La guerre de l'IA s'intensifie : OpenAI veut bannir les modèles open source chinois

Un cadre d'OpenAI a suggéré que le gouvernement américain fabrique de la peur réglementaire autour des IA chinoises open source. Trois jours plus tard, il a fait machine arrière. Entre les deux, toute la Silicon Valley s'est mise à hurler.

Le déclencheur porte un nom : Kimi K3. C'est le nouveau grand modèle de langage « à poids ouverts » (dont les paramètres appris sont publiés en téléchargement libre, pour installer et modifier l'IA soi-même) publié le 17 juillet 2026 par le laboratoire chinois Moonshot AI.

Ses performances rivalisent avec les meilleurs modèles américains. Et il coûte beaucoup moins cher. Depuis, la Maison-Blanche envisagerait de restreindre l'accès aux IA chinoises sur le sol américain.

La question du titre de l'article original de TechCrunch résume tout : OpenAI a peur des modèles à poids ouverts, mais les États-Unis devraient-ils l'être aussi ? Ce n'est pas la même peur. Cet article démêle les deux.

Dans cet article :

• Kimi K3, l'étincelle qui a rarivé la guerre
• De quoi OpenAI a vraiment peur (indice : ce n'est pas la Chine)
• Washington ne bannit pas, il rend l'usage « toxique »
• La stratégie Posthumain

Kimi K3, l'étincelle qui a ravivé la guerre

Tout part d'un long message de Dean W. Ball, « head of strategic futures » (responsable de la prospective stratégique) chez OpenAI et jusqu'à récemment conseiller en IA à la Maison-Blanche de Donald Trump. Après avoir testé Kimi K3, il l'a lui-même jugé très bon [2].

Puis il a prédit que l'administration Trump finirait par décider que sa meilleure stratégie était de créer un risque réglementaire autour des modèles chinois libres. Il a même écrit être personnellement surpris que l'État chinois continue d'autoriser l'ouverture de modèles « aussi bons » [3].

La réaction a été immédiate. Des figures de la technologie comme Yann LeCun (pionnier de l'apprentissage profond) et l'investisseur Martin Casado ont défendu l'idée que le logiciel ouvert accélère l'innovation et peut coexister avec les projets propriétaires [1].

Ball a rapidement retiré ses propos les plus offensifs, affirmant qu'il prédisait cette manœuvre plutôt qu'il ne la recommandait. Trop tard : le débat était lancé et il ne portait plus vraiment sur Kimi K3.

De quoi OpenAI a vraiment peur (indice : ce n'est pas la Chine)

Sous les grands mots de sécurité nationale, il y a un problème d'arithmétique. Les laboratoires fermés ont besoin d'un revenu par token (l'unité de facturation d'une IA, à peu près un morceau de mot) élevé pour justifier les milliards levés pour leurs centres de données. Les modèles ouverts bon marché écrasent ce revenu.

Les chiffres réels racontent l'histoire mieux que les communiqués. Sur la passerelle de la plateforme Vercel, qui achemine des dizaines de milliers de milliards de tokens entre applications et modèles, les modèles à poids ouverts sont passés d'environ un neuvième du volume en avril à près d'un tiers en juin : 29 % du trafic [4].

Le vrai coup de grâce est ailleurs. Ces 29 % de trafic ne représentent que moins de 4 % de la dépense, parce que les modèles ouverts tournent à environ un dixième du prix moyen. Pendant ce temps, Anthropic capte à lui seul 61 % des dépenses sur un tiers des tokens. Autrement dit : les modèles ouverts font le gros du travail, les modèles fermés gardent l'argent.

C'est exactement la faille que menace de creuser une IA chinoise gratuite et presque aussi bonne. Le premier avertissement date de janvier 2025 : la sortie du modèle DeepSeek R1 avait effacé environ 589 milliards de dollars de capitalisation de Nvidia en une seule séance, la plus grosse chute jamais enregistrée par l'entreprise [5]. La panique d'aujourd'hui prolonge celle-là.

