La narration autour de l’IA sur les marchés de capitaux connaît une transformation subtile mais profonde.
Le 22 juillet 2026 (UTC+8), le secteur des grands modèles d’IA à Hong Kong a subi une forte pression vendeuse. MiniMax-W (HKG : 0100) a clôturé à 197,00 HKD, en baisse de 11,42 % sur la journée. Zhichu (HKG : 2513) a terminé à 1 175,00 HKD, reculant de 3,61 %. Parallèlement, le Hang Seng Tech Index a perdu environ 1,8 %, l’ensemble du secteur IA sous-performant par rapport au marché élargi.
Cette tendance n’est pas un événement isolé. Depuis le deuxième trimestre 2026, le secteur IA hongkongais a connu plusieurs corrections similaires. Le marché s’interroge : s’agit-il simplement de prises de bénéfices après les hausses précédentes ou bien d’un changement structurel dans la manière dont les valorisations de l’IA sont déterminées ?
Cet article analyse la performance à court terme du marché, explore l’évolution du paysage concurrentiel mondial de l’IA et les nouveaux cadres de valorisation pour les sociétés de grands modèles, et examine les épreuves auxquelles sont confrontés MiniMax et Zhichu. Nous aborderons également les perspectives de la prochaine phase de logique d’investissement dans l’IA.
Repli à court terme : prises de bénéfices et ajustement des valorisations
D’un point de vue boursier, ce repli a été déclenché par des facteurs conjoncturels clairs.
Depuis le premier trimestre 2026, les gains cumulés de MiniMax dépassaient 80 %, tandis que ceux de Zhichu progressaient de plus de 45 % sur la même période. En l’absence de catalyseurs de performance à court terme, certains investisseurs ont choisi de sécuriser leurs profits. La séance du 22 juillet a été marquée par une envolée des volumes d’échanges : le volume de MiniMax était environ deux fois supérieur à la moyenne des cinq séances précédentes, signalant des ventes concentrées.
L’appétit mondial pour le risque s’est contracté simultanément. À l’approche de la réunion de juillet de la Réserve fédérale, l’incertitude sur le rythme des baisses de taux s’est accrue. L’indice du dollar américain s’est renforcé et les secteurs technologiques des marchés émergents ont subi une pression généralisée. Hong Kong, en tant que marché offshore, est particulièrement sensible aux attentes de liquidité mondiale. Les valeurs IA à bêta élevé sont souvent les premières touchées par ces évolutions.
Ces éléments expliquent la volatilité à court terme, mais n’éclairent pas la nette divergence au sein du secteur : la baisse de MiniMax a largement dépassé celle de Zhichu et du marché dans son ensemble. Cela suggère que la correction n’a pas été indiscriminée ; elle reflète au contraire des facteurs propres à chaque titre ou une différenciation dans la valorisation.
Une question de fond se pose : quelle part du cours actuel des valeurs IA correspond à une prime de « leadership technologique futur » et quelle part repose sur la « monétisation commerciale actuelle » ? Depuis deux ans, les valorisations des sociétés de grands modèles d’IA ont été principalement portées par des récits axés sur la capacité technique et l’échelle des paramètres. À mesure que la réalisation de ces promesses approche, les investisseurs exigent des indicateurs financiers plus classiques : chiffre d’affaires, clientèle, marges bénéficiaires. Ce glissement remet en cause l’ancienne logique de valorisation.
Paysage concurrentiel : de la « course technologique » à la « guerre multidimensionnelle »
La concurrence dans le secteur des grands modèles d’IA s’est nettement intensifiée.
Depuis deux ans, l’attention portait principalement sur « qui possède le plus de paramètres » et « qui figure en tête des classements de référence ». Les percées techniques suffisaient à déclencher des vagues de revalorisation. Mais à l’aube de 2026, cette compétition unidimensionnelle laisse place à une bataille commerciale multidimensionnelle.
À l’échelle mondiale, OpenAI, Google Gemini, Anthropic et Meta AI forment le premier cercle. Leurs points communs : des sociétés mères ou des capacités de financement de plusieurs centaines de milliards, des écosystèmes regroupant des centaines de millions, voire des milliards d’utilisateurs, et d’immenses clusters de calcul propriétaires. Ces facteurs créent un « effet volant » pour l’itération des modèles : plus d’utilisateurs génèrent plus de retours, qui améliorent le modèle, lequel attire à son tour davantage d’utilisateurs.
