La Chine veut industrialiser le jeton.

À la WAIC, ce mois-ci à Shanghai, entre 1 100 exposants et plus de 140 forums, le mot qui revenait sans cesse n’était pas AGI, mais Token工厂 : l’usine à jetons (tokens).

La stratégie sous-jacente n’a rien de subtil. Prendre une unité de production d’IA, la standardiser. En industrialiser la fabrication. Écraser les coûts jusqu’à décourager toute concurrence, puis exporter l’excédent. C’est la recette du solaire et des batteries, transposée à l’inférence.

Je dirige une entreprise transfrontalière basée à Shanghai ; auparavant, j’y ai piloté sept ans durant une agence de commerce dont le compte de résultat dépendait tout entier de l’économie des plateformes chinoises. D’où un double scepticisme : envers la presse occidentale, qui balaie d’un revers de main les infrastructures chinoises, et envers la presse chinoise, qui fait d’un pilote une industrie d’exportation aboutie.

Précisons-le d’emblée : il ne s’agit pas de dire que les modèles chinois sont faibles. En mars, l’AI Index de Stanford ne donnait au meilleur modèle américain que 2,7 % d’avance sur le meilleur modèle chinois. Sur les capacités, l’affaire est presque entendue. Ce qui suit porte sur l’infrastructure et l’économie.

Cinq hypothèses portent la stratégie. Une seule tient. Les quatre autres vacillent. Si seule la partie pratique vous intéresse, rendez-vous directement à la dernière section.

Le registre des hypothèses : ouvrez une ligne pour voir ce qu’il en reste face aux données disponibles (1 sur 5 tient)

Légende : tient face aux données · en avance sur les preuves.

Dans son bilan de la WAIC, 36Kr y voit la première année où l’économie du jeton s’est imposée comme un thème central de la conférence.

Source : 36氪, juillet 2026

Faire de l’inférence un produit banalisé, vendu au compteur

En mars, l’Administration nationale des données a arrêté le terme chinois officiel pour le jeton (token), 词元 (cí yuán), qu’elle définit comme une unité de règlement entre l’offre technique et la demande commerciale. Pékin suit désormais le volume quotidien de jetons et le met en avant lors d’événements officiels, comme il le fait pour la production d’acier.

Le chiffre vedette : une multiplication par mille en deux ans, d’environ 100 milliards d’appels par jour début 2024 à plus de 140 000 milliards en mars 2026.

• 100 milliards d’appels par jour, début 2024
• 140 000 milliards par jour, mars 2026 : une multiplication par 1 000
• Chiffre officiel. Non audité. Mesure la consommation, pas la valeur.

Ce chiffre appelle la prudence. Il émane de l’État, personne ne l’audite, et il mesure la consommation, non la valeur. Le travers n’est pas propre à la Chine : aucun gouvernement ni aucun fournisseur au monde ne publie de chiffre de jetons audité. Un agent piégé toute une nuit dans une boucle défaillante en consomme une quantité absurde sans rien produire.

Fin 2025, la Chine avait constitué plus de 100 000 jeux de données de haute qualité, soit plus de 890 pétaoctets : c’est le volet offre de la même politique.

Source : 新华社, 24 mars 2026

Le mécanisme existe, mais il se résume à un pilote

En avril, Shantou, dans le Guangdong, a bouclé la boucle au titre du dispositif 来数加工, le « traitement des données entrantes ». Les données étrangères arrivent dans une zone franche numérique. Le calcul national exécute l’inférence. La réponse repart par API. Électricité, calcul et chiffre d’affaires restent en Chine.

1. Données étrangères en entrée : elles pénètrent dans une zone franche numérique
2. Calcul national : il exécute l’inférence
3. Réponse renvoyée par API : seul le résultat repasse la frontière

L’électricité ne sort pas. Le calcul non plus. Le chiffre d’affaires non plus.

Les médias d’État chinois l’ont résumé d’une formule abondamment reprise : le sel peut courir le monde, mais les marais salants doivent rester au pays. La formule est bonne, et je me suis surpris à la répéter. C’est aussi de la communication, signée par le même système qui publie les chiffres de consommation.

