Marc VALLEE

"L'immigration répond à une pénurie de main-d'œuvre" Pendant ce temps-là, en Chine :

@FegaPierre L’article est ici : x.com/iamsupersocks/…. Je vais le mettre à jour et l’épurer un peu. Cette page n’est pas mal non plus pour suivre les news Hermes : llmgram.app/wiki/hermes/ et le sera d’autant plus dans les jours à venir.

El CEO de Kimi lo explica con mucha claridad: “Todos los laboratorios de IA, como Claude, piensan que lo más importante es el modelo. Eso está mal. Lo que realmente gana es cómo organizas a las personas que lo construyen.” Zhilin Yang dice que la mayoría de los labs se obsesionan con el modelo, pero Moonshot demostró que eso no es suficiente. Según él, “tu mayor ventaja, quizás tu única ventaja, es tu organización”. Moonshot aplicó esta filosofía de forma concreta: decidieron vender todos los planes a propósito y recortar sus propios ingresos, en lugar de limitar o “throttlear” el uso de los usuarios existentes. Mientras tanto, otros como Anthropic tuvieron que recortar drásticamente el uso (hasta un 50% en su pico de abril) cuando llegaron al límite. Su idea más potente es esta: “El contexto largo es la RAM de la era de la IA.” Explica que en solo 2 años pasaron de 128K a gigabytes de contexto, algo que normalmente habría tomado 40 años. Ese salto tan rápido es lo que les permitió ganar en tareas largas y complejas. Además, Zhilin Yang menciona que la definición de la recompensa (reward) durante el entrenamiento es extremadamente importante, porque afecta directamente la inteligencia del modelo. También habla de cómo mejorar la eficiencia en el entrenamiento y el razonamiento, y que pequeños cambios en la organización y en cómo se define el objetivo pueden generar mejoras significativas. Al final resume su filosofía: “La organización del equipo es lo que realmente marca la diferencia. El modelo solo es una parte.” Crees que en el futuro la organización del equipo será más importante que tener el mejor modelo?

Plus vraiment. Et ça date d'avant l'IA. Il faut vraiment que ça vienne de quelqu'un d'extrêmement compétent sur le sujet et qu'il traite un sujet "niche" peu abordé. Mais de moins en moins car ces mêmes personnes sont très souvent sur X et ont abordé le sujet sur des publications longues. Et c'est la même chose avec le moteur de recherche Google, je ne me rappelle plus la dernière fois que je l'ai utilisé. Avant l'IA je consultais beaucoup reddit. Depuis plus du tout. Bref X est à 99% ma source d'information.

Qui lit encore des articles de blog ? Vraiment je pense que ce format est dead de chez dead (hormis pour des trucs vraiment niche)

壁の亀裂や構造的弱点をAIで精密検出・測定する「壁面損傷セグメンテーション」技術が登場。 表面のクラックだけでなく内部の損傷も捉えてリアルタイム解析。 建物点検や災害後評価の時間を短縮し、早期発見による修繕コスト削減と安全性向上を実現します。 詳細はリプ欄。

ワールドカップに影響を受けてRoboflowのオープンソースツール（InferenceやSupervision等）を活用して開発されたリアルタイムサッカー解析AI。 選手の走行距離や速度の追跡、パスの検出・提案が可能。 Piotr Skalski氏により近々OSS公開予定。 詳細はリプ欄。

La Coupe du monde s'est terminée hier soir. Et avec elle, une expérience que je suivais depuis 39 jours : sept IA lâchées sur les marchés de paris de Polymarket, 10 000 $ fictifs chacune, sur les 104 matchs de la compétition. GPT-5.5, Claude Opus, Gemini, Grok, DeepSeek, Mistral, Kimi. Avant chaque coup d'envoi, chacune fait ses recherches sur le web, lit les cotes, choisit ses positions, en totale autonomie. Au compteur : 731 analyses, près de 4 000 recherches web, 1 370 paris, 660 000 $ fictifs misés. Je m'attendais à voir la variance tout manger. Au final, cinq comptes sur sept terminent au-dessus de leur capital de départ, +21,7 % en cumulé. Podium : Gemini 3.5 Flash +55 %, Mistral Medium +55 %, GPT-5.5 +48 %. Et un dénouement de scénariste. Avant la finale, Mistral comptait 2 800 $ d'avance. Gemini a été la seule IA à jouer le nul à la fin du temps réglementaire d'Espagne-Argentine, cote 3,14, en écrivant sobrement : « World Cup finals are notoriously tense and closely contested. » Gemini finit championne. Pour 12,94 $ d'écart. Le titre s'est décidé sur le dernier des 1 370 paris. Trois choses m'ont marqué. Claude Opus 4.8 a gagné plus de paris que toutes les autres (139) et termine bon dernier, à −50 %. Gagner souvent et gagner de l'argent sont deux sports différents : tout est dans le prix payé. Le prix du modèle ne prédit rien. Le plus cher de l'arène (37 $ d'API sur toute la compétition) finit dernier. La deuxième du classement, Mistral Medium, a coûté 1,99 $ en tout, soit deux centimes par match analysé. L'excès de confiance se mesure. Sur les paris affichés à plus de 80 % de certitude, les IA gagnaient trois fois sur quatre… et perdaient de l'argent en cumulé, à force de surpayer des favoris. Tous les profits sont venus de la zone 60-80 %. Kimi K2.6, en tête à +70 % le 3 juillet, a fini sous son capital de départ. Une courbe de capital, c'est de l'humilité en format PNG. Coût total de l'expérience : environ 120 $. Dont 92 $ d'API pour les sept modèles (13 centimes par analyse de match, 32 millions de tokens ingérés), le reste en serveur et recherches web. Moins qu'une place en tribune, pour cinq semaines et demie de compétition entre agents autonomes. J'en ressors agréablement surpris. Pas parce que des IA "battent le marché" : cinq semaines ne prouvent rien. Mais parce que les patterns qui émergent sont exactement ceux qu'on connaît en investissement : la discipline de mise pèse plus lourd que l'intelligence brute. On remet ça à la rentrée, sur les grands championnats européens. Mêmes règles, plus de matchs, et tout ce qu'on vient d'apprendre.