En Chine, la concurrence est tout aussi vive. Alibaba Tongyi Qianwen s’appuie sur le réseau d’entreprises d’Alibaba Cloud et les scénarios du e-commerce ; Tencent Hunyuan s’intègre aux écosystèmes WeChat et jeux vidéo ; Baidu Wenxin bénéficie de ses points d’entrée via la recherche et de plusieurs années d’expertise en IA ; Byte Doubao s’appuie sur la puissance de trafic de Douyin pour croître rapidement. Le fil conducteur de ces géants technologiques : la capacité du modèle n’est pas leur seul avantage concurrentiel — parfois, ce n’est même pas le principal.
Pour les sociétés indépendantes de grands modèles comme MiniMax et Zhichu, l’enjeu n’est plus seulement de « savoir créer un bon modèle », mais de « parvenir à instaurer une boucle commerciale durable face aux géants ».
Changement de logique de valorisation : les marchés redéfinissent les « avantages concurrentiels »
Le cadre de valorisation des sociétés de grands modèles évolue en trois étapes.
La première étape repose sur le leadership technologique. Les marchés financiers acceptent de payer une prime élevée pour l’échelle des paramètres, les scores de référence et les publications scientifiques. La valeur de l’entreprise est alors déterminée par les « possibilités potentielles » de sa technologie.
La deuxième étape est celle de la validation commerciale. Le marché se concentre sur des indicateurs tels que la croissance des appels API, le nombre de clients entreprises payants, l’évolution du revenu moyen par utilisateur et la structure du chiffre d’affaires. Les investisseurs s’intéressent désormais à la capacité à « transformer l’avantage technique en avantage commercial ».
La troisième étape porte sur l’écosystème et les coûts. À mesure que les capacités des modèles de base convergent, la compétition s’articule autour de deux axes : d’une part, celui qui affiche les coûts d’inférence unitaire les plus bas peut mener une politique de prix agressive, élargir sa clientèle et enclencher un volant de données. D’autre part, celui qui dispose du plus grand nombre de cas d’usage et de points de contact utilisateurs génère un cercle vertueux de données et de trafic.
Actuellement, le marché se situe à un carrefour entre la première et la deuxième étape. Les entreprises qui communiquent régulièrement sur leurs avancées commerciales et affichent des perspectives de revenus claires verront leur valorisation soutenue. Celles qui restent dans une logique de « récit technique » continueront de subir des pressions sur leur valorisation.
À en juger par les baisses différenciées de MiniMax et Zhichu, le marché applique déjà ce filtre : les investisseurs anticipent des perspectives commerciales distinctes pour chaque société.
Décryptage des pressions concurrentielles pour les fournisseurs d’IA indépendants
Les atouts de MiniMax résident dans ses capacités multimodales et son expansion précoce à l’international. Mais ses défis sont tout aussi spécifiques : sur le marché grand public, elle doit rivaliser pour l’engagement des utilisateurs avec des produits comme Byte Doubao et Baidu Wenxin, qui bénéficient de points d’entrée à très fort trafic. Sur le segment entreprises, elle affronte les offres groupées « modèle + cloud » des fournisseurs comme Alibaba et Tencent. Sur le plan des coûts, les indépendants souffrent d’un désavantage structurel en matière de volume d’achat de GPU et de pouvoir de négociation, ce qui impacte directement la compétitivité des tarifs API.
Les forces de Zhichu résident dans son expertise technique et son écosystème open source, qui lui confèrent un avantage de pionnier sur le marché des entreprises. Ses principales pressions proviennent de la concurrence avec les écosystèmes cloud des géants de l’internet : les clients entreprises privilégient souvent des solutions IA liées à leur fournisseur cloud existant. La rapidité de commercialisation constitue un autre défi : alors que les grands groupes peuvent répartir les coûts de l’IA sur plusieurs activités, les indépendants doivent rentabiliser chaque euro investi en R&D via leur activité IA. À mesure que les capacités des modèles de base convergent, la différenciation technique devient essentielle.
Les deux entreprises partagent un défi commun : avec des investissements soutenus dans les modèles de base, la croissance des revenus permettra-t-elle de couvrir les coûts — ou du moins d’esquisser une trajectoire crédible vers cet objectif ?
Conclusion
Le récent repli des valeurs IA à Hong Kong marque davantage le début d’une réévaluation structurelle des valorisations que la fin de la dynamique IA.
