La course chinoise pour rattraper la puissance de calcul

Lors d'une réunion avec des investisseurs, Liang Wenfeng n'a pas mâché ses mots. Le PDG de DeepSeek a dressé un tableau brut, presque cinématographique : la Chine fonce pour combler un fossé de puissance de calcul qui semblait autrefois infranchissable, et l'ancien leader pourrait être surpris par la rapidité avec laquelle le domaine évolue.

DeepSeek exploite actuellement l'équivalent d'environ 20 000 puces Nvidia H100, dont la plupart sont arrivées au cours du dernier mois ou deux. Cette capacité paraît énorme. Elle l'est. Mais elle ne leur permet encore d'activer qu'environ 10 milliards de paramètres à la fois. Comparez cela aux modèles de premier plan qui peuvent maintenir autour de 800 milliards de paramètres actifs simultanément. La différence n'est pas négligeable. Elle est structurelle.

Comment Huawei s'insère dans l'équation

Liang a pointé les nœuds Atlas 950 de Huawei, propulsés par les processeurs Ascend 950, comme une vraie alternative. Sa déclaration était provocante : bien qu'un seul Ascend 950 soit moins efficace qu'une puce Nvidia H100, en pratique un cluster de ces nœuds Huawei peut égaler les performances de bout en bout des racks Nvidia GB200 et GB300. Selon ses calculs, il faudrait à peu près quatre Ascend pour une puce Nvidia, mais le débit global et la latence peuvent s'aligner suffisamment pour rendre la substitution faisable.

Nvidia se creuse sa propre tombe, a-t-il prévenu. Les différences de prix comptent moins, a soutenu Liang, car même si le matériel Huawei était 50, 100 ou 200 pour cent plus cher, la capacité à déployer à grande échelle et les avantages politiques d'une chaîne d'approvisionnement domestique pourraient l'emporter sur de simples comparaisons de coûts.

Il y a un hic. L'entraînement des modèles volumineux à la pointe est vorace en ressources. Pour entraîner un modèle à l'échelle des géants actuels de l'IA, Liang estime qu'il faudrait environ 50 000 processeurs Nvidia de classe GB300 ou à peu près 200 000 puces Ascend 950. Ce sont des chiffres pour l'entraînement seulement ; la recherche et l'expérimentation ajoutent leurs propres besoins en calcul. Cela explique en partie pourquoi l'écart de ressources de calcul entre la Chine et les États-Unis reste le principal obstacle.

Que fait DeepSeek à ce sujet ? Pour l'instant, l'entreprise étend agressivement son infrastructure. Mais Liang a également souligné un autre champ de bataille : les données. L'étiquetage de qualité, selon lui, est le goulot d'étranglement lent. On peut multiplier les puces, mais si vos étiquettes et vos ensembles de données curationnels prennent du retard, le progrès s'en trouve freiné. Des sociétés comme OpenAI et Anthropic ont une avance ici parce qu'elles se sont mobilisées plus tôt et ont investi davantage dans l'annotation de haute qualité.

La leçon ne porte pas seulement sur les puces ou l'orgueil national. Il s'agit de la constellation matériel, logiciel, talents et temps. La Chine construit la capacité de calcul. Elle investit aussi dans le travail long et moins glamour de l'hygiène des jeux de données et de l'étiquetage. Si ces deux volets progressent, la carte de la compétitivité en IA pourrait être très différente dans quelques années.

Le message de Liang était franc mais stratégique : il ne s'agit pas d'un combat unique autour d'une seule puce. C'est une campagne longue où des alternatives naguère considérées comme de second rang peuvent devenir décisives une fois mises à l'échelle et intégrées dans une pile complète. Ce basculement pourrait être le moment que Nvidia considérera plus tard comme déterminant.