HF a détecté une intrusion sur leur infrastructure. L'attaque est 100% agentique. L'équipe cyber de HF a pu repousser l'attaque. Mais pour l'analyse post-moterm, les modèles GPT ou Claude ont tous refusé d'analyser les logs et lignes de commandes exécutées. Les gardes-fous sont ont tout simplement bloqué les réponses liées au sujet cyber. En solution de repli, GLM-5.2 de @Zai_org a été déployé sur leur infra, et l'analyse a pu être faite de bout en bout. L'historique de l'attaque a pu être reconstituée. Le seconde bonne nouvelle est aussi que les données de l'attaque n'a pas quitté l'infra de HF. L'IA local est réellement le futur. Equipez-vous dès maintenant. Achetez des GPU.

@HatlessCowboy @Fabien_Mikol @in_data_veritas C'est effectivement une autre possibilité 😉

@marcvallee13 @Fabien_Mikol @in_data_veritas Non c’est nous ici qui vivont dans un monde parallèle…

Luc Julia : hier y a un gars qui a dit n'importe quoi sur la direction de la rue Mouffetard à un touriste ; l'IA c'est pareil, "c'est comme M. Tout le monde, c'est comme n'importe qui, c'est n'importe quoi". Cet entretien tout récent avec @in_data_veritas fourmille de perles 🧵

Entre 1960 et 2024 la population mondiale s'est agrandie de 150%. donc il y a une augmentation de la consommation de viande animale mais moins prononcée que cette courbe. Et ne pas oublier que la très grande majorité de la planète a pour première préoccupation de manger à sa faim. Donc aucune considération via à vis de ceux qui prônent de manger moins d'animaux. Et c'est la même problématique que pour l'écologie. Ce que ce graphe montre surtout c'est que ceux qui veulent changer des pratiques en occident (nutrition et écologie en général) ne changent en rien la tendance globale à l'échelle humaine car l'humain fait ce qu'il a toujours fait depuis que l'humain existe: il fait ce qu'il lui semble le plus profitable à l'échelle individuelle ou à l'échelle de son clan.

C'est l'occasion de rappeler ce graphe assez hallucinant de @OurWorldInData

Je me trompe peut-être mais on parle de ressort "étiré" et non de ressort comprimé. De ma compréhension un ressort étiré emmagasine de l'énergie élastique et cherche à retrouver sa longueur à vide en se rétractant. Bref, à priori, la boule B ne rattrapera jamais la boule A, et ce, quelles que soient la puissance (raideur) du ressort ou la hauteur de la chute

@FabrizioBucella V=Vo-gt (trainée dans l'air négligée) indépendant de la masse. Là tout est dans le Vo. Pour la boule A Vo est 0. Pour la boule B la détente du bout de ressort génère une impulsion vers le bas qui fait que Vo n'est pas nul. Donc B ira plus vite que A durant toute sa chute.

Deux boules identiques. La boule A pend à un simple fil et la boule B à un ressort étiré. On coupe les liens et le suspense au même instant. Clac. Quelle boule touche le sol en premier ? Votre réponse en commentaire. Le verdict au prochain épisode. Salukes #science #physique #profbucella #lasciencepeuttout

Encore une conjecture majeure réfutée à l'aide d'un LLM, en l'occurrence Claude Fable. Pour la mise en abyme je me suis fait expliquer le résultat par le même Claude Fable, qui me fait cette jolie remarque :

Les conditions sont bien pires et la qualité nutritionnelle est nettement moindre que la viande de bœuf. Si la population mange moins de bœuf et plus de poulet c'est uniquement pour des raisons économiques. Et c'est pour cette même raison (économique) que de plus en plus de personnes se tournent vers les œufs ou les sardines en boites quand elles recherchent des protéines animales.

