Une étude de RAND portant sur 1 181 entreprises montre que la vraie différence entre les écosystèmes chinois et américain de l’intelligence artificielle ne se joue pas seulement dans les modèles, mais dans l’endroit où l’IA est appelée à travailler.
Depuis deux ans, la comparaison entre la Chine et les États-Unis en matière d’intelligence artificielle se résume souvent à quelques noms : OpenAI, Anthropic et Google d’un côté ; DeepSeek, Alibaba ou Moonshot de l’autre.
Qui possède le meilleur modèle ? Qui dépense le plus en puissance de calcul ? Qui prend quelques points d’avance sur un benchmark ?
Une étude publiée en août par la RAND Corporation propose de regarder ailleurs.
Ses chercheurs ont d’abord identifié plus de 26 000 entreprises susceptibles de développer de l’IA, avant de ne retenir que celles qui développaient réellement leurs propres technologies. Au bout du processus : 1 181 entreprises, dont 743 américaines et 438 chinoises.
Et c’est en regardant ce que font concrètement ces entreprises qu’apparaît l’un des écarts les plus frappants.
Software vs Embodied AI : les chiffres clés de l’étude RAND ：61 % contre 26 %
Aux États-Unis, 61 % des entreprises étudiées développent uniquement du logiciel.
En Chine, elles ne sont que 26 %.
À l’inverse, les entreprises chinoises sont beaucoup plus présentes dans le monde physique.
Les robots humanoïdes concernent ainsi environ 12 % des entreprises chinoises contre 2 % des américaines. Pour les robots terrestres et quadrupèdes, l’écart est de 24 % contre 16 %. Dans la conduite autonome, de 14 % contre 7 %.
Le contraste se retrouve dans les secteurs d’application : davantage de fabrication, de transport et d’énergie en Chine ; davantage de santé, de recherche scientifique ou de cybersécurité aux États-Unis.
RAND résume cette différence par une opposition entre software et physical embodiment.
On pourrait la formuler plus simplement :
les États-Unis apprennent beaucoup à l’IA à produire, analyser et communiquer de l’information ; la Chine lui apprend aussi à se déplacer, conduire et travailler dans une usine.
Même lorsqu’elles utilisent des outils similaires, les entreprises ne leur demandent donc pas nécessairement de faire la même chose.
Le cas de l’apprentissage par renforcement est révélateur. La proportion d’entreprises qui y ont recours est pratiquement identique dans les deux pays. Mais aux États-Unis, cette technologie sert notamment à améliorer le comportement des modèles de langage ; en Chine, elle est davantage utilisée dans la robotique, la conduite autonome ou l’automatisation industrielle.
Un même outil, deux terrains d’entraînement.
Industrie manufacturière et IA : pourquoi la Chine mise sur la robotique et l’auto autonomie
Pourquoi une telle différence ?
L’explication ne tient probablement pas seulement aux choix technologiques ou aux politiques publiques.
Aux États-Unis, certaines des ressources les plus coûteuses sont le temps d’un médecin, d’un ingénieur logiciel, d’un chercheur, d’un avocat ou d’un analyste. Le pays possède également le plus puissant écosystème mondial de logiciels, de cloud et de services numériques.
Il est donc assez logique que l’IA s’y développe largement pour automatiser, assister ou augmenter le travail intellectuel.
La Chine part d’un autre terrain : première puissance manufacturière mondiale, réseau logistique gigantesque, industrie automobile en transformation rapide, forte densité d’usines, d’équipements et de chaînes d’approvisionnement.
L’intelligence artificielle y rencontre naturellement davantage de machines.
La structure même des entreprises reflète cette différence. Selon RAND, 56,6 % des développeurs chinois d’IA étudiés appartiennent à des groupes dont l’activité ne se limite pas à l’intelligence artificielle, contre 28,8 % aux États-Unis.
L’IA chinoise se développe donc souvent au contact direct d’entreprises déjà présentes dans l’industrie, l’automobile, les télécommunications ou d’autres secteurs de l’économie réelle.
La politique industrielle joue évidemment un rôle. Pékin soutient la robotique, finance des projets et multiplie les terrains d’expérimentation.
Mais la politique ne suffit pas à expliquer pourquoi l’IA prend telle ou telle direction.
Elle peut créer les conditions.
L’économie, elle, crée les usages.
C’est peut-être l’enseignement le plus intéressant de l’étude : l’IA ne transforme pas seulement l’économie. L’économie transforme aussi l’IA.
Et cela pourrait compter pour la suite.
RAND souligne que si les progrès futurs de l’intelligence artificielle passent davantage par la robotique, les modèles du monde et l’apprentissage au contact de l’environnement physique, la plus grande diversité chinoise dans l’IA incarnée pourrait constituer un avantage.
Ce n’est encore qu’une hypothèse.
Mais elle oblige déjà à regarder la compétition autrement que comme une simple course entre grands modèles.
Quel avenir pour l’IA en Europe ? De Mistral AI à l’industrie européenne
C’est ici que la comparaison devient particulièrement intéressante vue de Paris.
Le récent rapprochement entre Samsung et Mistral AI en offre une illustration. Au-delà de l’investissement très commenté, le groupe coréen veut notamment utiliser les technologies de Mistral dans ses activités de semi-conducteurs.
Mistral apporte l’intelligence. Samsung lui offre un terrain industriel.
L’Europe dispose pourtant elle aussi d’un patrimoine industriel considérable : aéronautique, automobile, énergie, pharmacie, équipements industriels, semi-conducteurs, robotique…
La question n’est donc peut-être pas seulement de savoir si elle parviendra à fabriquer son propre OpenAI.
Elle est plus concrète :
l’Europe saura-t-elle relier suffisamment vite ses capacités en intelligence artificielle aux industries dans lesquelles elle possède encore un avantage mondial ?
L’étude de RAND ne permet évidemment pas d’y répondre. Elle ne porte que sur la Chine et les États-Unis.
Mais elle suggère quelque chose d’utile : il n’existe peut-être pas une seule trajectoire vers une économie de l’IA.
Une même technologie peut prendre des formes différentes selon le terrain sur lequel elle pousse.
Et dans cette transformation, la qualité du modèle ne sera peut-être qu’une partie de l’histoire.
Il faudra aussi regarder le corps que chaque économie sera capable de lui donner.
