreprises européennes, asiatiques et latino-américaines qui avaient construit des produits, des services et des processus entiers sur la base de ces modèles. Des startups qui avaient levé des fonds en s’appuyant sur les capacités de Claude Fable 5. Des multinationales dont les équipes de développement étaient au milieu d’implémentations critiques. Des institutions académiques en plein milieu de recherches.

Al Jazeera a rapporté que la décision a « tendu davantage les alliances » américaines en Asie et en Europe. Des diplomates européens ont exprimé leur consternation en privé, soulignant que leurs entreprises étaient traitées comme des adversaires potentiels alors qu’elles sont des alliés de l’OTAN et des partenaires commerciaux de premier ordre. Cette brutalité — 90 minutes pour couper l’accès à des partenaires économiques majeurs — a généré une onde de choc dans les relations technologiques transatlantiques déjà fragilisées par les tensions commerciales de l’ère Trump.

Le paradoxe de la confiance technologique

La politique américaine de contrôle des exportations d’IA repose sur un postulat implicite : les alliés et partenaires des États-Unis sont des vecteurs de transfert potentiel de technologie vers des adversaires. C’est un postulat de méfiance généralisée qui, appliqué sans nuance, transforme les partenaires en suspects. Une entreprise française qui utilise Claude Fable 5 est-elle un risque pour la sécurité nationale américaine ? Une startup japonaise construisant des outils de traduction sur Mythos 5 menace-t-elle les intérêts américains ?

La réponse de la politique américaine, implicitement, est : peut-être. Ce « peut-être » est exactement ce qui alimente la défiance de ses partenaires. Et cette défiance a des conséquences pratiques : des entreprises européennes et asiatiques qui avaient misé sur les modèles américains commencent à planifier activement des stratégies de diversification vers des modèles non américains. Non par idéologie anti-américaine — mais par prudence commerciale élémentaire. Personne ne peut se permettre de voir son infrastructure technologique coupée en 90 minutes sur décision unilatérale d’un gouvernement étranger.

Si j’étais directeur technique d’une grande entreprise européenne en juin 2026, j’aurais une seule pensée après l’interdiction américaine sur Anthropic : comment diversifier mes dépendances pour que plus jamais un seul gouvernement ne puisse me couper mes outils en 90 minutes ? Ce n’est pas de l’anti-américanisme. C’est de la gestion de risque élémentaire. Et cette gestion de risque bénéficie directement aux concurrents chinois et européens des modèles américains.

Que signifie vraiment être en tête en IA vidéo ?

La domination de HappyHorse sur les benchmarks vidéo mérite une contextualisation précise. Les classements de benchmarks d’IA sont des instantanés — ils mesurent la performance sur des tâches spécifiques à un moment donné, et peuvent ne pas refléter la valeur réelle du modèle pour des applications concrètes. Un modèle peut être premier sur un benchmark et médiocre pour des cas d’usage professionnels particuliers. La communauté des chercheurs en IA sait que les benchmarks ne disent pas tout.

Cela dit, un ELO de 1413 en image-vers-vidéo n’est pas un détail statistique. C’est une mesure évaluée par des votes humains comparatifs — des milliers de personnes ont préféré les sorties vidéo de HappyHorse à celles de ses concurrents. Dans un domaine où la qualité visuelle et la cohérence temporelle sont mesurables par tout utilisateur qui regarde une vidéo, ce type de benchmark a une valeur réelle. Les applications créatives — publicité, divertissement, médias — sont directement concernées. Et dans ces secteurs, la domination de HappyHorse pourrait se traduire en parts de marché concrètes.

L’industrie du contenu vidéo : un marché massif en jeu

La génération vidéo par IA est l’un des marchés avec la croissance la plus rapide dans le secteur technologique. Les études de marché projettent que le marché mondial de la vidéo générée par IA pourrait dépasser 1 200 milliards de dollars d’ici 2030. Les applications sont multiples : publicité personnalisée, production de contenu à grande échelle, divertissement, formation, prototypage de design. Être en tête sur ce segment à ce stade précis du développement du marché est une position stratégique extraordinairement précieuse.