Non seulement on abat donc beaucoup plus d'animaux par an et par habitant désormais en France, mais en plus ce sont des animaux (les poulets) dont les conditions de vie en élevage sont bien pires que celles des bovins, et c'est un euphémisme. x.com/Fabien_Mikol/s…

"En 5 ans la consommation de poulet a augmenté de 25%" "On est tous persuadés d'avoir réduit notre consommation de viande mais on n'a pas bougé depuis 20 ans, on mange un peu moins de bœuf mais on mange beaucoup plus d'oiseaux, et on fait tuer beaucoup plus d'animaux aujourd'hui"

Blenderで3Dモデリング始めて一週間。 ただ、この3Dモデルを作るのに、Blenderは一度も開いていない。 GPT-5.6-solが企画からモデリング、メイキング映像作成まで全部やった。 BGMもローカルAIで作成。 正直、完成した3Dモデルより、このメイキングの方がクオリティ高い。

@iamsupersocks On bascule doucement dans un maccarthysme de l'IA. Le marché finira par trancher, mais vu la tournure qu'il prend, il est évident que les majors américaines tenteront de biaiser la concurrence en utilisant l'arme politique

Open weight, capex et « AI communism » : le sophisme de Dean Ball Quand le Head of Strategic Futures d’OpenAI confond la rentabilité des frontier labs avec le progrès de l’IA. La pépite de ce week-end dans le narratif IA. Dean Ball, connu pour ses analyses sur la politique de l’IA, vient de rejoindre OpenAI depuis moins de deux semaines comme Head of Strategic Futures et il a publié un long post sur Kimi et les modèles open weight. Il reconnaît d’abord que Kimi est un très bon modèle, capable selon ses essais de rivaliser avec les meilleurs modèles publics du début de l’année. Puis son analyse bifurque : l’open weight serait intrinsèquement decelerationist, pourrait conduire à un « full AI communism », puis à une « dystopian hellscape » dans laquelle une IA dangereuse s’échapperait d’un laboratoire chinois. Le post approche désormais les huit millions de vues et Dean se fait démonter par une bonne partie de la communauté. J’ai parcouru les principales réponses et quote-tweets. Derrière les formules provocatrices, sa thèse contient un point économique défendable. Mais Dean l’étend beaucoup trop loin. Son sophisme central tient dans une équation implicite : capex des frontier labs = progrès de l’IA. Il considère les investissements d’OpenAI, Anthropic et des autres grands laboratoires comme l’unité de mesure de l’accélération. Si leurs investissements ralentissent, l’IA ralentit. Son raisonnement peut être reconstruit ainsi : (1) Kimi est assez bon pour concurrencer les meilleurs modèles publics. (2) Un modèle open weight exerce une pression sur les prix des API propriétaires. (3) Cette pression réduit le rendement attendu des milliards investis par les frontier labs. (4) Un rendement inférieur augmente leur coût du capital et peut réduire leurs investissements. (5) Moins de capex dans les frontier labs signifie une progression moins rapide de la frontière. (6) Si le marché ne finance plus les modèles, les États devront les soutenir comme infrastructure publique. -> Cette trajectoire mènerait à son « full AI communism ». Le mécanisme qui relie pression sur les prix, baisse des rendements et recul potentiel des investissements est plausible. Dean le transforme toutefois en conclusion générale sur le progrès de l’IA sans apporter de démonstration empirique. Un modèle ouvert très performant peut effectivement commoditiser une partie de la valeur produite par les laboratoires fermés. Si une entreprise dépense des dizaines de milliards pour entraîner un modèle et qu’un concurrent publie six mois plus tard des poids presque équivalents, les investisseurs peuvent anticiper : > une durée de rente plus courte ; > une pression sur les prix de l’inférence ; > une différenciation plus difficile ; > un retour sur investissement moins certain. À la marge, cela peut diminuer l’appétit des investisseurs pour certains entraînements gigantesques. C’est la version défendable de son argument : les modèles ouverts peuvent réduire le rendement du capital investi par les frontier labs. Mais cela ne signifie pas : les modèles ouverts ralentissent intrinsèquement l’IA. Dean confond l’intérêt économique d’une catégorie d’acteurs avec la vitesse de progression de l’écosystème entier. Le capital ne disparaît pas forcément, il change de couche. L’open weight peut simultanément : > réduire la rente des fournisseurs d’API ; > augmenter les investissements dans l’inférence ; > faire vendre davantage de GPU ; > permettre la création de startups incapables de financer un modèle frontier ; > accélérer le fine-tuning, la quantification et la distillation ; > faciliter la recherche indépendante et le red teaming ; > rendre possibles des déploiements locaux et souverains ; > mettre les laboratoires fermés sous pression ; diffuser les capacités dans des milliers d’entreprises. Le