Intelligence artificielle : les plateformes chinoises entraînent désormais leurs propres modèles

Dans un laboratoire d'intelligence artificielle, devant les baies de calcul.

Un réseau social qui fabrique son propre modèle

RedNote, connue en Chine sous le nom de Xiaohongshu, est une plateforme de partage de photos, de conseils d'achat et de récits de voyage. Les Occidentaux l'ont découverte en janvier 2025 : menacés de voir TikTok fermer aux États-Unis, des utilisateurs américains s'y sont inscrits par vagues en se déclarant réfugiés, et l'application est devenue en quelques jours la plus téléchargée de la boutique d'Apple aux États-Unis.

Cette même entreprise vient de publier son propre modèle d'intelligence artificielle. Il s'appelle dots3-note preview, il compte 280 milliards de paramètres, il accepte du texte, des images, de la vidéo et du son, et il traite d'un coup 512 000 jetons, de quoi tenir plusieurs livres entiers dans une seule conversation. Ses poids sont posés sur Hugging Face, la place publique où s'échangent les modèles ouverts, sous une licence Apache 2.0 qui autorise à les télécharger, les modifier et les exploiter commercialement.

Le laboratoire qui l'a construit s'appelle dots studio. Ce n'est pas un fournisseur d'intelligence artificielle vendant ses services à des tiers : c'est le bras de recherche d'un réseau social.

Un score parfait à l'olympiade de mathématiques

La maison n'est pas inconnue des spécialistes. En juillet 2026, à l'issue de l'olympiade internationale de mathématiques qui se tenait à Shanghai, un modèle de la même famille, dots-note-3.0, a résolu les six problèmes du concours et obtenu 42 points sur 42. C'était la première fois qu'une intelligence artificielle décrochait à cette épreuve un score parfait officiellement vérifié : l'année précédente, les systèmes de Google DeepMind et d'OpenAI avaient plafonné à 35 points, ce qui valait déjà le niveau de la médaille d'or.

L'olympiade ne se contente pas d'une bonne réponse. Elle exige une démonstration complète, sans trou logique ni condition oubliée, ce qui la rend plus difficile à passer qu'un questionnaire à réponse unique.

Le modèle mis en accès libre cet été n'est pas celui-là. C'est le membre le plus léger de la famille, et il porte encore la mention de préversion.

Ce que montrent vraiment les tableaux de scores

Les scores comparés publiés par dots studio : douze épreuves de code, de raisonnement et de recherche, huit modèles.
dots studio (RedNote)

L'entreprise a publié deux tableaux comparatifs pour accompagner cette sortie. Ils méritent d'être lus de près, car ils ne disent pas tout à fait ce qu'on leur fait dire. Sur les vingt épreuves présentées, qui vont de la correction de code à la recherche d'information et à la lecture d'images, le modèle de RedNote n'arrive en tête d'aucune. Il se loge le plus souvent au milieu du peloton, devant plusieurs concurrents chinois et derrière les meilleurs systèmes américains.

Ces épreuves ne se ressemblent d'ailleurs pas. Certaines demandent de réparer de vrais défauts dans du code existant, d'autres de retrouver une information difficile à dénicher sur le web, d'autres encore de comprendre un graphique ou de suivre une vidéo. Un même système peut y être brillant puis quelconque : celui-ci passe du deuxième rang sur un test de raisonnement abstrait à la sixième place sur une épreuve de recherche documentaire.

L'argument que porte le constructeur n'est pas la suprématie, c'est l'économie. Ces modèles n'activent qu'une fraction de leurs paramètres à chaque question : 16 milliards ici, contre 104 milliards pour l'un des concurrents chinois de la comparaison, dont la taille totale dépasse 2 800 milliards de paramètres. À résultats voisins, la facture de calcul n'est pas la même.

Un livreur de repas qui entraîne sans puces étrangères

Meituan, que les Chinois connaissent pour la livraison de repas et la réservation de services du quotidien, a pris le même chemin, de façon plus spectaculaire encore. Fin juin 2026, l'entreprise a publié LongCat-2.0 : 1 600 milliards de paramètres, une fenêtre d'un million de jetons, et une licence MIT, l'une des plus permissives qui existent.

Ce qui a retenu l'attention n'est pas la taille du modèle, c'est la machine qui l'a fabriqué. Meituan affirme avoir mené l'entraînement complet, plus de 35 000 milliards de jetons, sur une grappe de 50 000 cartes de calcul conçues en Chine, sans matériel étranger. D'autres modèles chinois s'appuyaient déjà sur des puces locales, dont celui que DeepSeek a sorti en avril 2026, mais pour répondre aux utilisateurs seulement, pas pour l'apprentissage, qui est de loin la phase la plus exigeante.

Pourquoi fabriquer plutôt qu'acheter

Jusqu'ici, une plateforme chinoise qui voulait de l'intelligence artificielle allait la chercher chez un spécialiste : DeepSeek, Moonshot AI, MiniMax, Z.ai. Le mouvement en cours renverse cette division du travail. Le commerce en ligne, le jeu vidéo, les réseaux sociaux et le voyage entraînent désormais des modèles taillés pour leur propre terrain, plutôt que d'adapter celui d'un fournisseur.

Ces entreprises ont pour elles ce qui manque aux laboratoires : des utilisateurs par dizaines de millions, et la trace de ce qu'ils cherchent, commandent, achètent et regardent. Elles ont aussi une raison comptable. Un assistant branché sur un fournisseur extérieur se paie à chaque requête, et une plateforme en produit à longueur de journée.

Le phénomène reste largement invisible depuis l'Europe, où l'on suit surtout les laboratoires qui font l'actualité. Il concerne pourtant des applications que l'on ouvre chaque jour pour commander un repas, réserver un hôtel ou chercher une idée de sortie.

Ce que cela change pour un utilisateur francophone

Ces modèles ne restent pas en Chine. Leurs poids sont publics, sous des licences qui autorisent l'usage commercial : une entreprise française, belge, suisse ou québécoise peut les télécharger, les installer sur ses propres serveurs et travailler sans envoyer ses données ni en Chine ni aux États-Unis. La contrepartie est matérielle : faire tourner un modèle de cette taille demande plusieurs cartes graphiques professionnelles, ce qui le met hors de portée d'un ordinateur de bureau.

Cette circulation a déjà déplacé le paysage. Au milieu de l'année 2025, la famille Qwen d'Alibaba était devenue la base la plus reprise sur Hugging Face, avec plus de 113 000 modèles dérivés, contre environ 27 000 pour Llama de Meta et 6 000 pour DeepSeek. Les modèles chinois ne sont plus seulement des concurrents : ils sont devenus le matériau de départ d'une bonne part de ce qui se construit ailleurs.

Reste ce que ces annonces ne tranchent pas. Un tableau de scores est publié par celui qu'il met en avant, et il choisit ses épreuves. Ce qui se vérifiera à l'usage, c'est le comportement de ces modèles une fois sortis du banc d'essai : dans une application de livraison, dans un fil de photos, ou sur le serveur d'une entreprise européenne qui les aura installés elle-même.

La Rédaction