Modèles open-source chinois : quand 80 % des start-ups américaines créent un problème de souveraineté pour tout le monde

Un rapport de la U.S.-China Economic and Security Review Commission (USCC), publié le 23 mars 2026, documente un retournement que les contrôles à l’exportation de puces n’avaient pas anticipé : les modèles open-source chinois dominent désormais l’écosystème mondial de l’IA, y compris sur le sol américain. L’estimation — environ 80 % des start-ups américaines utilisent des modèles de base chinois — provient d’un associé d’Andreessen Horowitz observant les dossiers de financement reçus par le fonds. Le chiffre n’est pas issu d’une enquête industrielle systématique, mais il converge avec les données de téléchargement de Hugging Face et la montée en puissance documentée des modèles Qwen, DeepSeek, Moonshot et MiniMax.

Pour les entreprises européennes et internationales, l’enjeu dépasse la rivalité sino-américaine. La question posée par ce rapport est structurelle : quand les fondations IA sur lesquelles reposent les applications d’entreprise proviennent majoritairement d’un écosystème national étranger, que deviennent les politiques de données, la traçabilité des modèles et la conformité réglementaire ?

Deux boucles de renforcement : le cœur du rapport USCC

Le rapport, intitulé Two Loops: How China’s Open AI Strategy Reinforces Its Industrial Dominance, articule sa thèse autour de deux boucles de rétroaction qui se renforcent mutuellement.

La première est numérique. Les laboratoires chinois publient massivement les poids et le code source de leurs modèles, sous des licences permissives et à des prix d’inférence nettement inférieurs à ceux de leurs concurrents occidentaux. L’adoption mondiale s’accélère, ce qui génère des données d’utilisation et des modèles dérivés qui alimentent les itérations suivantes. Les chiffres de Hugging Face illustrent cette dynamique : la famille Qwen d’Alibaba compte désormais plus de 100 000 modèles dérivés sur la plateforme — plus que tout écosystème occidental, y compris Llama de Meta. Entre février 2025 et février 2026, les modèles d’origine chinoise représentaient 41 % de l’ensemble des téléchargements sur Hugging Face, contre 36,5 % pour les modèles américains. De novembre à décembre 2025, sept des dix modèles les plus téléchargés étaient chinois.

La seconde boucle est physique. La Chine déploie l’IA à grande échelle dans ses usines, ses réseaux logistiques et sa robotique, générant des données opérationnelles de terrain que les modèles entraînés sur des corpus textuels ne captent pas. Pékin a formalisé cette stratégie en désignant les données comme cinquième facteur de production et en autorisant les entreprises à inscrire leurs actifs de données à leur bilan. Le rapport note que les contrôles à l’exportation américains visent principalement la boucle numérique — les puces d’entraînement — mais ne couvrent pas la boucle physique de collecte de données par le déploiement industriel. (Source : USCC)

Le pivot vers l’IA incarnée

Le vice-président de la commission, Michael Kuiken, a souligné publiquement un « écart de déploiement croissant dans l’IA incarnée entre les États-Unis et la Chine » — un écart qui « se compose avec le temps ». Pékin a désigné l’IA incarnée comme industrie stratégique de base, et plusieurs entreprises chinoises de robotique humanoïde prévoient des introductions en bourse en 2026. Le rapport avertit que ce basculement vers l’IA agentique et l’IA physique pourrait avantager structurellement la Chine, dont la base manufacturière génère des données d’interaction en volume que les benchmarks académiques ne mesurent pas.

Ce que les chiffres recouvrent réellement

L’estimation des 80 % mérite un cadrage. Elle provient d’un partenaire d’Andreessen Horowitz, Martin Casado, qui observe les dossiers de financement présentés au fonds et constate que, parmi les start-ups construisant sur des modèles open-source, environ quatre sur cinq utilisent des modèles de base chinois. Le périmètre est celui des start-ups en phase de levée, pas de l’ensemble de l’industrie. Mais la convergence avec les données de plateforme est frappante : Qwen a dépassé Llama en téléchargements cumulés sur Hugging Face, et le rythme de création de modèles dérivés à partir de bases chinoises est environ le double de celui des modèles américains.

L’adoption ne se limite pas aux start-ups. Le rapport et les couvertures associées mentionnent des cas d’entreprises établies. Le CEO de Siemens, Roland Busch, a déclaré publiquement qu’il n’y avait « aucun inconvénient » à utiliser des modèles open-source chinois pour entraîner les modèles spécialisés de l’entreprise en automatisation industrielle, citant l’avantage de coût et la facilité de personnalisation. Le programme national d’IA de Singapour construit son modèle phare sur Qwen. Cursor, un outil de programmation assistée par IA valorisé à 29,3 milliards de dollars, a été identifié comme utilisant Kimi K2.5 de Moonshot comme base de sa fonctionnalité Composer 2.