capex ne disparaît donc pas nécessairement. Il peut se déplacer vers le compute, le cloud, les données, l’intégration et les applications, puis se distribuer entre davantage d’acteurs. Ethan Mollick pose la question : si les labs perdent une partie de la valeur, pourquoi celle-ci disparaîtrait-elle ? Le compute reste une barrière. Ses fournisseurs pourraient simplement en capter une part plus importante. Harrison Kinsley va au cœur du problème : le capex mesure du capex, pas automatiquement l’accélération. Dépenser davantage ne signifie pas toujours avancer davantage. Une amélioration d’efficacité peut produire plus de progrès avec moins de capital. Nathan Lambert observe justement que les laboratoires chinois semblent beaucoup plus efficaces en capital. Cette efficacité pourrait devenir leur plus grand avantage. Il faut donc séparer deux questions : 1) L’open weight peut-il réduire le financement de certains grands entraînements propriétaires ? Oui, c’est possible. 2) Ralentit-il pour autant l’innovation globale, la diffusion et les usages de l’IA ? Dean ne le démontre pas. Dean reconnaît que Kimi est très bon. Il estime que ses performances ne peuvent pas être expliquées uniquement par la distillation et qu’il rivalise avec les meilleurs modèles publics du premier trimestre 2026. Il observe donc un laboratoire chinois capable de progresser rapidement malgré les restrictions américaines qui limitent l’accès de la Chine aux puces les plus avancées, puis explique que son modèle ouvert serait intrinsèquement décélérationniste. Kimi ne réfute pas à lui seul une hypothèse économique de long terme. Mais il contredit immédiatement la formulation générale de Dean : aujourd’hui, l’open weight coexiste avec une compétition intense et une progression très rapide des modèles. Harrison Kinsley lui oppose une question empirique : si l’open weight réduit intrinsèquement le capex, comment expliquer la hausse des investissements chinois et la progression de leurs modèles ? Dean ne produit pas de démonstration. Il répond essentiellement que son raisonnement relève de la « basic economics ». Ce n’est pas suffisant. Une autre nuance est importante : ouvert ne signifie pas exécutable par tout le monde. Moonshot présente Kimi K3 comme un modèle MoE de 2,8 trillions de paramètres et a annoncé la publication de ses poids pour le 27 juillet. Son exécution complète restera hors de portée de la plupart des particuliers. Ouvrir un modèle aussi massif permet pourtant : > l’audit et le red teaming ; > la recherche indépendante ; > la quantification ; > la distillation vers des modèles plus petits ; > la création de dérivés spécialisés. « Accessible à tous » et « ouvert » ne sont pas synonymes. L’open ne doit pas s’arrêter aux modèles capables de tourner sur un laptop. Il faut toutes les tailles, du cluster à la machine personnelle. « AI communism » mélange quatre sujets différents Dean mélange la disponibilité des poids, le financement de l’entraînement, la propriété de l’infrastructure et le contrôle politique du modèle. Ces éléments ne vont pourtant pas nécessairement ensemble. Un modèle open weight peut être entraîné par une entreprise privée, proposé par plusieurs clouds concurrents, exécuté localement, adapté par des startups et commercialisé avec du support ou des services. Il peut également être utilisé ou financé par un État sans devenir un monopole public. La publication des poids ne détermine donc ni le modèle économique de l’IA ni son régime politique. À l’inverse, une API fermée servie par une poignée d’entreprises centralise réellement le contrôle des modèles, des données envoyées, des prix et des usages autorisés. Qualifier l’open weight d’« AI communism » parce qu’un État pourrait soutenir son développement mélange financement public et contrôle étatique. TCP/IP et les premières infrastructures d’Internet ont été financés par l’État américain avant de servir de fondation à un immense marché privé. Linux et le Web montrent de leur côté qu’une technologie ouverte peut être développée collectivement et exploitée commercialement. L’expression de Dean ne décrit pas une structure économique. Elle rend l’alternative politiquement toxique. Amjad Masad relève un autre problème : la Chine possède déjà une industrie privée de l’IA très concurrentielle et soumise à de faibles marges. Une infrastructure soutenue par l’État peut parfaitement coexister avec un marché agressif. Dean saute directement de « public good » à « dystopian hellscape ». Yann LeCun rappelle que l’ouverture et l’« ungovernability » de Linux et d’Internet ont participé à leur succès. Son point identifie le véritable conflit : une technologie contrôlée par quelques acteurs contre une infrastructure que personne