La « Guerre des Cent Modèles » en Chine fait référence à la compétition intense entre les entreprises technologiques chinoises pour développer et déployer des modèles de langage de grande taille (LLM) en intelligence artificielle, avec un grand nombre de modèles représentant une part significative du total mondial. Ce phénomène, déclenché par le succès de ChatGPT, a conduit à un marché saturé et soulève des inquiétudes quant à la durabilité et aux applications pratiques.

La croissance rapide du secteur de l’IA en Chine a engendré un paysage diversifié de LLM et d’acteurs industriels. Actuellement, la Chine compte un nombre important de LLM, représentant une part considérable du total mondial, juste derrière les États-Unis. Les géants technologiques comme Tencent, Baidu, Alibaba et Huawei sont à l’avant-garde de cette révolution de l’IA, aux côtés de nombreuses startups.

Cette prolifération a entraîné une guerre des prix, avec des entreprises comme ByteDance, Alibaba et Baidu réduisant drastiquement les prix de leurs services basés sur les LLM pour attirer les utilisateurs. Malgré l’abondance de modèles, beaucoup peinent à trouver des modèles économiques viables et des applications pratiques, soulevant des inquiétudes quant à la durabilité de cette croissance.

La compétition intense dans le secteur de l’IA en Chine est aggravée par les tensions géopolitiques et les défis économiques. Les sanctions américaines sur les puces d’IA ont entravé l’accès des entreprises chinoises au matériel crucial, freinant la croissance du secteur. Ces facteurs ont poussé les entreprises chinoises à innover localement, pouvant potentiellement conduire à une autosuffisance dans les technologies critiques.

Les experts prédisent une consolidation significative du marché de l’IA en Chine, seules les entreprises les plus solides étant susceptibles de survivre. Les leaders de l’industrie, dont le PDG de Baidu, Robin Li, appellent à un changement d’orientation vers le développement d’applications pratiques d’IA plutôt que de continuer à perfectionner les technologies sous-jacentes. Cette focalisation sur les applications du monde réel est considérée comme essentielle pour déterminer le moment critique de l’IA et son potentiel à entraîner des changements généralisés dans divers secteurs.