Parallèlement, les risques de sécurité associés sont documentés. Le centre américain CAISI (rattaché au NIST) a évalué les modèles DeepSeek en septembre 2025 et constaté que les agents fondés sur le modèle le plus sécurisé de DeepSeek étaient en moyenne 12 fois plus vulnérables aux instructions malveillantes que les modèles frontières américains comparables. Une investigation de NewsGuard a constaté que les principaux systèmes chinois répètent ou ne corrigent pas des affirmations fausses pro-chinoises dans 60 % des cas. Ces résultats ne disqualifient pas l’usage des modèles, mais ils documentent un profil de risque différent qui exige des contrôles spécifiques.

L’écosystème open-source américain sous pression

Le rapport USCC souligne un point de vulnérabilité structurelle : Meta, qui ancrait l’écosystème open-source américain avec Llama, préparerait le passage de son prochain modèle phare à un accès fermé, en API uniquement. Si cette orientation se confirme, les États-Unis n’auraient plus de développeur frontière majeur soutenant activement l’écosystème ouvert, au moment précis où la stratégie chinoise d’open-source accélère avec un soutien étatique. OpenAI a publié ses premiers modèles open-weight depuis GPT-2 en août 2025, et NVIDIA a lancé Nemotron 3 en mars 2026, mais aucun de ces acteurs ne constitue à ce stade un contrepoids comparable à l’écosystème Qwen ou DeepSeek en termes de volume d’adoption et de dérivés.

Le rapport appelle à mieux financer les alternatives open-source américaines et à intégrer des clauses de sécurité dans les licences. Cette recommandation rejoint un signal parallèle de la semaine : la conférence NeurIPS a dû annuler une politique d’exclusion des entités figurant sur les listes de sanctions américaines, après un boycott de l’Association chinoise pour la science et la technologie. L’organisation a reconnu que la mesure dépassait les exigences légales. L’épisode illustre la difficulté de concilier conformité réglementaire et ouverture scientifique dans un écosystème mondialisé, et renforce l’argument du rapport selon lequel les restrictions ciblées ne suffisent pas à elles seules.

Ce que cela change pour les entreprises

La première conséquence est un problème de traçabilité de la chaîne d’approvisionnement IA. Les modèles open-source chinois entrent dans les environnements d’entreprise par des canaux multiples — copilotes, plateformes SaaS, couches d’API, modèles dérivés fine-tunés — souvent à plusieurs niveaux de distance du modèle de base original. La gestion classique des risques tiers n’a pas été conçue pour suivre l’ascendance des modèles, les chaînes de fine-tuning, l’héritage des données d’entraînement ou le comportement de routage en production. Le rapport USCC appuie la notion d’un Model Bill of Materials — un inventaire structuré de l’origine du modèle de base, de l’historique des dérivés, des jeux de données et de la géographie d’hébergement — maintenu en continu. Le chapitre 16 de Réussir l’IA en entreprise traite ce type d’audit de dépendance sous l’angle du VendorOps IA et de la réversibilité fournisseur ; le chapitre 12 aborde les clauses contractuelles et la gouvernance des modèles tiers.

La seconde conséquence touche la conformité réglementaire. Dans le cadre de l’AI Act européen, les entreprises qui déploient des systèmes à haut risque fondés sur des modèles tiers restent responsables de la conformité. Si le modèle de base provient d’un écosystème dont les pratiques de sécurité, de biais et de transparence diffèrent des standards européens, la charge de preuve revient intégralement à l’entreprise déployeuse. Les chapitres 12 et 14 de la méthode fournissent les grilles de conformité et les gabarits de dossier d’évidence adaptés à cette situation.

Troisième conséquence : la réversibilité. Construire une pile applicative sur un modèle de base dont la licence, la gouvernance ou la disponibilité peuvent changer crée une dépendance qui doit être gérée comme un risque fournisseur à part entière — avec des plans de sortie testés, des couches d’abstraction et une veille active sur les conditions de licence.

Le rapport USCC documente un basculement que les décideurs ne peuvent plus traiter comme un simple sujet de veille technologique. La question n’est pas de savoir si les modèles open-source chinois sont techniquement bons — ils le sont, et le marché le confirme par l’adoption massive. La question est de savoir si les entreprises qui les intègrent disposent de la visibilité, des contrôles et de la gouvernance nécessaires pour gérer les risques de dépendance, de sécurité et de conformité qui en découlent — et si les politiques publiques actuelles offrent un cadre suffisant pour y répondre.