Reste que la peur des laboratoires n'est pas la peur du pays. Un cabinet peut trembler pour ses marges pendant que la nation, elle, profite d'outils moins chers. C'est toute la nuance que l'argument sécuritaire cherche à effacer, comme on l'avait vu quand le blocage visant Anthropic a armé l'Asie.

Washington ne bannit pas, il rend l'usage « toxique »

Le 20 juillet, Axios a rapporté que l'administration Trump réexamine des mesures pour restreindre les modèles chinois aux États-Unis : inscription de laboratoires sur l'Entity List (liste noire commerciale qui coupe l'accès aux technologies américaines), règles de marchés publics, avis de sécurité, exigences de responsabilité et campagnes de pression publique [6].

Le mot clé, c'est « réexamine ». Concrètement, aucun décret n'a été signé. Une source proche du dossier décrit un scénario révélateur : tous les trois à cinq mois, un grand laboratoire ou ses alliés viennent proposer au gouvernement d'interdire les modèles ouverts.

Surtout, l'objectif n'est pas forcément une interdiction frontale. Des poids qui se téléchargent librement rendraient un bannissement quasi impossible à faire respecter. La vraie tactique consiste à pousser les entreprises américaines à lâcher ces modèles d'elles-mêmes, par la menace juridique et le risque de réputation.

Face à cette manœuvre, le conseiller David Sacks, coprésident du Conseil des conseillers scientifiques du président, a répliqué publiquement sur X. Selon lui, « les principaux laboratoires fermés, déjà un duopole en matière de revenus, veulent que le gouvernement élimine leur concurrence open source » [7].

La cible du mot « duopole » : OpenAI et Anthropic. Le départ récent d'un autre conseiller pro-marché, Sriram Krishnan, aurait renforcé le camp favorable aux restrictions. La partie se joue donc autant à Washington que dans le code.

Beijing, de son côté, n'est pas en reste : les autorités chinoises étudieraient elles aussi des limites à l'accès étranger à leurs modèles les plus avancés [8]. Chacun découvre que l'ouverture, pratique quand on est en retard, devient gênante quand on prend la tête. Ce grand écart entre laboratoires publics et privés, on l'a déjà croisé avec le modèle ouvert géant de l'ex-directrice technique d'OpenAI.

La stratégie Posthumain

Ce dossier n'oppose pas gentils et méchants. Il oppose des intérêts. Une fois qu'on voit qui gagne quoi à susciter la peur, on lit l'actualité autrement, et surtout on prend de meilleures décisions, que l'on soit simple utilisateur ou responsable d'une entreprise.

Pour l'individu : décoder la peur qu'on vous vend

Premier réflexe : séparer l'argument de sécurité de l'intérêt commercial. Quand un acteur dominant réclame une interdiction d'un concurrent « moins cher » et « étranger », la question à se poser n'est pas « est-ce dangereux ? » mais « qui gagne de l'argent si j'ai peur ? ».

Cela ne veut pas dire que le risque est nul. Un modèle chinois hébergé en ligne pose de vraies questions de données, comme on l'a vu avec les inquiétudes autour de DeepSeek et du droit chinois [9]. Mais télécharger des poids et les faire tourner sur sa propre machine n'a rien à voir avec envoyer ses données à un serveur à Pékin. Le débat public confond souvent les deux.

Pour l'entreprise : la vraie question n'est plus « qui est le meilleur »

Côté organisations, l'écart de capacité entre modèles ouverts et fermés s'est réduit à quelques points de référence sur beaucoup de tâches, plus une génération d'écart. La décision devient donc une affaire d'ingénierie, tâche par tâche, pas un choix de camp.

Le point de bascule concret : certaines données ne peuvent légalement pas quitter votre infrastructure (santé, finance, secteur public). C'est le seul argument vraiment massif en faveur de modèles ouverts que l'on héberge soi-même.

Et c'est là, précisément, que tout se joue : avant de choisir un modèle, il faut classer ses charges de travail par sensibilité de données, car ce classement décide de presque tout le reste.