Oubliez les tokens et les gigawatts ! L'IA ne se contente plus de calculer, elle agit. La véritable course à l'intelligence artificielle est la capacité industrielle.
Par Sébastien Guinard, ingénieur au CEA (*)
On mesure souvent la course à l’IA avec trois unités : les tokens, les gigawatts et les nanomètres. Les tokens disent la capacité des modèles : ce qu’ils peuvent produire, à quelle vitesse, à quel coût. Les gigawatts disent la puissance électrique disponible pour les data centers. Les nanomètres caractérisent la performance des puces qui font les calculs. Ces métriques permettent d’appréhender la position chinoise dans la course à l’IA.
Sur les modèles, l’écart sino-américain s’est fortement réduit : selon le Stanford AI Index, l’écart n’était plus que de 2,7 % en mars 2026. Sur les centres de données, Pékin construit vite : Rystad Energy estime que sa capacité pourrait dépasser 60 GW en 2030. Sur les puces les plus avancées, en revanche, le retard demeure à plusieurs niveaux : GPU, mémoires HBM, logiciels de conception et équipements de fabrication de ces derniers. C’est d’ailleurs ceux-là que visent les contrôles et restrictions d’export américains. C’est dans ce contexte que la formule énoncée fin 2025 par de Jensen Huang, patron de Nvidia, prend tout son sens : « la Chine n’est qu’à quelques nanosecondes de retard sur les États-Unis dans le développement des puces d’intelligence artificielle ». Elle frappe juste, mais elle risque pourtant de masquer l’essentiel. La véritable course à l’IA ne se joue plus seulement dans la capacité à calculer. Elle se joue aussi dans la capacité à transformer le calcul en action.
L’IA devient en effet une technologie opérante. Elle ne sert plus seulement à produire un texte, une image ou une ligne de code. Elle convertit une intention en chaîne d’exécution : définir un objectif, commander des machines, optimiser des flux. C’est le sens profond de l’IA agentique : non plus seulement traiter des informations sur le monde, mais les transformer en actions dans le monde. Il faut donc distinguer deux dimensions.
La première est une capacité de décision liée aux modèles, aux données, au calcul. La seconde est une surface industrielle d’exécution liée aux usines, aux robots et aux infrastructures logistiques. Les analyses occidentales privilégient souvent la première : meilleurs modèles, meilleures puces, plus grands data centers. C’est nécessaire, mais insuffisant car l’IA décisive sera aussi celle qui s’insère dans les chaînes industrielles. C’est ici que l’IA physique devient centrale. La commission européenne la définit comme une IA permettant à des systèmes autonomes d’agir dans le monde matériel. C’est donc une IA exposée au réel qui ne manipule plus seulement des signes mais qui apprend des actions qu’elle provoque, formant alors une boucle : l'IA capte des données, prend une décision, la machine l'exécute et fournit de nouvelles données qui améliorent les décisions suivantes dans un couplage auto-renforçant entre décision et exécution.
C’est là que le regard sur la Chine change. Sur la capacité de décision, elle est contrainte, sans être décrochée. Elle ne dispose pas encore des puces les plus sophistiquées et subit la stratégie américaine de freinage. Mais les progrès en IA tiennent aussi aux logiciels, aux méthodes d’optimisation, aux outils de déploiement et aux modèles ouverts, qui amortissent la contrainte matérielle. Or la Chine ne manque ni de modèles, ni de talents : selon le Paulson Institute, 38 % des chercheurs IA de premier plan y ont été initialement formés en 2024, contre 24 % aux États-Unis. Sur la surface d’exécution, l’avantage chinois est bien plus net. Selon la Banque mondiale, sa valeur ajoutée manufacturière atteignait environ 4 661 milliards de dollars en 2024.
Newsletter
Ma Tribune
L’actualité qui compte pour vous, chaque jour dans votre boîte mail.
Lloyd’s List indique que les ports chinois représentent plus de 40 % du trafic mondial de conteneurs. L’International Federation of Robotics estime que la Chine a installé environ 295 000 robots industriels en 2024, soit 54 % des installations mondiales, portant son parc au-delà de deux millions d’unités. Ces chiffres ne disent pas tout de la sophistication industrielle mais ils disent l’échelle de l’atelier du monde. La Chine n’est pas seulement un marché où l’IA peut être consommée. Elle est un espace où l’IA peut être branchée sur des chaînes productives d’une densité exceptionnelle, assez automatisées pour nourrir les boucles d’apprentissage à venir. C’est précisément cette boucle entre décision et exécution d’ailleurs que l’État chinois cherche à accélérer, notamment avec l’initiative « AI+ » car si la Chine ne peut pas être en avance sur chaque brique, elle cherche à l’être dans leur combinaison et dans leur mise en oeuvre.
Le cas chinois éclaire ainsi en creux la vulnérabilité européenne. L’Europe risque d’abord de manquer d’IA pour l’industrie : dépendance aux puces, aux modèles, aux clouds américains, aux fonderies asiatiques et faiblesse relative des acteurs numériques européens. Ses plans AI Continent, AI Factories et InvestAI montrent une prise de conscience, mais ne lèvent pas encore ses lourdes dépendances structurelles. Surtout, et c’est le risque le moins vu, l’Europe risque de manquer d’industrie pour l’IA. Si l’IA devient une technologie d’action, la désindustrialisation devient aussi un problème cognitif. Sans usines, sans machines, sans procédés à optimiser, l’IA perd des situations où apprendre du réel et se renforcer. Le rapport Draghi invite l’Europe à réduire son écart d’innovation ; Philippe Aghion, colauréat du Nobel d’économie 2025, rappelle que la prospérité dépend du renouvellement des structures productives. L’IA arrime ces deux diagnostics : une base industrielle affaiblie prive l’IA de terrains d’apprentissage, un retard en IA pénalise l’industrie et les deux peuvent s’enfermer dans une spirale de déclassement.
La course à l’IA a donc plusieurs dimensions. La plus visible est celle des tokens, des gigawatts et des nanomètres. Mais une autre devient décisive : celle où les modèles rencontrent l’appareil productif, là où l’IA cesse d’être seulement générative pour devenir active. C’est là que le paradoxe chinois se résout : la Chine a peut-être une nanoseconde de retard sur certaines puces avancées, mais elle possède déjà les usines et les infrastructures où décision et exécution se renforcent et où l’IA devient puissance.
_______
(*) Sébastien Guinard est ingénieur au CEA et y conduit des études de marché et des analyses technologiques sur les enjeux du numérique. Il enseigne à GEM - Alpine Business School.
