Le 17 juillet 2026, aux premières heures de la journée, Moonshot AI a dévoilé son nouveau modèle de grande taille, Kimi K3, affichant une échelle de 2,8 billions de paramètres—ce qui en fait le premier modèle open source au monde à atteindre le seuil des 3 billions de paramètres. Le jour de sa sortie, l’action de Zhipu (02513.HK), désignée comme la « première valeur des grands modèles » cotée à Hong Kong, a chuté de 28,49 %, effaçant plus de 200 milliards HKD de capitalisation boursière en une seule séance. Au 20 juillet, le cours de Zhipu avait encore reculé à 890,5 HKD, pour une capitalisation de 414,637 milliards HKD.
La même semaine, DeepSeek aurait finalisé un tour de table de 7,4 milliards de dollars, établissant un nouveau record pour le secteur chinois de l’IA en matière de placement privé, la société étant valorisée à plus de 50 milliards de dollars. Un mois plus tôt, Zhipu avait lancé et ouvert le code de GLM-5.2, un modèle axé sur les tâches à longue portée.
Trois événements majeurs concentrés en moins d’un mois marquent une nouvelle étape pour l’industrie chinoise des grands modèles d’IA. La course à l’échelle des paramètres est loin d’être terminée, mais la logique de valorisation sur les marchés financiers évolue. Cet article analyse le paysage concurrentiel des grands modèles d’IA chinois après Kimi K3 sous quatre angles : le lien entre paramètres et valorisation, l’impact des modèles open source, les différences de stratégies de commercialisation et les avantages concurrentiels à long terme.
Pourquoi l’échelle des paramètres ne détermine plus la valorisation
Kimi K3 atteint 2,8 billions de paramètres, dépassant largement Zhipu GLM-5.2 et la série DeepSeek-V4. Moonshot AI compare les paramètres aux connexions neuronales du cerveau humain : près de 3 billions de paramètres permettent au modèle de stocker davantage de connaissances et de schémas.
Pourtant, la réaction des marchés financiers a été contrastée. Le jour du lancement de Kimi K3, l’action de Zhipu a chuté de 28,49 %, alors que la société venait d’annoncer, le 9 juillet, un placement de 31,4 milliards HKD—un record pour une levée de fonds unique par une entreprise technologique à Hong Kong en 2026. Ces données révèlent une évolution majeure : le seul critère de l’échelle des paramètres n’est plus suffisant pour justifier une valorisation.
Les données sectorielles montrent que l’usage réel des grands modèles chinois progresse rapidement. Selon les estimations d’OpenRouter, la semaine du 29 juin au 5 juillet, le volume mondial d’appels aux grands modèles d’IA a atteint 46,7 billions de tokens, dont 23,45 billions pour les modèles chinois—soit une hausse hebdomadaire de 15,01 %—conservant leur avance sur les États-Unis pour la dixième semaine consécutive. Les six premiers modèles mondiaux en termes d’utilisation sont tous chinois, DeepSeek-V4-Flash occupant la première place pour la septième semaine d’affilée avec 5,34 billions de tokens par semaine.
Cette explosion d’usage traduit une intégration réelle dans les processus métiers. Comme le soulignent les rapports sectoriels, au premier semestre 2026, le secteur chinois des grands modèles d’IA est passé d’une compétition purement technique à une véritable « bataille du déploiement commercial », validant les perspectives d’application et commençant à assainir les excès du secteur.
Dans une étude publiée après le lancement de Kimi K3, Jefferies note que le modèle s’est hissé au niveau mondial sur les tâches de codage, d’agents et de multimodalité. Toutefois, son importance ne réside pas seulement dans ses performances, mais dans la confirmation d’un changement de logique concurrentielle dans l’industrie chinoise de l’IA. Là où le marché se concentrait sur les « écarts de performances des grands modèles », la compétition se déplace désormais vers le « coût unitaire d’intelligence » et « l’échelle de consommation de tokens ».
Comment les modèles open source transforment la concurrence sectorielle
La stratégie open source de Kimi K3 constitue l’un des éléments les plus remarquables de cette annonce. Premier modèle open source au monde à atteindre le seuil des 3 billions de paramètres, ses poids complets devraient être publiés au plus tard le 27 juillet. Précédemment, Zhipu avait ouvert le code de GLM-5.2 le 17 juin, lequel a obtenu 51 points à l’indice mondial d’intelligence des grands modèles d’Artificial Analysis, se classant premier parmi les modèles open source.
