Les modèles ouverts d'IA bousculés par la concurrence chinoise

Interpellations d’entreprises occidentales, bascule de certains usages vers des modèles chinois, écart technique réduit avec les systèmes fermés et controverses sur la distillation : 2026 redessine les lignes des modèles ouverts. Des sources techniques et politiques décrivent un paysage où la sécurité et la stratégie nationale pèsent autant que les benchmarks.

Des entreprises questionnées et des choix vers des modèles chinois

L’usage de modèles chinois par des sociétés occidentales a suscité une attention réglementaire notable. Des législateurs ont interrogé DoorDash le 31 juillet 2026, ainsi qu’Airbnb et Anysphere/Cursor le 29 avril 2026, et Apple le 17 mai 2025, au sujet de leur recours à ces systèmes. Parallèlement, des arbitrages techniques et économiques ont mené certaines entreprises à changer d’outils : Perplexity a rapidement adopté DeepSeek R1, selon des informations du 28 janvier 2025, et Thomson Reuters a bâti sur Qwen pour se détourner de Claude, selon des informations du 24 août 2026.

Performances : écart réduit à 4–6 mois et leadership ouvert venu de Chine

L’écart entre modèles ouverts et fermés s’est resserré et se situe autour de 4 à 6 mois. Depuis environ 2024, les principaux modèles ouverts proviennent de laboratoires chinois. Des évaluations indépendantes publiées en août 2026 concluent que les modèles ouverts se rapprochent de la frontière, tandis que des sources de données d’Epoch AI et d’Artificial Analysis tracent l’évolution de cet écart dans le temps. Une autre analyse, en mai 2026, combine évaluations publiques et privées. Le 21 novembre 2025, un responsable produit de Z.ai affirmait la rapidité des publications en open source, évoquant une mise en ligne en quelques heures.

Distillation : techniques d’extraction de traces et controverses en 2026

En 2026, la distillation s’impose comme le débat central sur les modèles ouverts. Un chapitre de manuel post‑formation RLHF publié en 2026 rappelle les bases des données synthétiques et de la distillation, tandis que des travaux détaillent comment cette approche aide des laboratoires chinois sans réduire leur capacité d’innovation. Des implémentations d’API permettant l’extraction systématique de traces de raisonnement ont été présentées en 2026, et Anthropic a confirmé que cette technique est utilisée par des laboratoires chinois. Des prises de position jugent infondée la panique politique attribuant à la seule distillation la proximité des modèles chinois avec la frontière et décrivent les usages actuels ainsi que les gains de performance observés. En 2024, des écrits signalaient la domination de la SFT sur sorties de modèles plus forts et le passage amorcé vers la distillation basée sur les logits, confirmé d’abord dans Gemini. Début 2025, un débat a concerné une possible distillation de DeepSeek‑R1 à partir d’o1 ; en avril 2025, il a été écrit avec assurance que DeepSeek ne l’avait pas fait. Au moment de R1, il est toutefois jugé plus possible que certaines traces d’o1 aient été utilisées pour faciliter l’entraînement, sans que cela ne réduise l’innovation de DeepSeek.

Cybersécurité : interdiction inefficace et appel à une politique cohérente

Un incident liant OpenAI et Hugging Face est avancé pour soutenir qu’interdire l’accès à des modèles ouverts ne priverait pas des acteurs malveillants de ces capacités. En juillet 2026, l’arrivée de formes de hacking autonome décrites comme trop bon marché pour être mesurées est évoquée. En août 2026, un appel est lancé à une politique nationale de cybersécurité dédiée à l’IA, structurée pour observer, s’orienter, décider et agir face aux menaces émergentes, plutôt que de bloquer des modèles à partir d’évaluations internes de capacités.

Rivalité États‑Unis–Chine : investissements, avantages structurels et rythme

La compétition sur les modèles ouverts oppose des trajectoires distinctes. En août 2025, un appel a été lancé pour que les États‑Unis investissent dans les modèles ouverts au service de la R&D. D’autres arguments avancent que ces modèles soutiennent l’innovation de recherche, et qu’interdire l’open source IA irait à l’encontre de valeurs comme l’éducation, l’innovation et la concurrence. En juillet 2026, des mécanismes vagues de supervision fédérale sont décrits comme propices à un affrontement voire une interdiction de modèles ouverts de pointe. Côté chinois, une histoire consacrée à l’open source et des analyses d’avantages structurels ont été publiées en 2025‑2026, ainsi que des notes issues de laboratoires décrivant des pratiques propres à l’industrie locale. En août 2026, des explications sur GLM‑5.3 détaillent comment des laboratoires chinois gardent le rythme de la frontière. Des séries techniques comme Pythia et Olmo illustrent par ailleurs l’état de l’art de modèles de langage entièrement ouverts.

Repères stratégiques : définitions, adoption et contraintes de données

Plusieurs textes cadrent la notion de modèles ouverts, les raisons de leur publication et les risques associés, dont une mise en perspective stratégique par Bill Gurley. En juillet 2024, Mark Zuckerberg a exposé les motivations de Meta à publier des modèles ouverts. Des approches invitent à les envisager comme un gradient, selon des paramètres comme licences, coûts d’exécution et accès aux données. D’autres analyses discutent du rôle économique futur des modèles ouverts, de leur probable retard persistant face aux fermés et de dynamiques d’adoption distinctes. Des propositions détaillent une voie sûre pour publier des poids ouverts. Sur le plan des risques, un travail de février 2024 a constaté une augmentation très marginale des risques potentiels documentés liée aux LLM textuels, tandis qu’en juillet 2024, une forte contraction des données ouvertes a été documentée. Des articles en 2025‑2026 reviennent sur l’impact de modèles chinois récents, et un récapitulatif sur 2025 est disponible. Pour le suivi, l’ATOM Report d’avril 2026 compare l’adoption entre États‑Unis et Chine, un tableau de bord présente téléchargements, dérivés et adoption régionale, et un hub recense les modèles clés.