Les studios hollywoodiens, les agences de publicité mondiales, les plateformes de streaming — tous sont en train d’intégrer des outils de génération vidéo dans leurs workflows. Les décisions prises aujourd’hui sur quel modèle utiliser auront des conséquences qui dureront des années. Si HappyHorse et ses successeurs s’imposent comme la référence pour la génération vidéo haut de gamme dans ces industries, Alibaba aura réussi un coup commercial de première magnitude — directement facilité par la politique d’exportation américaine qui a éliminé ses concurrents du marché mondial.

L’IA vidéo va changer la production de contenu de manière aussi profonde que l’internet a changé la distribution musicale. Et dans cette révolution, la Chine est en train de prendre une position de leader sur un segment crucial, pendant que les États-Unis ferment leurs portes à leurs propres alliés. Je ne suis pas sûr que les auteurs de cette politique aient bien pensé aux conséquences à dix ans. Je ne suis même pas sûr qu’ils aient pensé aux conséquences à dix mois.

Le Taotian Future Life Lab : une infrastructure de recherche sérieuse

Le Taotian Future Life Lab, l’entité d’Alibaba qui a développé HappyHorse, n’est pas une structure montée en urgence pour profiter du ban américain. C’est une organisation de recherche fondamentale qui travaille depuis plusieurs années sur les architectures multimodales. Le choix d’une architecture Transformer unifiée à 40 couches pour traiter simultanément texte, image et vidéo reflète une stratégie architecturale cohérente — construire un modèle de fondation unique capable de traiter différents types de données avec une seule représentation latente, plutôt que des modules spécialisés pour chaque type de contenu.

Cette approche architecturale a des avantages réels en termes d’efficacité computationnelle et de généralisation. Elle est aussi, stratégiquement, une réponse au paradigme dominant des modèles américains qui ont eu tendance à développer des modèles séparés pour le texte, l’image et la vidéo. Si l’unification multimodale produit effectivement de meilleures performances globales avec moins de ressources, Alibaba aura contribué à une avancée architecturale importante — indépendamment des controverses sur ses méthodes d’acquisition de données.

La version 1.1 et l’accélération du cycle de développement

La sortie de HappyHorse 1.1 peu après la version initiale illustre la cadence de développement qu’Alibaba maintient sur ce modèle. Dans l’écosystème de l’IA, la vitesse des itérations est un avantage compétitif aussi important que la qualité du modèle initial. Les corrections de bugs, les améliorations de performances, les ajustements de safety — tout cela détermine dans quelle mesure les développeurs font confiance à un modèle pour des applications en production. Une version 1.1 stable et améliorée envoie un signal aux développeurs : l’équipe est engagée, réactive, et le modèle sera maintenu et amélioré.

La stratégie de disponibilité en open source est également délibérée. En rendant HappyHorse librement téléchargeable sur HuggingFace, Alibaba renonce à des revenus directs immédiats en échange d’une adoption massive. L’objectif est la dominance de l’écosystème — construire une communauté de développeurs autour du modèle, générer des contributions et des améliorations externes, et créer la dépendance de long terme qui se monétisera ensuite via les services cloud, les API premium et les services d’entreprise. C’est exactement la stratégie qu’OpenAI a utilisée avec ses versions open source — et elle fonctionne.

Je me retrouve à admirer la stratégie d’Alibaba tout en me demandant si j’ai raison de le faire. C’est brillant — utiliser le ban américain comme accélérateur, publier en open source pour construire l’écosystème, sortir des benchmarks impressionnants au bon moment. Mais il y a aussi des questions sur la distillation adversariale, sur les données utilisées, sur la transparence. L’admiration de la stratégie ne doit pas occulter l’examen des méthodes. Je préfère tenir les deux ensemble.

Une entreprise prise entre deux feux

Anthropic est dans une position extraordinairement difficile. Fondée sur des principes de sécurité de l’IA et d’alignement, sa mission déclarée est de construire des systèmes d’IA bénéfiques pour l’humanité. Cette mission est globale par définition — elle suppose que les bénéfices de l’IA sécurisée se répandent aussi largement que possible. L’injonction gouvernementale à couper l’accès international à ses modèles les plus avancés entre directement en tension avec cette mission. Mais refuser de se conformer était, légalement, une option difficile à défendre.

En se conformant, Anthropic a perdu des clients internationaux au profit de ses concurrents. Des entreprises qui avaient construit leurs produits sur Claude ont été forcées de migrer — et beaucoup ne reviendront pas. La confiance est le bien le plus précieux d’un fournisseur d’infrastructure technologique, et cette confiance a été endommagée — non par la faute d’Anthropic, mais par la décision du gouvernement américain. C’est une forme de dommage collatéral réglementaire que les décideurs américains auraient dû anticiper mais ont visiblement sous-estimé.