ne peut entièrement gouverner. Dean imagine que les États-Unis pourraient freiner l’adoption des modèles chinois sans les interdire. Plusieurs agences gouvernementales publieraient des alertes expliquant que leur utilisation présente des risques de sécurité ou de conformité. Même si ces alertes sont peu justifiées, elles pourraient suffire à inquiéter les grandes entreprises. Par prudence, leurs services juridiques préféreraient alors utiliser les modèles d’OpenAI, d’Anthropic ou d’autres entreprises américaines. Après les critiques, Dean a expliqué qu’il ne recommandait pas cette stratégie. Il cherchait seulement à prédire la réaction possible du gouvernement américain. Le problème vient de ses propres mots. Il parle de la « meilleure stratégie », affirme que les avertissements n’ont pas besoin d’être très bien justifiés et décrit un « juste milieu » permettant de créer suffisamment de risque réglementaire sans interdire directement les modèles chinois. Son texte ressemble donc davantage à un mode d’emploi qu’à une simple prévision. Dean peut préciser que ce n’était pas son intention. Mais les lecteurs n’ont pas inventé cette interprétation : ses formulations la rendent parfaitement compréhensible. Mat Velloso résume la contradiction : Dean affirme que les modèles ouverts ralentissent l’IA, puis suggère de créer des réglementations injustifiées pour les ralentir parce qu’ils avancent trop vite. Le risque national chinois mérite une discussion sérieuse. Les backdoors, la sécurité de la supply chain, la suppression des garde-fous et les capacités dangereuses doivent être évaluées avec des preuves et des seuils explicites. Auditer un modèle chinois avant son déploiement dans une infrastructure critique est légitime. Créer du FUD « pas forcément bien justifié » pour effrayer les entreprises régulées relève du protectionnisme, pas de la sécurité. La dernière métaphore de Dean est trompeuse. Publier les poids de Kimi ne revient pas à libérer un agent autonome : sans infrastructure, outils, autorisations et objectifs, ils ne font rien. Leur publication pose de vrais risques, notamment parce qu’ils deviennent impossibles à retirer et modifiables sans garde-fous. Mais les comparer à un agent échappé d’un laboratoire relève davantage de la peur que de l’analyse. Les critiques les plus solides convergent vers la même erreur : Dean confond la progression de quelques frontier labs avec celle de l’écosystème entier. Les modèles open weight peuvent réduire le rendement des investissements d’OpenAI ou d’Anthropic tout en accélérant la diffusion des capacités, la recherche indépendante, la création de produits et l’innovation globale. Comme le souligne Arnaud Bertrand, ralentir une entreprise ne revient pas nécessairement à ralentir l’IA. Dean mesure également le progrès par la dépense. Une concentration toujours plus forte du capital dans deux ou trois entreprises n’est pourtant pas automatiquement accélérationniste. Elle peut réduire la diversité des méthodes, des acteurs et des paris techniques. Le progrès par dollar compte autant que le montant brut investi. Martin Casado estime que l’affirmation « open-weight models are inherently decelerationist » contredit cinquante ans d’histoire du logiciel. Grady Booch propose une traduction plus directe : l’open weight est surtout décélérationniste pour la capacité d’OpenAI à rentabiliser ses investissements. Lorsqu’un responsable d’OpenAI explique que des modèles capables de réduire les marges des laboratoires fermés risquent de ralentir l’IA et de conduire au communisme, il doit apporter davantage que de la « basic economics ». Il faut aussi préciser que Dean s’exprimait à titre personnel : son post ne constitue pas une position officielle d’OpenAI. Nathan Lambert apporte probablement la nuance la plus juste : le mécanisme économique étroit est raisonnable, Dean produit généralement de bonnes analyses, mais ce post a raté sa cible. C’est aussi ma lecture. La réaction à Kimi ne s’explique pas seulement par son origine chinoise. Le modèle montre aussi qu’un concurrent peut atteindre un très haut niveau de performance, annoncer la publication de ses poids et exercer une pression immédiate sur les prix et les marges des laboratoires fermés. Son origine chinoise ajoute de véritables questions de souveraineté et de sécurité, mais elle n’explique pas à elle seule l’intensité de la réaction. L’open weight peut ralentir la captation de valeur par quelques acteurs tout en accélérant la diffusion, l’expérimentation, la concurrence et l’adoption globale. Dean n’a pas démontré que Kimi était decelerationist pour l’IA, son raisonnement montre surtout pourquoi il pourrait l’être pour le pricing power d’OpenAI et ce n'est pas la même chose.

