La guerre de l'intelligence : États-Unis vs Chine

Écouter sur :

Les modèles d'IA sont devenus une véritable arme géopolitique. Récemment, Trump a interdit la commercialisation du modèle d'Anthropic Claude Fable 5. La Chine va désormais également restreindre l'utilisation de ses meilleurs modèles d'IA. Les modèles open source, eux, continuent de se développer et couvrent désormais la plupart des cas d'utilisation.

Une question ? Contacte moi : guillaume.gay@protonmail.com

Transcription brute générée automatiquement par Whisper — peut contenir des imprécisions.

Transcription

Bonjour à tous et bienvenue dans ce nouvel épisode de Génération IA. Je suis ravi de vous retrouver aujourd'hui. On est le jeudi 9 juillet, au moment où je tourne cet épisode, et ça fait plaisir de faire un épisode en solo entre plusieurs invités. J'essaye d'alterner un petit peu en ce moment, je réfléchis à la suite du podcast. Mais en tout cas, on va revoir ensemble un petit peu l'actualité autour de l'intelligence artificielle générative. Vous le savez, c'est le but de ce podcast.

Et on va revoir ça sous l'angle un petit peu open source models versus closed models, parce qu'on sait qu'il y a deux philosophies, les modèles fermés et les modèles ouverts en open source. Et on va voir vraiment quelle est la différence et où on en est aujourd'hui, parce que les États-Unis ont adopté plutôt une stratégie de modèles fermés, alors que la Chine a une stratégie de modèles open source, et donc en fait, il y a eu récemment, vous le savez peut-être, le modèle d'Anthropic Claude Fable 5 qui a été interdit par le gouvernement. Ça y est, il est autorisé à nouveau. Mais le gouvernement américain s'est complètement mis au travers du déploiement d'un modèle d'intelligence artificielle, ce qui en a fait pour la première fois une arme géopolitique. L'intelligence artificielle est clairement devenue, une arme géopolitique.

Et ce modèle Claude Fable 5 est doté de tout un tas de restrictions, c'est-à-dire qu'évidemment, si vous lui demandez comment faire une bombe nucléaire, il ne va pas vous le dire. Mais pour la première fois, en fait, il était même restreint au niveau de l'entraînement de modèles d'intelligence artificielle, c'est-à-dire que les concurrents d'Anthropic, et notamment des concurrents chinois, ont entrainé, ont tendance à faire, d'une part, de la distillation, c'est-à-dire qu'ils vont essayer d'extraire les connaissances de ce modèle d'intelligence artificielle et de les donner à un modèle plus petit, qui sera donc moins cher, et qui aura demandé aussi moins de recherche et développement.

Mais aussi, d'autre part, là, ils avaient même restreint ces capacités en termes de machine learning, appliquées à l'économie, et donc au modèle d'intelligence artificielle et au modèle de langage, afin vraiment de limiter l'accès aux concurrents. Car on avait vu à l'époque qu'Anthropic avait interdit à Grok, l'entreprise d'Elon Musk, d'utiliser Claude Code, car c'était un concurrent direct, et donc c'est contre les conditions d'utilisation d'Anthropic. Et donc là, ils avaient carrément ajouté des restrictions au niveau du modèle.

Donc, malgré ça, le gouvernement américain a quand même resté, restreint l'utilisation de Grok, Fab, le sac. Et de l'autre côté, on voit les modèles open source chinois qui sont en train de combler l'écart en termes de benchmark, c'est-à-dire d'évaluation sur plusieurs tâches. Il y a eu notamment la sortie du modèle de l'entreprise ZAI GLM 5.2, qui était l'un des tout premiers modèles open source à vraiment concurrencer des modèles de type frontière modèle. C'est-à-dire les plus intelligents du moment.

Entre-temps, il y a eu la sortie de Claude Fable 5, et puis les sorties des modèles d'OpenAI GPT 5.6, je crois qu'ils s'appellent Terra, Luna et Sol. Et donc, ces modèles qui se déploient progressivement, je crois qu'ils ne sont pas disponibles encore, en tout cas en Europe, ont passé encore un cap supérieur, donc la course ne finit jamais. Mais du coup, si vous voulez, au bout d'un moment, les modèles open source sont tellement devenus intelligents et forts qu'ils suffisent à 90% des tâches du quotidien. Et donc, les frontières models vont être aussi utiles, mais vraiment pour des tâches très spécifiques qui demandent beaucoup plus d'intelligence. On peut penser notamment aux mathématiques. Vous le savez également peut-être, j'en ai parlé je crois sur ce podcast, GPT 5, je crois, ou 5.5 d'OpenAI, a résolu un théorème mathématique tout seul.