La réponse de l’industrie : entre mobilisation et résignation

Plusieurs grandes entreprises du secteur de l’IA — OpenAI, Google DeepMind, et d’autres — ont exprimé en privé, selon des sources citées par Bloomberg, leurs préoccupations face à la direction que prend la politique américaine. La crainte partagée : des restrictions trop larges pourraient nuire à la position compétitive américaine globale plus qu’elles ne protègent la sécurité nationale. Le modèle ouvert — contribuer à la recherche globale, attirer les meilleurs chercheurs du monde, bénéficier de l’adoption mondiale — est ce qui a permis aux États-Unis de dominer l’IA jusqu’ici. Le refermer risque de saper les fondements de cette domination.

Mais la pression politique à Washington va dans l’autre direction. Le Congrès américain est en mode protection, pas en mode ouverture. Les législateurs qui n’ont qu’une compréhension superficielle de l’IA prennent des décisions dont les conséquences se joueront sur une décennie. Et pendant ce temps, l’industrie américaine de l’IA navigue dans une incertitude réglementaire croissante qui complique ses relations internationales, ses décisions de produit et ses capacités de recrutement mondial.

Anthropic n’a pas trahi ses utilisateurs internationaux. C’est son gouvernement qui les a trahis. Cette distinction est importante. Les entreprises privées sont soumises aux lois de leur pays — c’est le fondement même de la souveraineté. Mais quand ces lois servent des intérêts à court terme qui compromettent des alliances à long terme, il faut se demander qui profite vraiment. Les réponses que je trouve ne sont pas rassurantes.

L’Europe entre les deux géants : un espace encore à définir

Chaque fois que la rivalité technologique sino-américaine s’intensifie, la même question surgit : où est l’Europe dans tout ça ? Le ban américain sur les modèles d’Anthropic et la montée de HappyHorse sont une nouvelle illustration d’une dépendance structurelle européenne vis-à-vis de modèles d’IA développés hors de ses frontières. L’Europe consomme des services d’IA produits soit à San Francisco, soit à Hangzhou — rarement à Paris, Berlin ou Amsterdam.

L’AI Act européen — entré en application en 2024 — a établi un cadre réglementaire, mais n’a pas résolu le problème de la souveraineté industrielle. La France a Mistral AI — une pépite française dont les modèles sont respectés dans la communauté mondiale. L’Allemagne a des laboratoires de recherche en IA de classe mondiale. Mais aucune entreprise européenne n’a encore la capitalisation, les ressources de données et la puissance de calcul nécessaires pour rivaliser frontalement avec les géants américains et chinois. Ce fossé ne se comblera pas seul.

L’investissement dans l’IA souveraine : une nécessité stratégique

Le ban américain sur Anthropic devrait être un électrochoc pour les décideurs européens. Si une décision unilatérale de Washington peut couper en 90 minutes l’accès de millions d’Européens à leurs outils d’IA de travail, c’est que la dépendance technologique est, comme la dépendance énergétique, un risque de souveraineté. La réponse ne peut pas être que de s’en remettre aux modèles chinois comme substitut — remplacer une dépendance américaine par une dépendance chinoise n’est pas une politique de souveraineté.

La réponse doit être de construire une capacité européenne propre — des modèles entraînés sur des données respectant les standards européens, hébergés sur des infrastructures cloud européennes, soumis au droit européen, capables de rivaliser techniquement avec les meilleurs mondiaux. Cela coûte cher. Cela prend du temps. Cela requiert des politiques industrielles coordonnées à l’échelle européenne que les institutions communautaires ont encore du mal à déployer à la vitesse de l’IA. Mais l’alternative — être le spectateur de la rivalité sino-américaine en matière d’IA en dépendant alternativement des deux — est une position intenable à long terme.

J’ai l’impression d’écrire le même paragraphe depuis dix ans, avec des sujets différents. Énergie, semi-conducteurs, plateformes sociales, et maintenant IA. À chaque fois : l’Europe est dépendante, l’Europe doit investir dans sa souveraineté, l’Europe prend des résolutions. À chaque fois, quelques années plus tard, on écrit le même constat. Je ne désespère pas de l’Europe. Mais je commence à me demander combien d’électrochocs supplémentaires sont nécessaires avant que les résolutions se transforment en réalités industrielles.

