Demander si la Chine et l'Inde « dépassent le reste du monde » suppose qu'il existe un classement unique de l'intelligence artificielle. Or la puissance se distribue entre plusieurs couches : conception des puces, centres de calcul, modèles, recherche, logiciels, données, applications et diffusion dans l'économie. La Chine est déjà un concurrent de premier rang sur plusieurs de ces couches. L'Inde progresse vite, mais part d'une position différente et cherche moins à reproduire immédiatement la frontière américaine qu'à rendre l'IA utile et accessible à son échelle.
Il n'existe pas une seule course à l'IA
Un modèle performant sur un test ne suffit pas à établir une domination. Les résultats varient selon la langue, la tâche, le coût d'utilisation, la fiabilité et les conditions d'évaluation. Un pays peut publier beaucoup de brevets sans posséder les meilleures puces ; héberger des ingénieurs remarquables sans financer assez de laboratoires ; ou disposer d'un grand marché sans convertir les expérimentations en gains de productivité.
Il faut donc observer la chaîne complète. Les États-Unis gardent un avantage majeur dans les accélérateurs, les grands fournisseurs de cloud, le capital privé et plusieurs laboratoires de frontière. La Chine combine recherche, industrie, plateformes nationales et capacité de déploiement. L'Inde s'appuie sur ses services numériques, son secteur informatique, ses langues et une politique publique de mutualisation. Ces positions sont concurrentes, mais non interchangeables.
La Chine construit une filière de bout en bout
La force chinoise vient de la densité de son écosystème. Universités, géants de l'internet, fabricants de téléphones, constructeurs automobiles, opérateurs de cloud et entreprises publiques peuvent expérimenter puis déployer des systèmes dans la logistique, l'énergie, l'industrie ou les services. La stratégie « AI Plus », détaillée par le Conseil des affaires d'État en 2025, cherche précisément à intégrer l'IA à plusieurs secteurs plutôt qu'à célébrer les seuls modèles conversationnels.
La Chine occupe également une place dominante dans les familles de brevets liées à l'IA générative. La mise à jour publiée en 2026 par l'Organisation mondiale de la propriété intellectuelle confirme son avance en volume. Un brevet ne garantit ni qualité ni succès commercial, mais cette activité révèle la largeur de la mobilisation industrielle. Le défi est de distinguer quantité, invention réellement utilisée et dépendances technologiques persistantes.
DeepSeek démontre l'efficacité, pas l'indépendance totale
Les modèles DeepSeek ont modifié la perception de la contrainte chinoise. Leur documentation décrit des architectures de type mélange d'experts, où seule une partie du réseau est activée pour chaque requête, ainsi que des techniques conçues pour réduire le coût de l'entraînement et de l'inférence. Le rapport technique de DeepSeek-V3 fournit des éléments précis sur le calcul utilisé et rend les poids accessibles, ce qui a accéléré l'adoption et l'examen du modèle.
Il faut toutefois éviter deux exagérations. Le coût d'un entraînement final ne représente pas nécessairement toutes les dépenses de recherche, de collecte des données, d'essais et d'infrastructure. Et une meilleure efficacité ne supprime pas le besoin d'accélérateurs avancés : elle permet surtout de produire davantage avec une ressource rare. Les contrôles américains sur les puces ont encouragé l'optimisation et l'investissement chinois, mais ils continuent d'affecter l'accès au matériel le plus performant.
Les semi-conducteurs restent la contrainte stratégique
En IA, le calcul dépend d'une chaîne mondiale : conception d'accélérateurs, logiciels, mémoire à large bande passante, fabrication avancée, équipements de lithographie, réseaux et électricité. La Chine peut améliorer des modèles et développer des puces nationales tout en restant contrainte sur certains maillons. Les restrictions ne créent donc ni un arrêt complet ni une autonomie instantanée ; elles rendent le progrès plus coûteux, incertain et politiquement prioritaire.