Et en attendant l’article, si vous voulez déjà mettre les mains dans Codex, je vous invite à faire un tour sur le repo de @lel_media. Vous y trouverez un pas-à-pas concret pour créer votre première application métier à partir d’un simple fichier Excel fictif : cadrage du besoin, prompts, maquettes, développement, corrections visuelles, gestion des données et limites du prototype. Le tout en local, sans backend, sans base de données et sans avoir besoin de savoir coder. github.com/lel-media/AI_t…

@marcvallee13 @iamsupersocks @larroumecj C'est dans mes pistes de projets pour notre prochaine levée de fonds en titres participatifs pour @froggit_fr. Je ne sais juste pas comment faire le pricing, abonnement ou à l'utilisation. Des idées ?

Je rêve d'une offre souveraine française mais désolé d'enfoncer des portes ouvertes: l'offre en dev de Mistral est complètement inutilisable comparée à des Claude Code/Codex/Cursor. La taille du context est ridiculement bas, le modèle hallucine et interrompe des taches. La liste est trop longue. J'ai rapidement jeté l'éponge. Donc je veux bien que Mistral ne puisse pas s'aligner sur les Frontier mais je suis très inquiet de la perte de productivité des sociétés/administrations françaises à qui on va imposer Mistral pour des raisons politiques. Bref je te rejoins sur le fait qu'on devrait héberger Kimi tant que c'est possible. Pour les administrations je ne comprends pas que l'on ne mette pas en place des infrastructures nationales permettant de le faire. Il y a l'initiative du Conseil Départemental de la Côte-d’Or avec son PoliCloud mais c'est une initiative isolée. Tellement isolée que ça donne une idée de la réactivité de nos administrations.

Texte intéressant, mais l’idée de modèles chinois puissants à prix cassés mérite déjà d’être nuancée. Kimi K3 est moins cher que Sol ou Opus au token, mais nettement plus cher que Grok 4.5 et Muse. Avec ses gros volumes de reasoning, certains runs deviennent également coûteux (+ que opus4.8). L’avantage tarifaire n’est donc plus spécifiquement chinois : la concurrence américaine pousse elle aussi très fort sur le rapport capacité/prix. Là où je forcerais un peu plus c’est sur l’utilisation concrète de ces modèles par nos entreprises et administrations. Sans en faire une dépendance stratégique, nous devrions tester Kimi dès la publication des poids, l’héberger en Europe, le quantifier, l’adapter à nos métiers, construire des évaluations et l’intégrer dans nos outils comme Cursor intègre plusieurs modèles. Cela ne remplacera ni Mistral ni une capacité française à entraîner du frontier. Mais attendre d’avoir toute la pile souveraine avant d’utiliser les meilleurs modèles disponibles serait une erreur. L’usage crée aussi des compétences, des intégrateurs, des produits et un écosystème.