Quand la sécurité nationale américaine fragilise la sécurité globale de l’IA

La politique américaine de contrôle des exportations d’IA repose sur une logique de sécurité nationale qui présuppose que garder les modèles les plus avancés hors de portée des adversaires réduira les risques d’utilisation malveillante. Cette logique a une certaine validité pour les capacités vraiment différenciées — des modèles capables de concevoir des armes biologiques ou chimiques, par exemple. Mais pour des modèles de génération de texte et de vidéo comme Fable 5 et Mythos 5, la logique est moins claire.

En pratique, la restriction d’accès pousse les développeurs vers des modèles moins bien évalués sur la sécurité. Anthropic est, dans le secteur, reconnu pour ses investissements particulièrement sérieux dans la recherche sur la sécurité de l’IA — c’est littéralement sa raison d’être. En forçant les utilisateurs non américains à migrer vers HappyHorse ou d’autres modèles alternatifs, la politique américaine les dirige vers des systèmes sur lesquels la recherche en sécurité est moins avancée et moins transparente. Ce n’est pas un résultat de sécurité amélioré. C’est potentiellement un résultat de sécurité dégradé à l’échelle mondiale.

Le dilemme du contrôle dans un monde open source

Le problème fondamental est que le monde de l’IA a évolué de manière irréversible vers un paradigme partiellement open source. Quand un modèle est publié en open source — comme Llama de Meta, comme HappyHorse d’Alibaba, comme DeepSeek — ses poids sont téléchargeables par n’importe qui dans le monde. Aucune politique d’exportation ne peut contenir un modèle dont les paramètres sont librement disponibles sur internet. La seule chose que les restrictions peuvent contenir, c’est les modèles propriétaires accessibles via API — comme ceux d’Anthropic.

Cette réalité crée un paradoxe politique douloureux. Restreindre les modèles propriétaires americains — les mieux documentés, les mieux évalués en termes de sécurité, les plus transparents dans leurs politiques d’usage — favorise l’adoption des modèles open source et non-américains, sur lesquels il n’existe aucun levier de contrôle. La politique qui prétend contrôler les risques de l’IA crée, en réalité, les conditions d’une accélération de ces risques à l’extérieur du périmètre américain. Ce résultat paradoxal mérite une réévaluation sérieuse de la stratégie.

Je ne suis pas ingénieur en sécurité de l’IA. Mais je comprends les systèmes. Et quand une politique conçue pour réduire un risque produit systématiquement l’effet inverse — pousser les utilisateurs vers des alternatives moins sécurisées, favoriser la prolifération des modèles open source non contrôlables — il faut avoir le courage de le dire : la politique ne fonctionne pas. Et continuer à l’appliquer par inertie, c’est de l’obstination, pas de la stratégie.

Scénario 1 : La fragmentation technologique mondiale

Le scénario le plus plausible à court terme est une fragmentation accélérée de l’écosystème mondial de l’IA. Un internet de l’IA splintérisé en blocs géopolitiques : des modèles américains pour les alliés proches des États-Unis, des modèles chinois pour la sphère d’influence de Pékin, des modèles européens pour ceux qui veulent éviter les dépendances extérieures, des modèles indiens pour un marché de 1,4 milliard de personnes qui refuse de choisir un camp. Cette fragmentation est techniquement inefficace — elle dupliquer les investissements de recherche, crée des incompatibilités, ralentit l’innovation globale.

Mais elle est peut-être politiquement inévitable. La confiance entre les grandes puissances nécessaire pour maintenir un écosystème d’IA véritablement mondial n’existe tout simplement pas en 2026. Et les incidents comme le ban américain sur Anthropic accélèrent exactement cette fragmentation que les deux parties devraient théoriquement vouloir éviter. Le résultat sera un monde où l’interopérabilité des systèmes d’IA devient un enjeu géopolitique aussi complexe que l’interopérabilité des normes téléphoniques l’était au XXème siècle — mais avec des enjeux infiniment plus élevés.