C'est-à-dire que pour la première fois, on avait une intelligence artificielle qui prouve un théorème qui n'avait jamais été prouvé auparavant, seul. Donc, on avait franchi un cap ici. Et donc, pour ce type d'usage, c'est toujours très cohérent d'utiliser des modèles très intelligents. Par contre, pour l'utilisation agentique, par exemple des agents IA qui vont utiliser des modèles très intelligents, qui vont utiliser des modèles très intelligents, qui vont, par exemple, trier des emails. Je sais que c'est le cas vraiment bateau. Mais on n'a pas besoin d'avoir un LLM très très intelligent pour faire ça.

En tout cas, les modèles open source actuels sont suffisamment intelligents pour faire ça et beaucoup moins chers. Donc, on avait cette course, en fait, effrénée avec les USA en tête. Et d'ailleurs, on voit qu'Enthropique, ils recrutent vraiment toutes les pointures, ils vont débaucher des gens chez Google, DeepMind. Ils vont débaucher André Scarpatti, le chercheur mythique qui a travaillé chez Tesla, OpenAI, qui est un des chercheurs les plus respectés en IA.

Et ils ont débauché tout un tas des CTO ou d'anciens CTO d'entreprise, comme l'ancien CTO d'Instagram, qu'ils s'appellent tous, en fait, Members of Technical Staff, donc des membres du staff technique. Ils n'ont pas de rôle particulier. On peut dire qu'ils sont un peu tous... Ils ont un rôle en interne. Mais le titre de poste, et le même pour tout le monde, c'est assez intelligent de faire ça de la part d'Enthropique. En tout cas, on a vraiment une guerre à mort entre les labos, notamment américains, quand je dis ça, je pense vraiment à OpenAI et Enthropique, et les concurrents chinois. Parce qu'à partir du moment où OpenAI et Enthropique vont perdre ce monopole sur l'intelligence des frontières modèles, c'est-à-dire, à partir du moment où leurs modèles ne seront plus les meilleurs du marché, il n'y aura quasiment plus aucun intérêt de les utiliser, car ils ne sont pas open source.

Et, si vous voulez, il n'y a pas, comme par exemple l'environnement Google, bien qu'ils essayent de développer des outils comme Claude Code, mais par exemple, on peut très bien... Il y a des concurrents de Claude Code, comme OpenCode, ZAI, justement, a sorti son concurrent de Claude Code, et Claude Code n'est pas forcément le meilleur harness, c'est-à-dire, c'est pas forcément le meilleur outil de développement, c'est simplement que les modèles qui sont associés à Claude Code, les modèles d'Enthropique, sont les meilleurs. Donc à partir de là, Claude Code devient excellent. Mais ce n'est pas grâce à Claude Code qu'Enthropique va avoir ce qu'on appelle le MOT, un avantage concurrentiel, c'est vraiment grâce à leurs modèles. Donc à partir du moment où ils auront les modèles qui ne seront pas les meilleurs, il y aura de sérieuses questions à se poser, et ça peut être un très gros danger pour la bourse également, et tous les investisseurs qui ont investi dans ces entreprises.

Les Chinois reviennent très très très fort dans la course, les enjeux sont vraiment considérables, et la Chine a adopté une politique de modèle open source. En fait, c'est une stratégie. En général, quand on est moins bon, c'est toujours bien vu de le mettre en open source, parce que vous attirez une communauté, les gens vont les déployer ou créer un écosystème, une communauté, vous faites parler de vous, vous avez une bonne image. Mais je comprends tout à fait les plus grosses entreprises qui n'ont pas envie de mettre leur modèle en open source.

Et on a vu récemment que le gouvernement chinois a, je crois, contacté ou mis en place une stratégie pareil pour restreindre les tout dernières frontières modèles développées par les laboratoires chinois, pour ne pas forcément les fournir aux concurrents. Donc la Chine également ne sont pas fous, ils vont très bien mettre en place des restrictions pour restreindre l'utilisation de ces modèles d'intelligence artificielle, qui sont vraiment des armes, des armes économiques, mais également des armes potentiellement militaires.