À mesure que la concurrence s’intensifie entre les géants mondiaux et chinois de l’IA comme OpenAI, Google, Alibaba et Tencent, l’avantage compétitif des sociétés de grands modèles glisse d’un « leadership technologique » unique à une compétition multidimensionnelle alliant « performance du modèle + efficacité des coûts + capacité de commercialisation + échelle de l’écosystème ».
Pour les investisseurs, cela signifie que la fenêtre d’investissement IA se rétrécit : on passe du « bêta sectoriel » à « l’alpha de sélection de titres ». Les futurs gagnants ne seront pas toutes les sociétés de modèles, mais celles capables de démontrer une croissance durable de leurs revenus, d’optimiser leur structure de coûts et de bâtir des relations clients pérennes.
La technologie IA continue d’évoluer rapidement, mais la patience des marchés financiers s’amenuise. Quand la vague se retire, la différence entre ceux qui nageaient nus et ceux qui tiennent la distance apparaîtra plus clairement que jamais.
FAQ
1. Quelles sont les principales raisons de la baisse des actions MiniMax et Zhichu ?
À court terme, après de fortes hausses des valeurs IA, la prise de bénéfices s’est accentuée, aggravée par la baisse de l’appétit mondial pour le risque liée à l’incertitude sur la politique de la Réserve fédérale. Plus fondamentalement, on assiste à un changement de logique de valorisation, du « récit de leadership technologique » à la « validation commerciale ». Les investisseurs examinent de près la croissance des revenus, l’acquisition de clients et la maîtrise des coûts. Les sociétés sans trajectoire claire vers la rentabilité subissent une décote.
2. Qui sont les principaux concurrents des sociétés chinoises de grands modèles IA ?
À l’international, les principaux concurrents sont OpenAI, Google Gemini, Anthropic et Meta AI — tous soutenus par des capitaux massifs et des écosystèmes d’utilisateurs mondiaux. En Chine, la concurrence est tout aussi intense, avec des rivaux majeurs comme Alibaba Tongyi Qianwen, Tencent Hunyuan, Baidu Wenxin et Byte Doubao. Ces géants de l’internet disposent non seulement de solides capacités de R&D, mais aussi de scénarios d’application variés et de vastes bases d’utilisateurs, générant des synergies écosystémiques au-delà des seuls modèles.
3. Comment la logique de valorisation des sociétés de grands modèles a-t-elle évolué ?
Auparavant, les valorisations reposaient sur des « indicateurs potentiels » tels que l’échelle des paramètres ou les classements techniques. Désormais, le marché exige des résultats commerciaux quantifiables : chiffre d’affaires issu des appels API, clients entreprises payants, revenus générés par les applications IA. Parallèlement, la maîtrise des coûts de calcul (investissements GPU, coûts d’inférence) et l’étendue de l’écosystème deviennent des critères clés. Les investisseurs privilégient la rentabilité durable à la seule vision technique.
4. L’ajustement du secteur IA à Hong Kong signifie-t-il la fin des opportunités d’investissement dans l’IA ?
Il ne s’agit pas de la fin de la tendance IA, mais d’un changement de logique d’investissement : on passe des « opportunités sectorielles » à une « sélection de titres plus fine ». À l’avenir, le marché favorisera les sociétés affichant une trajectoire de croissance des revenus, des avantages de coûts et des barrières écosystémiques, tandis que celles dépourvues de fondamentaux solides pourraient rester sous pression. Pour les investisseurs, la fenêtre d’opportunité se déplace du pari sur l’ensemble du secteur vers une sélection rigoureuse des sociétés à fort potentiel.
5. Quels sont les principaux défis de commercialisation pour les sociétés de grands modèles IA ?
Le principal défi est de savoir si la croissance des revenus permettra de couvrir les coûts élevés de R&D et de calcul — investissement dans les clusters GPU, coûts d’entraînement des données, dépenses d’inférence. Ensuite, l’acquisition et la fidélisation des clients : les fournisseurs IA indépendants doivent rivaliser avec les géants de l’internet qui disposent déjà de relations établies avec les entreprises. À mesure que les modèles de base convergent, il devient crucial de trouver des scénarios d’application et des solutions sectorielles différenciantes pour éviter une concurrence purement tarifaire. La perte de pouvoir sur les prix API et l’absence d’écosystème sont des risques supplémentaires auxquels les indépendants doivent prêter attention.