Scénario 2 : La course à l’open source comme nouvelle norme

Un deuxième scénario — plus optimiste sous certains angles — est que les restrictions américaines accélèrent l’adoption de l’open source comme norme dominante pour les modèles fondateurs. Si les modèles propriétaires américains ne sont accessibles qu’aux utilisateurs américains, les développeurs mondiaux se tournent structurellement vers les modèles open source — qu’ils soient chinois, européens, indiens ou autres. L’open source, par définition, échappe aux restrictions nationales : une fois les poids publiés, n’importe qui peut les télécharger, les utiliser, les modifier.

Dans ce scénario, Alibaba et ses pairs chinois qui ont massivement investi dans des modèles open source performants seraient les grands gagnants à moyen terme. Les États-Unis maintiendraient une avance sur les modèles propriétaires les plus avancés — mais pour un marché américain uniquement. La domination mondiale de l’IA américaine, fondée sur l’adoption globale, serait remplacée par une domination fragmentée, techniquement supérieure sur certains axes mais géographiquement limitée. C’est un appauvrissement stratégique considérable pour la position globale des États-Unis.

Le pire des deux scénarios n’est pas la fragmentation — c’est la fragmentation sans que l’Occident ait pris conscience de ce qu’il a perdu. Une fracture techno-géopolitique gérée avec lucidité peut être navigable. Une fracture non anticipée, construite par accumulation de décisions à courte vue, est bien plus dangereuse. Et pour l’instant, j’ai du mal à voir la stratégie américaine de long terme sur l’IA mondiale. Ce que je vois, c’est de la réaction. Et la réaction, en stratégie, ça perd.

La technologie comme extension de la géopolitique

L’histoire de HappyHorse et du ban américain sur Anthropic est, au fond, une histoire géopolitique habillée en technologie. Elle illustre que dans le monde de 2026, la technologie n’est plus une sphère séparée de la géopolitique — elle en est le prolongement naturel, le nouveau champ de bataille où se jouent les équilibres de puissance du siècle. Les modèles d’IA ne sont pas seulement des outils commerciaux. Ils sont des infrastructures de pouvoir cognitif à l’échelle nationale et internationale.

Quelle langue un modèle comprend-il mieux ? Quels biais culturels encode-t-il dans ses réponses ? Quelles données a-t-il utilisées pour s’entraîner, et avec quels angles ? Ces questions ne sont pas techniques — elles sont politiques. Un monde où les modèles d’IA dominants sont développés en Chine est un monde différent de celui où ils sont développés aux États-Unis ou en Europe. Les valeurs, les représentations, les cadres conceptuels encodés dans ces modèles façonneront la manière dont des milliards de personnes traiteront et interpréteront l’information. C’est un pouvoir d’influence sans précédent dans l’histoire humaine.

L’Occident doit choisir : compétition ou retrait

Face à la montée de HappyHorse, à l’ascension de DeepSeek, à l’écosystème open source chinois en pleine expansion, l’Occident a une décision fondamentale à prendre. Il peut choisir la compétition — investir massivement dans la recherche et le développement de modèles d’IA, maintenir des politiques d’ouverture qui attirent les meilleurs cerveaux mondiaux, construire des alliances technologiques robustes avec ses partenaires. Ou il peut choisir le retrait défensif — restrictions croissantes, murs technologiques, isolation progressive — au risque de perdre non seulement des parts de marché, mais aussi la légitimité de modèle technologique mondial.

L’Occident a gagné la guerre froide parce qu’il a démontré que son modèle était ouvert, créatif, économiquement plus performant que le modèle soviétique fermé. La tentation, face à la Chine, de reproduire les méthodes soviétiennes — planification centralisée, contrôle des échanges, fermeture des frontières technologiques — est compréhensible mais stratégiquement dangereuse. L’Occident gagnera la compétition de l’IA par la qualité, l’ouverture et l’innovation — ou il ne la gagnera pas. Il n’y a pas de troisième voie.

Je suis pro-occidental non pas parce que l’Occident est parfait — il ne l’est manifestement pas — mais parce que je préfère ses valeurs imparfaites aux alternatives disponibles. La liberté d’expression. L’état de droit. La démocratie pluraliste. Ces valeurs doivent aussi s’appliquer à la technologie : ouverture, transparence, compétition libre. Quand l’Occident abandonne ces principes dans la compétition technologique, il cède son avantage comparatif le plus précieux. Celui qui justifie qu’on se batte pour lui.