Ce qui manque, c’est le volume. Une ville, un pilote, aucun chiffre d’affaires communiqué. Shantou doit sa sélection à des atouts bien antérieurs à l’IA : elle accueille l’une des trois stations d’atterrissage de câbles sous-marins de Chine continentale, et sa latence vers Singapour avoisine 32,7 millisecondes. L’essentiel du pays n’a ni l’un ni l’autre. Ce détail-là passe souvent à la trappe.

Ce qui est établi :

• 1 des 3 stations d’atterrissage de câbles sous-marins de Chine continentale
• 32,7 ms de latence vers Singapour

Non publié :

• n.c. volume exporté
• n.c. chiffre d’affaires déclaré

La presse chinoise présente l’exportation de jetons comme un triangle impossible : latence, conformité des données et électricité verte très bon marché.

Source : 澎湃新闻 et 同花顺财经, 2026

L’écart de prix est réel, et les développeurs ont déjà tranché

Celle-ci, personne ne la conteste. C’est le pilier le plus solide de la stratégie.

DeepSeek V4 Flash coûte 0,14 $ par million de jetons en entrée. GPT-5.5 coûte 5,00 $. Les modèles chinois à poids ouverts sont 60 à 90 % moins chers que les meilleurs tarifs occidentaux. Sur OpenRouter, qui aiguille chaque appel vers le fournisseur le moins cher, les modèles chinois sont passés de moins de 10 % de l’usage début 2025 à 58 % des jetons traités par des entreprises américaines en juillet, un record.

Les modèles à poids ouverts se vendent 60 à 90 % moins cher que les meilleurs tarifs occidentaux.

Part des modèles chinois sur OpenRouter (jetons traités par des entreprises américaines) : moins de 10 % début 2025, 58 % en juillet 2026, un record.

Avec les agents, l’écart fait boule de neige : une seule tâche peut se ramifier en dizaines d’appels parallèles à des sous-agents.

Sur OpenRouter, le volume hebdomadaire est passé d’environ 5 000 milliards de jetons en avril 2025 à plus de 20 000 milliards un an après.

Source : CNBC, juillet 2026

Là où tout casse d’abord : la puissance de calcul

C’est l’écart que la plupart des analyses sous-estiment, et c’est lui qui me préoccupe. On n’industrialise pas une production avec des équipements qu’on ne parvient pas à se procurer en nombre suffisant.

Le 910C de Huawei atteint environ 60 % des performances d’inférence du H100, selon l’évaluation publiée par DeepSeek lui-même. Le Council on Foreign Relations juge les meilleures puces américaines environ cinq fois plus puissantes que les meilleures de Huawei à ce jour, un écart appelé à se creuser d’ici 2027. Vient ensuite le détail relevé par SemiAnalysis, plus parlant que n’importe quelle fiche technique : la plupart des jetons de DeepSeek sortent encore de matériel occidental. Le fleuron de l’IA chinoise à poids ouverts ne tourne pas à grande échelle sur la filière chinoise.

Le fleuron de l’IA chinoise à poids ouverts ne tourne pas à grande échelle sur la filière chinoise.

L’argument énergétique, qui vient généralement ensuite, se heurte au même obstacle. La Chine produit plus de deux fois plus d’électricité que les États-Unis et a ajouté 543 gigawatts rien qu’en 2024. Mais des accélérateurs nationaux quatre fois plus gourmands en électricité absorbent une bonne part d’un avantage de prix du simple au double. L’électricité bon marché finit par subventionner des puces peu efficaces au lieu de faire baisser le prix des jetons.

L’atout : une production électrique double de celle des États-Unis, et 543 gigawatts ajoutés rien qu’en 2024. Ce qui le neutralise : des accélérateurs nationaux quatre fois plus gourmands, face à un avantage de prix du simple au double.

Les groupes chinois ne restent pas les bras croisés. Zhipu entraîne et sert ses modèles sur des accélérateurs nationaux. Alibaba construit des centres de données en Corée du Sud, en Malaisie, en Thaïlande et au Mexique, et loue des capacités à l’étranger pour contourner le problème des puces. Deux choix rationnels, mais aucun ne comblera l’écart cette année.