Cette dépendance explique pourquoi l'efficacité algorithmique est devenue un thème géopolitique. Un modèle plus compact peut fonctionner sur un parc matériel moins récent, réduire la facture énergétique et être déployé sur davantage d'appareils. Mais si la frontière continue d'exiger des grappes toujours plus grandes, l'accès aux accélérateurs et à l'électricité conserve un rôle décisif. La puissance chinoise se mesure à sa capacité de gérer cette tension pendant plusieurs générations technologiques.
L'Inde choisit l'infrastructure partagée
New Delhi ne possède pas encore un écosystème de modèles et de matériel comparable à celui de la Chine ou des États-Unis. L'IndiaAI Mission tente de réduire l'écart par un bien commun de calcul : des capacités proposées aux jeunes entreprises, aux chercheurs, aux administrations et aux établissements d'enseignement. Le gouvernement soutient aussi des modèles fondamentaux nationaux, une plateforme de données, la formation et des travaux sur la sûreté.
Les annonces du gouvernement indien en 2026 montrent que cette capacité continue d'être élargie. Le pari n'est pas seulement quantitatif. Mutualiser le calcul doit empêcher que seules quelques grandes entreprises puissent entraîner ou adapter des modèles. Sa réussite dépendra de l'accès effectif, de la qualité du service, du coût, de la disponibilité des données et de la capacité des projets financés à survivre après la subvention.
Les langues indiennes sont un défi productif
Les modèles conçus principalement pour l'anglais fonctionnent de manière inégale dans les langues moins représentées, les conversations mêlant plusieurs idiomes ou les contextes administratifs locaux. L'Inde possède de nombreuses langues reconnues, plusieurs systèmes d'écriture et de fortes variations entre langue formelle et usage oral. Cette complexité augmente le coût de constitution des corpus et de l'évaluation, mais crée aussi un terrain d'innovation difficile à servir depuis l'étranger.
Les modèles lancés dans le cadre d'IndiaAI cherchent notamment à traiter texte et voix pour les services publics, la santé, l'éducation et l'accès à l'information. La valeur peut venir d'un petit modèle spécialisé, fiable sur une tâche et utilisable à faible coût, plutôt que d'un modèle général prétendant répondre à tout. Si cette approche réussit, l'avantage indien apparaîtra dans la diffusion sociale de l'IA davantage que dans une première place sur les classements mondiaux.
La diaspora est un réseau, pas une capacité domestique automatique
Les ingénieurs et dirigeants d'origine indienne occupent une place visible dans l'industrie technologique mondiale. Ce réseau facilite les investissements, la circulation des connaissances et la création d'équipes transnationales. Il soutient aussi un secteur des services informatiques capable d'intégrer rapidement de nouveaux outils chez des clients internationaux.
Mais la réussite d'une personne dans une entreprise américaine ne devient pas mécaniquement un actif contrôlé par l'État indien. Les brevets, les centres de données, le capital et les décisions restent souvent situés ailleurs. La question est celle de la circulation : laboratoires locaux attractifs, retours temporaires, collaborations universitaires, financement de jeunes entreprises et marchés publics exigeants. La diaspora amplifie un écosystème national solide ; elle ne peut s'y substituer.
Les données de masse ne sont pas un carburant gratuit
Le récit selon lequel Chine et Inde gagneraient parce qu'elles disposent de populations immenses confond volume et qualité. Une donnée peut être inexacte, biaisée, juridiquement inaccessible, mal documentée ou impossible à relier à un résultat. Les données médicales, financières et administratives exigent en outre des protections, des autorisations et une gouvernance qui maintiennent la confiance.
Les infrastructures numériques publiques indiennes peuvent faciliter des services de grande échelle, mais elles ne doivent pas être assimilées à un réservoir libre pour l'entraînement. En Chine, l'accès étendu de l'État ou des plateformes à certaines informations s'accompagne de règles de cybersécurité, de contrôle politique et de localisation. Dans les deux pays, la capacité à produire des jeux de données représentatifs, traçables et évaluables comptera davantage que le simple nombre d'utilisateurs.