Le vide réglementaire comme terrain fertile pour la concurrence chinoise

L’affaire Alibaba HappyHorse met en lumière un problème structurel de la gouvernance mondiale de l’IA : la réglementation étatique n’arrive pas à suivre le rythme de l’innovation technologique. Les restrictions américaines sur l’accès aux modèles d’IA avancés ont été conçues pour maintenir un avantage compétitif face à la Chine. Mais leur application pratique crée des effets pervers non anticipés : pousser les utilisateurs internationaux vers des alternatives chinoises, affaiblir la position des développeurs américains sur les marchés mondiaux, et créer des précédents de fragmentation technologique qui compliquent la coopération internationale sur les normes d’IA.

Ce n’est pas que les régulateurs américains soient incompétents. C’est que la vitesse d’innovation en IA est fondamentalement incompatible avec les cycles législatifs et réglementaires traditionnels, qui prennent des mois ou des années pour produire des règles. Une restriction adoptée sur la base des modèles existants en janvier 2026 est potentiellement obsolète en juillet 2026, quand de nouveaux modèles ont émergé avec des capacités différentes. HappyHorse d’Alibaba a pu apparaître et prendre des parts de marché mondiales dans le temps qu’il a fallu à Washington pour mettre en place ses restrictions sur les modèles concurrents.

Vers une coordination internationale sur les normes d’IA

La solution au problème de gouvernance de l’IA n’est pas nationale — elle est internationale. Des normes techniques minimales sur la sécurité des modèles, la transparence des données d’entraînement, la documentation des capacités et des limitations, et les obligations d’audit et de traçabilité, appliquées de façon cohérente par les principales économies mondiales, créeraient un terrain de jeu plus équitable et plus sûr que les restrictions unilatérales actuelles. Des organisations comme l’OCDE, l’ISO et l’ITU travaillent à ces normes, mais leur avancement est trop lent face à la vitesse de déploiement des modèles.

La déclaration de Séoul sur la sécurité de l’IA de 2024, signée par une vingtaine de pays, est un début. Elle devrait être transformée en obligations contraignantes avec des mécanismes de vérification. La France, qui préside le Sommet pour l’action sur l’IA de 2025-2026, a tenté d’accélérer ce processus. Mais sans l’engagement américain et chinois dans un cadre commun — engagement difficile à obtenir dans le contexte de tensions géopolitiques actuelles — les normes resteront des déclarations de bonnes intentions plutôt que des contraintes réelles. La gouvernance de l’IA est le test de la capacité des démocraties à coopérer même quand leurs intérêts divergent.

La gouvernance de l’IA est trop importante pour être laissée aux seuls gouvernements et aux seules entreprises technologiques. La société civile, les chercheurs indépendants, les experts éthiques doivent être intégrés au processus réglementaire — pas comme consultants occasionnels, mais comme acteurs permanents. La technocratie fermée produit des règles que personne ne comprend et personne ne respecte. La démocratie inclusive produit des règles qui ont une légitimité.

La chaîne de valeur de l’IA : un partage inégal

L’essor de modèles comme HappyHorse d’Alibaba soulève une question économique fondamentale : qui capture la valeur générée par l’intelligence artificielle ? La chaîne de valeur de l’IA est complexe et se répartit entre plusieurs acteurs : les fournisseurs de puissance de calcul (NVIDIA et ses concurrents), les développeurs de modèles fondamentaux (OpenAI, Anthropic, Alibaba, Google), les développeurs d’applications qui utilisent ces modèles, et les utilisateurs finaux qui bénéficient de gains de productivité. Dans cette chaîne, la valeur tend à se concentrer aux extrémités : les fournisseurs de compute et les développeurs de modèles capturent des rentes substantielles, tandis que les applications et les utilisateurs finaux capturent principalement des gains d’efficacité.

La montée d’Alibaba comme fournisseur de modèles fondamentaux compétitifs — et maintenant accessible globalement via HappyHorse — déplace une partie de cette rente vers la Chine. Pour les pays qui n’ont pas développé leurs propres modèles fondamentaux, la dépendance envers les fournisseurs américains ou chinois crée une vulnérabilité stratégique similaire à la dépendance énergétique. L’Europe, qui n’a pas encore produit de modèle fondamental compétitif à l’échelle mondiale, fait face à ce dilemme : dépendre de Washington (avec le risque de restrictions géopolitiques) ou de Pékin (avec des risques de sécurité différents). La souveraineté numérique passe par des modèles fondamentaux européens — et leur financement reste insuffisant.