Alors, c'est pas forcément des LLM, mais par exemple, dans les drones, etc., il y aura beaucoup d'intelligence qui sera déployée pour faire la guerre. Et donc, il y a vraiment un tournant qui s'est produit récemment. Et la conclusion de ça, c'est quoi, au final? Pour moi, la conclusion, si on est une entreprise ou un particulier, c'est vraiment de ne pas mettre tous ses oeufs dans le même panier. C'est-à-dire que si on dépend uniquement d'Anthropic, on utilise tout l'écosystème Anthropic, Claude Code, Claude Fable, Claude Opus, avec l'abonnement Claude Code, et dans son entreprise, on a un partenariat avec Anthropic, c'est quand même un risque, d'après moi, car déjà, on crée une dépendance. Et donc, si Anthropic augmente ses prix, comme c'était le cas récemment, on n'a pas le choix de payer.

Mais surtout, si le gouvernement américain décide unanimement, comme ça a été le cas, de retirer un modèle, vous le perdez. Vous le perdez dans votre infrastructure et du jour au lendemain, il n'est plus disponible. D'ailleurs, imaginez que vous ayez configuré dans votre code le modèle Claude Fable 5, vous vous réveillez un matin, et votre application ne fonctionne plus. Votre application LLM, car en fait, l'API d'Anthropic retourne une erreur. Le modèle n'est plus disponible.

C'est très dangereux, c'est pour ça qu'il faut se connecter à plusieurs providers. Pourquoi pas utiliser des modèles open source de plus en plus? Et le niveau ultime, c'est vraiment de fine-tuner un modèle. C'est-à-dire d'entraîner un modèle existant sur votre data. Il y a de plus en plus d'entreprises qui font ça, qui décident. Il y a même des modèles qui vont continuer d'apprendre, un peu self-improving, on va dire. À chaque fois que vous l'utilisez, il va lui-même s'améliorer en se basant sur vos utilisations. Ça, c'est vraiment, je pense, l'avenir, car on a vu que les en fait, tout ce qui fait la différence de l'utilisation de l'intelligence artificielle, c'est le contexte et à quelles données vous lui proposez. Si vous connectez une IA, vous créez des skills en se basant sur vos propres cas d'usage, alors là, l'IA va être ultra performante.

Il faut, en fait, l'avantage numéro 1, ça va être de traduire vos workflows, vos expériences métiers dans des skills, par exemple, ou carrément d'entraîner des modèles sur vos données d'entreprise, par exemple. Là, vous aurez vraiment un leverage au niveau de l'intelligence artificielle qui sera maximal. Plus le contexte sera précis, moins le modèle aura besoin d'interpréter et d'inventer et donc d'être intelligent, de consommer des tokens, de latence, etc.

Lorsque vous utilisez un LLM, aujourd'hui, alors avant, on appelait ça des prompt engineers, donc il y avait le prompt engineering, c'était vraiment une nouvelle section dans un nouveau métier, presque dans l'intelligence artificielle. Ensuite, vous aviez le contexte engineering, c'est-à-dire la gestion du contexte, et c'est toujours le cas, c'est très important de donner le bon contexte à l'intelligence artificielle. Et puis, désormais, vous avez ce qu'on appelle le loop engineering.

Alors, c'est toujours un peu marrant parce que c'est un peu des buzzwords au début. Je ne sais pas si vous avez entendu parler du loop engineering depuis que le fondateur d'OpenCrow, Peter, je ne vais pas prononcer son nom de famille parce qu'il est autrichien et qu'il a un nom à rallonge, depuis qu'il en a parlé sur X, et même un petit peu avant, les développeurs de CodeCode également, c'est devenu presque un buzzword, on va dire. L'idée, c'est quoi? C'est qu'au lieu de pronter vous-même un LLM, vous allez donner un objectif à atteindre, et le LLM va l'agent IA, quand je dis un LLM, on va dire plutôt une application agentique comme Claude Code, va lui-même itérer et créer ses propres promptes afin de d'atteindre cet objectif. Parce que quand un agent va appeler des sous-agents, il va les prompter lui-même. Donc effectivement, il ne sert plus à rien vraiment d'être un prompt engineer, bien qu'il y a des façons de prompter quand même qui sont intéressantes, mais aujourd'hui, on peut simplement donner un objectif à des agents IA, et ils vont tout mettre en oeuvre jusqu'à l'atteinte de ces objectifs.