Ces dernières 48 h rebattent les cartes de la géopolitique de l'IA et dessinent une voie claire pour la France. (et pourquoi le gros de ce que vous avez lu sur le sujet de Kimi K3 et du discours de Xi Jinping à Shanghai ces dernières heures passe à côté des vrais enjeux) DEUX ÉVÉNEMENTS CLÉS EN 48H 1. Moonshot AI (startup pékinoise adossée à Alibaba, fondée par un brillant jeune homme de 33 ans, Yang Zhilin, passé par Google Brain et Facebook AI Research) a sorti Kimi K3 : 2,8 billions de paramètres, le plus gros modèle open weight jamais publié, presque le double du DeepSeek V4-Pro, le modèle chinois open source de référence. K3 est meilleur que Claude Opus 4.8 et GPT-5.6 Sol sur plusieurs benchmarks agentiques et de code. Nous sommes donc à la frontière technologique, ou quasi. Poids téléchargeables par quiconque le 27 juillet. Prix : 15 $ le million de jetons en sortie, contre 50 $ pour l'équivalent américain. 2. Xi Jinping, au sommet de l'IA de Shanghai a prononcé un discours qui fera date : dénonciation d'une sécurité nationale « surétendue » qui justifierait les restrictions d'export (coucou Trump), engagement open source réaffirmé, et surtout annonce de 5 000 formations et centres de coopération IA offerts aux pays en développement (ASEAN, Ligue arabe, UA, CELAC, OCS, BRICS). LE NOUVEL ORDRE GÉOPOLITIQUE : PAX SILICA AMÉRICAINE VERSUS OPEN MODELS CHINOIS Washington a lancé en décembre 2025 la Pax Silica : coalition de 24 signataires (Japon, Corée, Inde, Golfe, Royaume-Uni, et depuis juin l'UE, l'Allemagne, les Pays-Bas) qui verrouille l'amont technologique de la chaîne IA (minéraux critiques, énergie, semi-conducteurs, infra). Sa doctrine distingue alliés (intégrés à la pile, prioritaires en cas de crise) et clients (accès purement transactionnel). La France n'a pas signé, mais s'est retrouvée embarquée par le truchement de l'UE. - La stratégie américaine est de construire une forteresse IA : organiser la rareté et trier les partenaires pour maintenir l'écart avec les ennemis géopolitiques, en premier lieu la Chine. - La stratégie chinoise est en miroir l'ouverture : distribuer gratuitement le quasi frontière non seulement à tous ceux que l'Amérique refuse, mais aussi, grâce à des prix bas, pénétrer au cœur même de la forteresse Pax Silica. Washington essaye de verrouiller son propre camp. Le 23 juin, Jacob Helberg, sous-secrétaire d'État et architecte de la Pax Silica, publiait « The Digital Sovereignty Trap » : si l'Europe (et particulièrement la France) veut faire cavalier seul plutôt que de jouer le jeu de la Pax Silica, elle serait condamnée à la médiocrité de petits modèles tous nazes. Le Département d'État en a publié une traduction française. LE MESSAGE EST CLAIR. La France doit se calmer avec ses velléités d'indépendance, et la Pax Silica est explicitement construite contre la notion de souveraineté numérique défendue par la France. L'ouverture chinoise, elle, n'est bien sûr pas de la générosité, c'est une stratégie redoutable qui repose sur deux piliers : l'open source/weight et les prix cassés. 1. En étant open weight, elle attaque directement le marché du souverain sur lequel se spécialise Mistral. Si l'on ne peut être sûr de ce que l'IA chinoise va faire, on peut au moins être sûr que ses données restent cantonnées à ses serveurs locaux. Dans beaucoup de cas, notamment en entreprise, cela suffit. Les seuls secteurs qui renâcleront longtemps à passer sur de l'open source chinois seront probablement la défense, le classifié, la santé, les secteurs régulés. 2. En cassant le tarif de l'intelligence, la Chine sape délibérément les revenus des labos américains fermés, dont les marges financent la course au calcul. Chaque entreprise qui bascule sur K3 est un dollar en moins pour la forteresse américaine. L'open source chinois est ainsi la prolongation du dumping historique du pays visant à détruire les bases industrielles de ses concurrents. Et dans l'informatique, c'est encore plus difficile à contrer. LE PARADOXE MOONSHOT-MISTRAL : MÊMES MOYENS, INCITATIONS INVERSES, CAR GÉOPOLITIQUES OPPOSÉES Moonshot a levé environ 2 Md$ en mai (valorisation 20 Md$) et négocie un tour à 31,5 Md$. Mistral a levé 1,7 Md€ en septembre (11,7 Md€) et négocie 3 Md€ à 20 Md€. Mêmes ordres de grandeur d'accès au capital, à un tour d'écart. K3 prouve qu'on atteint la frontière avec ce capital-là, par l'efficience algorithmique (attention linéaire, 16 experts actifs sur 896) plutôt que par la force brute. L'argument de Helberg, toute pile indépendante serait condamnée à la médiocrité, est démenti par la Chine trois semaines seulement après sa publication/menace. Et tous les demi-habiles qui expliquent que ce qui manque à Mistral, c'est une valo à 1 000 milliards, sont démentis avec lui. La question qui tue cependant : pourquoi Moonshot fait de la frontière et pas Mistral ? - Réponse fausse : « PaRCQuE MisTRAl Y soNt NUls eT LES CHiNOiS YZonT des GRos Qi ». - Réponse correcte : parce que les deux sociétés appartiennent à des blocs géopolitiques que tout oppose, ce qui crée des systèmes d'incitations qui tirent dans des sens opposés. 1. Moonshot est valorisée sur sa capacité à être un modèle frontière. Elle répond à la demande stratégique globale chinoise de fournir de la frontière open source comme arme géopolitique : tout le système d'incitations est aligné pour qu'elle pousse vers la frontière, et sa valorisation dépend intégralement de son classement au leaderboard. 