Le déploiement industriel peut déplacer la compétition
La valeur économique de l'IA apparaît lorsque les entreprises réorganisent leurs processus, forment leurs salariés et assument la responsabilité des décisions. La Chine dispose ici d'un atout manufacturier : robots, véhicules électriques, batteries, télécommunications et plateformes logistiques offrent des lieux de déploiement concrets. L'Inde possède un autre terrain : services informatiques, administrations numériques, paiements, agriculture et outils linguistiques.
Le rendement n'est pas garanti. Un assistant imparfait peut augmenter le travail de vérification ; une automatisation mal conçue peut exclure des citoyens ; une entreprise peut acheter du calcul sans changer son organisation. Les pays qui mesureront les effets, corrigeront les erreurs et diffuseront les compétences tireront davantage de productivité que ceux qui accumuleront seulement les annonces de modèles.
Les règles et les standards deviennent un levier d'influence
Les modèles exportés transportent des interfaces, des politiques de modération, des exigences techniques et parfois des dépendances au cloud. Fournir une infrastructure ou une plateforme à un pays partenaire peut donc créer une relation durable. La Chine peut intégrer l'IA à ses offres industrielles et numériques ; l'Inde peut proposer des solutions abordables adaptées au multilinguisme et aux services publics.
Cette influence sera contestée sur la protection des données, la surveillance, la propriété intellectuelle, la sécurité et les biais. Les États clients chercheront à éviter un enfermement technologique. Les architectures ouvertes facilitent l'adaptation locale, mais elles ne suppriment pas les besoins de matériel et de maintenance. La bataille des standards portera autant sur l'interopérabilité et la confiance que sur les performances brutes.
Les États-Unis ne sont pas dépassés, l'Europe n'est pas absente
Le financement privé, les accélérateurs, les laboratoires et les plateformes américaines donnent encore aux États-Unis une profondeur exceptionnelle. Les alliances avec Taïwan, la Corée du Sud, le Japon et les Pays-Bas relient plusieurs maillons essentiels de la chaîne des semi-conducteurs. L'Europe dispose de recherche, d'équipements critiques, d'industries spécialisées et d'un pouvoir réglementaire, même si elle héberge moins de très grands fournisseurs de modèles et de cloud.
Parler de Chine et d'Inde face au « reste du monde » efface également le Japon, la Corée du Sud, Singapour, le Canada et les coopérations transfrontalières. Les équipes de recherche, les chaînes de fabrication et les capitaux ne suivent pas parfaitement les frontières nationales. La souveraineté en IA signifie donc rarement tout produire chez soi ; elle signifie connaître ses dépendances, disposer d'alternatives et conserver la capacité de décider.
Trois trajectoires pour la prochaine phase
Dans une première trajectoire, la Chine réduit progressivement ses contraintes matérielles et diffuse des modèles efficaces dans son industrie, devenant un pôle technologique largement autonome. Dans une deuxième, les contrôles sur les puces ralentissent la frontière chinoise sans empêcher un leadership dans les modèles ouverts et les applications. L'écosystème mondial se divise alors entre piles techniques partiellement incompatibles.
Pour l'Inde, la réussite serait différente : calcul accessible, modèles multilingues fiables, entreprises capables d'exporter et services publics améliorés. L'échec prendrait la forme d'une dépendance persistante aux puces, au cloud et aux modèles étrangers malgré des annonces ambitieuses. Le verdict ne viendra pas d'un classement ponctuel. Il viendra de la capacité à maintenir les infrastructures, former les utilisateurs, transformer les organisations et produire une confiance durable.
Sources et méthode
L'analyse s'appuie sur la mise à jour 2026 de l'OMPI sur les brevets d'IA générative, la documentation du modèle DeepSeek-V3, les orientations chinoises sur AI Plus et les communications officielles de l'IndiaAI Mission. Les comparaisons distinguent les brevets, les capacités matérielles, les modèles et les usages, qui ne constituent pas des indicateurs équivalents.