Donc ça peut être par exemple un objectif de développement d'une feature, ça peut être un objectif d'évaluation, de précision, etc. Et puis vous pouvez aussi lui donner un temps imparti, ou un budget, afin qu'il réalise cet objectif dans le temps et dans le budget imparti. Donc c'est vraiment, c'est ça en fait, le loop engineering. D'ailleurs, avant de commencer ce podcast, je me suis assuré que j'avais lancé mes agents IA qui avaient des tâches assez longues à effectuer. Ça en devient presque maladif de vouloir maximiser la consommation de tokens, on appelle ça le token maxing.

En général, maintenant, dès que je fais quelque chose qui va me prendre du temps, je vais vérifier que j'ai des agents IA qui tournent, si j'ai des abonnements à consommer, bien sûr. Donc voilà pour le loop engineering. Mais bref, petite parenthèse refermée, parlons un petit peu des nouveaux modèles. Comment passer à côté du rachat de curseurs par SpaceX? Je n'en ai pas parlé sur la chaîne, je crois. Mais SpaceX devient SpaceX AI.

Ils ont d'ailleurs sorti un tout nouveau modèle, GROK 4.5, qui apparemment performe très très bien dans les benchmarks. J'ai vraiment hâte de tester ça. Je pense vraiment que à long terme, Google et SpaceX AI vont dominer entre PIC et OpenAI car ils ont vraiment des avantages concurrentiels énormes en termes d'infrastructures notamment. Google ont les TPIs, les EU. C'est plus optimisé pour entraîner et faire tourner des modèles d'intelligence artificielle.

Et SpaceX a des data centers qui d'ailleurs louent à Anthropic du compute. Donc vraiment, ces deux entreprises pour moi vont dominer plus tard. Et en Europe, on a Mistral. On n'en entend plus trop parler. Ils étaient au cœur d'une polémique récemment parce qu'ils n'avaient pas vraiment sorti de modèles de frontières modèles. Donc de modèles qui terminent premier un petit peu dans les benchmarks récemment. J'aime beaucoup la stratégie de Mistral AI parce qu'ils se concentrent également sur l'infrastructure et ils ont aussi release un modèle de robotique je crois, pour que les robots se déplacent dans l'espace. Donc il y a comme un espèce de shift de Mistral vers... bien les infrastructures et puis la robotique. Ils ont racheté Koyeb, une startup d'infrastructure également. Honnêtement, je pense que Mistral s'en sort très très bien. Ils avaient VoxTral qui était un des meilleurs modèles speech-to-text open source.

Donc voilà un petit peu pour le panorama. Et puis, j'ai beaucoup parlé d'Anthropic. J'en profite pour dire qu'ils ont sorti une étude scientifique. Un papier de recherche qui parle d'un espace de mémoire pour les modèles qu'ils auraient découvert et qui ne serait pas vraiment... Alors honnêtement, je ne suis pas le plus qualifié pour en parler parce que je n'ai pas lu ce papier mais j'aimerais beaucoup que Monsieur Phi traite cette actu sur sa chaîne parce que je ne sais pas si vous connaissez cette chaîne YouTube. Monsieur Phi, c'est un philosophe mais c'est vraiment la chaîne YouTube qui parle le mieux de la recherche et de la recherche. autour des modèles de langage et de la conscience potentielle des modèles de langage. Et donc, Anthropic vient de sortir un très gros papier là-dessus. Alors, attention parce que ces papiers de recherche, c'est très bien mais ça permet aussi d'alimenter quelques fantasmes autour des LLM.

Et puis, vous savez que toutes ces entreprises lèvent beaucoup d'argent donc elles ont besoin d'alimenter un fantasme et une hype autour d'elles. Donc, je trouvais ça intéressant de vous partager ceci. En tout cas, j'espère que de votre côté tout se passe bien. Moi, je travaille beaucoup actuellement. Je travaille sur un projet open source qui s'appelle Manifest. Je travaille sur plusieurs autres sujets. Donc, effectivement, je fais un petit peu moins de podcasts en ce moment. Mais n'hésitez pas à me dire si vous aimeriez que j'aborde certains sujets. Et j'ai prévu un prochain avion. Je suis très content de vous avoir invités récemment. Donc, voilà pour ce podcast. C'était Guillaume pour Génération IA et je vous dis à très bientôt.