2. Mistral n'est pas valorisée sur sa capacité à aller à la frontière, car l'Europe est intégrée à l'Empire américain et n'a ni l'ambition ni les moyens géopolitiques d'aller titiller ses maîtres. Personne aujourd'hui ne donnera plus de sous à Mistral sur une thèse frontière. Ses investisseurs (ASML, industriels) financent une stratégie en adéquation avec ses contraintes géopolitiques : répondre à la demande souveraine européenne, complémentaire des modèles américians et non en concurrence directe, qui se limite à des modèles de taille plus modeste, sur les activités les plus sensibles, souvent en auto-hébergé et surtout très efficients. Comme je le répète depuis 10 ans, la technologie européenne est en aval de sa géopolitique, pas en amont. L'Europe n'a pas de GAFAM parce qu'elle n'a pas les moyens de les interdire comme la Chine l'a fait pour développer les siens. L'Europe n'a pas de modèles frontière car elle n'a pas la volonté de concurrencer les États-Unis, seulement celle de maintenir un minimum d'autonomie au sein de l'ensemble occidental. Les incitations financières reflètent cette réalité géopolitique. LES ENJEUX DE L'IA SE CLARIFIENT : CE QUE CELA VEUT DIRE POUR LA FRANCE 1. La fausse thèse de la commoditisation, le vrai enjeu de l'écosystème vivant. L'abondance actuelle de modèles frontière fait dire que l'IA se commoditise. C'est se tromper. Cette abondance est subventionnée par du capital stratégique chinois qui paie 100 fois l'ARR pour des raisons géopolitiques, pas par une structure de coûts stabilisée. L'objectif est de conquérir le monde et saper les bases productives occidentales. Quand cela sera fait, la main du PCC pourra fermer le robinet. Or l'IA n'est pas un produit finalisé, c'est un processus. Dès que les restrictions seront mises en place, tous ceux qui s'abreuvaient au robinet sans le posséder se feront larguer. Et là où une bombe nucléaire d'il y a 20 ans reste une bombe nucléaire qui fait mal, une IA qui a 18 mois de retard devient peu utile face à une IA frontière. C'est le point clé qu'il faut comprendre : ça ne sert à rien de posséder une IA. Ce qui compte c'est posséder un écosystème qui produit des IA. Et les IA étant des actifs de défense, avoir sur son territoire des organisations qui non seulement maîtrisent l'entraînement de modèles de bout en bout, données, infrastructure, RL à l'échelle, mais bénéficient aussi de l'environnement économique nécessaire pour produire de façon pdurable de génération en génération de nouveaux modèles, est un élément de souveraineté indispensable. => Conséquence : le gouvernement français doit copier le PCC, et faire de l'IA frontière une stratégie géopolitique, afin de développer et maintenir sur son territoire un écosystème de pointe. Cela passe par de la commande publique (commander à Mistral des modèles d'agentique frontière pour sa défense), et des contrats d'export et de coopération avec tous les pays non alignés sur le duopole sino-américain. La France doit retrouver sa géopolitique historique de force d'équilibre indépendante, et proposer au Sud global sa version des centres de coopération IA chinois. 2. Une grande partie de la puissance est dans l'intégration de l'IA à la machine productive. Le programme de diffusion et de formation annoncé par Xi acte un état de fait encore mal compris : l'économie, en tant qu'organisation humaine lourde, victime de problèmes de coordination et de régulation, est le vrai goulet d'étranglement. Les modèles actuels produisent déjà des miracles, mais il faudra de longues années pour que le monde productif se réorganise pour en tirer pleinement parti, comme il s'est écoulé des décennies entre la machine à vapeur ou l'électricité et le remplacement de l'artisanat par la production de masse. Si le quasi frontière est abondant et accessible à court terme, ce qui reste très compliqué est de l'intégrer aux économies : les pays les plus prospères seront ceux qui intégreront l'IA le plus vite et le plus profondément, et le pouvoir ira à ceux qui orchestrent cette intégration. => Conséquence : la France doit créer un environnement réglementaire extrêmement favorable à l'IA pour que l'intégration à notre économie se fasse au plus vite. La France a par ailleurs pléthore d'ingénieurs-consultants dans les services informatiques. Tout l'enjeu est de réorienter cette grande masse vers le passage à marche forcée de l'économie française vers l'IA. 3. La pile physique de production de l'IA, ce qu'il nous faut absolument. Si les modèles open source chinois distribuent temporairement la frontière, cela ne résout pas pour autant la question de comment les faire tourner. L'enjeu économique (ne pas envoyer tout son argent à l'étranger et creuser les déficits commerciaux) et l'enjeu de souveraineté se déplacent alors sur la capacité à produire ses propres puces, ses propres centrales nucléaires et ses propres centres de calcul, sur son propre territoire. => Conséquence : Mistral construit aux Ulis un site de 200 MW pour 2027 et un campus de 1,4 GW pour 2028. C'est un bon début. Mais il nous faut construire beaucoup plus de centres de calcul alimentés par des centrales nucléaires au design simplifié et produites à la chaîne en masse pour avoir l'abondance et les prix bas nécessaires. Messmer 2 au plus vite. Reste la question clé de la puce d'inférence, celle qui produit de l'IA au quotidien (pas celle qui permet d'entraîner les nouveaux modèles, la marche est trop haute pour l'instant). Le Français Vsora arrive en data center ce semestre avec sa puce Jotunn8 (3 200 Tflops, moitié moins d'énergie, gravée chez TSMC). Espérons que sa puce sera à la hauteur de nos espérances. La même commande publique qui financerait la frontière chez Mistral peut faire levier ici : une commande massive de modèles agentiques propulsés par un couplage Mistral-Vsora pourrait faire émerger une pile physique indépendante. CONCLUSION La Chine joue un jeu agressif en réaction au jeu encore plus agressif des États-Unis : elle sape la base productive IA occidentale par des modèles puissants à bas prix et achète le Sud global avec de l'IA gratuite, pendant que Washington étouffe les approvisionnements chinois et enferme l'Europe dans une Pax Silica qui renforce sa vassalité. Dans ce duel, la France n'a qu'une voie, celle de sa tradition de puissance d'équilibre indépendante : entretenir sur son territoire un écosystème capable de produire de l'IA de frontière, intégrer l'IA à son économie plus vite que les autres, proposer aux non-alignés de la rejoindre et posséder les éléments clés de la pile physique. Alors que les gagnants et les perdants de ce siècle se décident en ce moment même sur le champ de bataille de l'IA, il est absolument crucial que nous ne nous trompions pas de diagnostic et que nous déployions au plus vite la bonne stratégie. Nous en avons les moyens concrets, ce qui nous manque, c'est un peu de vision.