Le CloudMatrix 384 de Huawei absorbe environ 4,1 fois la puissance électrique du NVL72 de Nvidia, pour environ 1,7 fois sa puissance de calcul.

Source : SemiconductorX, 2026

Une large part des capacités tourne à vide

L’image de l’usine suppose des usines qui tournent. À lire la presse chinoise, beaucoup sont à l’arrêt.

Tencent Cloud situe l’utilisation moyenne des GPU dans les centres de calcul intelligent chinois sous les 30 %. Des données de la CAICT citées par Huxiu font état d’un taux d’utilisation effective de 36,8 % en 2025 : sur 100 yuans investis, environ 70 dorment. Le Securities Times évoque un taux d’occupation des baies de 20 à 30 % dans de nombreux centres.

• Moins de 30 % : utilisation moyenne des GPU dans les centres de calcul intelligent (Tencent Cloud)
• 36,8 % : taux d’utilisation effective en 2025 (CAICT, via Huxiu)
• 20 à 30 % : taux d’occupation des baies dans de nombreux centres (Securities Times)

Parler de surcapacité, c’est se tromper de diagnostic. Le marché s’est fracturé, et j’ai observé le même phénomène dans la logistique chinoise : des totaux nationaux flatteurs, adossés à des capacités régionales laissées en déshérence. Les plateformes de premier plan tournent à 90 à 95 %, avec des carnets de commandes remplis jusqu’en 2028. La puissance de calcul haut de gamme manque réellement, tandis que l’entrée de gamme ne trouve preneur à aucun prix. C’est un problème de coordination, de ceux qui mettent des années à se résorber.

• Calcul haut de gamme : les plateformes de premier plan tournent à 90 à 95 %, avec des carnets de commandes pleins jusqu’en 2028. Une pénurie bien réelle. (carnets de commandes jusqu’en 2028)
• Capacités en déshérence : le calcul d’entrée de gamme ne trouve acheteur à aucun prix. Un problème de coordination, de ceux qui mettent des années à se résorber. (aucun acheteur, à aucun prix)

Exploiter un centre de calcul de mille cartes coûte plus de 30 millions de yuans par an : une faible utilisation se traduit donc vite par des pertes.

Source : 虎嗅 et 观察者网, juillet 2026

Le volume ne fait pas le chiffre d’affaires : voilà l’écart qui compte

Si vous ne retenez qu’un chiffre de cet article, que ce soit celui-ci. Anthropic pèse environ 12 % du volume de jetons sur OpenRouter et capte près de 46 % du chiffre d’affaires.

Les deux segments ne valent pas le même prix.

Le marché se partage entre un segment banalisé et un segment premium. La Chine règne sur le premier. Le profit se loge dans le second.

Pour tout le monde, l’économie du secteur prend le mauvais chemin. Huxiu recense des hausses de prix pouvant atteindre 34 % cette année chez Alibaba Cloud et Baidu AI Cloud. Un agent consomme de 100 à 1 000 fois plus qu’un chatbot. Les prix unitaires reculent, les factures enflent, et nul ne dispose d’une méthode admise pour relier les jetons consommés au travail effectué.

• Jusqu’à 34 % : hausses de prix chez Alibaba Cloud et Baidu AI Cloud cette année
• 100 à 1 000× : la consommation d’un agent rapportée à celle d’un chatbot
• 85 % : part des budgets IA des entreprises désormais consacrée à l’inférence

L’inférence absorbe désormais environ 85 % des budgets IA des entreprises, quand le coût marginal du logiciel traditionnel est quasi nul.

Source : 腾讯新闻, juin 2026

L’écart qu’aucune baisse de prix n’efface

La loi chinoise de 2017 sur le renseignement national oblige les entreprises à coopérer avec les services de renseignement de l’État. C’est un fait juridique. Il ne préjuge en rien du comportement de telle ou telle entreprise, mais il suffit à maintenir chez des fournisseurs occidentaux les charges de travail réglementées de la finance, de la santé et des administrations.