Les pays du Sud global dans la course à l’IA

La compétition entre les modèles américains et chinois d’IA pour les marchés mondiaux a une dimension souvent oubliée : les pays du Sud global — Inde, Brésil, Afrique subsaharienne, Asie du Sud-Est — sont les terrains de cette compétition, mais aussi les bénéficiaires potentiels d’un accès démocratisé aux technologies d’IA. HappyHorse d’Alibaba, en étant accessible là où les restrictions américaines s’appliquent, offre à des marchés émergents des capacités d’IA générative auxquelles ils n’auraient pas eu accès autrement. C’est une considération que les politiques occidentales de restriction doivent intégrer : dans leur combat contre la domination technologique chinoise, elles risquent d’aliéner les pays du Sud qui verront dans les restrictions américaines un nouvel épisode de techno-colonialisme.

La stratégie optimale pour l’Occident n’est donc pas de restreindre l’accès aux modèles d’IA dans les marchés émergents — c’est d’offrir de meilleurs modèles, plus accessibles, mieux adaptés aux langues et aux contextes locaux, avec des conditions d’utilisation transparentes et des garanties de souveraineté des données. Gagner la course à l’IA dans le Sud global se fait par la qualité et l’accessibilité, pas par les restrictions. C’est une leçon que Washington semble encore peiner à intégrer dans sa stratégie technologique.

La compétition américano-chinoise en IA risque de transformer les pays du Sud global en terrain de bataille plutôt qu’en partenaires. Cette répétition de la Guerre froide technologique n’est dans l’intérêt ni de l’Occident ni des pays émergents. L’IA devrait être un levier de développement mondial — pas un outil géopolitique de plus. Je sais que c’est naïf. Mais quelqu’un doit le dire.

La leçon que 90 minutes nous ont enseignée

En 90 minutes, le gouvernement américain a créé un vide dans l’accès mondial aux modèles d’IA avancés. En quelques semaines, ce vide a été partiellement comblé par un modèle développé par une entreprise dont le gouvernement maintient des liens étroits avec l’État chinois. La symétrie est parfaite — et accablante. La politique conçue pour protéger l’avantage technologique américain a accéléré l’adoption mondiale d’un concurrent chinois. C’est un échec stratégique qui mérite d’être nommé clairement, sans euphémisme.

Le cas HappyHorse n’est pas une anomalie. C’est un avant-goût de ce que produiront systématiquement des politiques de contrôle des exportations d’IA qui ne distinguent pas les partenaires des adversaires, qui traitent les alliés européens et asiatiques comme des vecteurs de risque, et qui oublient que la domination technologique se construit sur l’adoption mondiale, pas sur l’exclusion sélective. Si la politique ne change pas, les prochains HappyHorse se nommeront différemment, mais la dynamique sera la même : le vide américain, le gain chinois.

Une chronique n’est pas une prédiction — c’est un avertissement

Je ne sais pas comment se terminera cette compétition technologique entre les États-Unis et la Chine. Je ne sais pas si HappyHorse restera au sommet des benchmarks dans six mois, si les allégations de distillation adversariale seront confirmées et sanctionnées, si les politiques américaines s’adouciront ou se durciront. Ce que je sais, c’est que les décisions prises aujourd’hui dans des bureaux gouvernementaux à Washington, dans des laboratoires de recherche à Hangzhou et dans des startups à Paris et Berlin, façonneront le paysage technologique mondial pour les décennies à venir. Et que ce paysage sera déterminant pour la capacité des démocraties à maintenir leur avantage face à des systèmes autoritaires qui, eux, ont une vision de long terme très claire.

La leçon de HappyHorse est simple : dans la guerre technologique, l’erreur stratégique de ton adversaire est ton meilleur allié. Pékin le sait. Il attend patiemment les prochaines 90 minutes de Washington.

Je termine cette chronique avec le sentiment inconfortable d’avoir documenté une défaite que personne n’a encore officiellement reconnue. Les États-Unis gardent des avances technologiques considérables. Mais des avances qui ne se déploient pas mondialement ne sont pas des victoires — ce sont des forteresses. Et les forteresses, dans l’histoire, finissent toujours par être contournées. Parfois en 90 minutes. Parfois en une génération. Mais toujours.

Signé Maxime Marquette, chroniqueur