Washington, de son côté, monte d’un cran. En juillet, le secrétaire au Trésor a agité la menace de sanctions pour une distillation présumée de modèles américains, quelques jours avant un dialogue bilatéral sur l’IA prévu en septembre. Si l’avantage de coût chinois tient pour partie au fait de ne pas payer l’entraînement des modèles de pointe, il est moins durable qu’il n’en a l’air. Personne ne l’a démontré. Ce n’est pas anodin pour autant.

La réponse pratique La réponse pratique est sans éclat. Si votre trafic de production passe par des points d’accès d’origine chinoise, gardez une solution de repli configurée et testée. Cette année, la disponibilité des modèles est devenue une variable politique, et elle joue dans les deux sens.

Les grandes entreprises achètent toujours, pour l’essentiel, chez Anthropic, OpenAI, Azure et Google Cloud.

Source : Baiguan, juillet 2026

Ce qui me ferait changer d’avis

Je ne prédis pas l’échec. Je constate que le récit de l’exportation devance les preuves, ce qui n’est pas la même chose. Trois signaux me feraient changer d’avis : la publication par Shantou d’un volume et d’un chiffre d’affaires d’exportation réels, un taux d’utilisation des centres de calcul chinois supérieur à 50 %, et une entreprise occidentale réglementée qui place une charge de production sur un point d’accès hébergé en Chine.

• Shantou publie un volume et un chiffre d’affaires d’exportation réels.
• Le taux d’utilisation des centres de calcul chinois dépasse 50 %.
• Une entreprise occidentale réglementée place une charge de production sur un point d’accès hébergé en Chine.

Chacun de ces signaux en apprendrait davantage qu’un mois de graphiques de routage supplémentaire. Si les trois bougent, c’est que je me trompe, et je veux le savoir.

Que faire, concrètement

Guetter des signaux, c’est l’affaire des analystes. Pour qui gère un budget, la question est opérationnelle. Presque personne n’a trié ses charges de travail selon qu’elles exigent ou non un modèle de pointe. On en parle, puis le sujet reste en souffrance.

Une méthode rapide : ventilez les dépenses en jetons du mois dernier par application. Isolez tout ce qui relève de la classification, de l’extraction, du résumé, de la traduction, des premiers jets ou de la complétion de code courante. Ce lot pèse en général 60 à 80 % du volume et requiert rarement un modèle de pointe. Pendant une semaine, faites tourner le trafic en parallèle sur un modèle ouvert bon marché, mesurez le taux d’achèvement des tâches plutôt que les scores de benchmark, et réservez le modèle coûteux à ce qui échoue vraiment.

À repérer en priorité : classification, extraction, résumé, traduction, premiers jets, complétion de code courante.

En général 60 à 80 % du volume, et rarement un travail pour un modèle de pointe.

Avec un écart de prix de 1 à 35 en entrée, le calcul est sans appel. Une équipe qui dépense 40 000 $ par mois, dont 70 % du volume dans ce lot, y engage environ 28 000 $, quand l’option bon marché coûterait plutôt 1 000 $. Même en tenant compte de nouvelles tentatives plus fréquentes et de quelques charges de travail rapatriées vers le modèle cher, l’économie n’a rien de marginal.

Faites l’exercice sur votre propre facture, avec un écart de prix de 1 à 35 en entrée :

Les éditeurs d’outils de développement, les plateformes de support et les agences de traduction ont bougé les premiers : leurs marges sont directement exposées au coût de l’inférence. Les secteurs réglementés n’ont pas suivi, et ne suivront probablement pas.

À savoir avant de rediriger quoi que ce soit : les poids étant ouverts, des hébergeurs occidentaux servent ces mêmes modèles chinois sans qu’aucune donnée ne transite par la Chine, pour environ deux fois le tarif de l’éditeur d’origine, ce qui reste très en dessous des tarifs des modèles de pointe. Pour la plupart des entreprises, c’est la façon raisonnable de jouer cet arbitrage.

Les hébergeurs occidentaux qui servent des modèles chinois à poids ouverts facturent à peu près deux fois le tarif de l’éditeur d’origine, sans qu’aucune donnée ne transite par la Chine.

Source : OpenRouter, juin 2026