La logique concurrentielle des modèles open source diffère fondamentalement de celle des modèles propriétaires. Les modèles fermés s’appuient sur des barrières technologiques et la maîtrise des tarifs API, tandis que les modèles open source tirent leur valeur du développement de l’écosystème et de la fidélisation des développeurs. Kimi K3 adopte une architecture MoE (Mixture of Experts), réduisant les besoins réels en calcul grâce au routage par experts. Son tarif API est de 3 dollars par million de tokens en entrée et 15 dollars par million de tokens en sortie. Le modèle V4 Flash de DeepSeek assure les tâches standards à un coût pondéré moyen de seulement 0,02 dollar, contre 2,75 dollars pour le modèle équivalent d’Anthropic.
Cet écart de coûts redessine la carte mondiale des fournisseurs d’IA. Lindy AI, basée à San Francisco, est passée d’Anthropic à DeepSeek après six semaines, réduisant ses coûts à seulement 10 % du niveau initial et économisant plusieurs millions de dollars par an. Airbnb, Pinterest et même Microsoft utilisent désormais des modèles chinois open source pour le codage courant, l’automatisation et les tâches quotidiennes. À certains moments cette année, les modèles chinois ont dépassé 30 % de parts de marché sur la plateforme d’agrégation OpenRouter.
Autre impact majeur des modèles open source : l’abaissement du seuil de commercialisation des applications d’IA. À mesure que les modèles chinois se rapprochent des performances des modèles étrangers tout en maintenant des coûts d’inférence faibles, la croissance de la consommation de tokens s’étend à l’informatique en nuage, aux puces d’IA et aux infrastructures. SenseCore, la plateforme de SenseTime, réoriente ses ressources de calcul du training vers l’inférence, avec l’ambition de s’imposer non seulement comme un acteur des grands modèles, mais comme un fournisseur de services d’IA full stack.
Comparaison des stratégies de commercialisation des entreprises d’IA
Les trois principaux acteurs adoptent chacun une stratégie de commercialisation distincte.
Zhipu privilégie une approche « introduction en bourse + financement massif » axée sur le capital. Cotée à la Bourse de Hong Kong depuis le 8 janvier 2026, son cours a progressé de plus de 1 400 %. Le placement du 9 juillet prévoit l’émission de 19,78 millions de nouvelles actions H à 1 588 HKD l’unité, pour une levée d’environ 31,41 milliards HKD. Au 30 juin, plus de 93 % du produit de l’IPO avait déjà été utilisé. Les fonds sont affectés à trois domaines : R&D sur les modèles fondamentaux et infrastructures de calcul, commercialisation et investissements stratégiques, et optimisation de la structure du capital. Zhipu prépare également une introduction sur le STAR Market en Chine continentale, visant une levée de 15 milliards RMB. Le montant total des fonds levés atteint 36,4 milliards HKD (environ 31,5 milliards RMB).
DeepSeek suit la voie du « placement privé + infrastructures internes ». Ce laboratoire d’IA de Hangzhou, fondé il y a seulement trois ans, a entraîné des modèles performants avec beaucoup moins de ressources que OpenAI ou Anthropic. Fin mai 2026, il a bouclé un premier tour de financement d’environ 7 milliards de dollars, pour une valorisation post-money de 52 milliards de dollars. Un mois plus tard, un deuxième tour aurait été lancé, avec une valorisation pré-money de 71 milliards de dollars. DeepSeek construit un campus de calcul de niveau gigawatt, avec des investissements dans ses propres data centers pouvant atteindre plusieurs centaines de milliards de RMB. L’entreprise développe également ses propres puces d’inférence IA. DeepSeek prévoit une introduction en bourse en 2027.
Moonshot AI (Kimi) mise sur une stratégie « produit + écosystème open source ». Après le lancement du modèle K3, la présidente Zhang Yutong a indiqué que le chiffre d’affaires récurrent annuel (ARR) de la société avait été multiplié. Pourtant, trois jours après la sortie, Moonshot AI a annoncé la suspension des nouvelles souscriptions pour les utilisateurs grand public, allouant toutes les ressources de calcul existantes aux abonnés actuels. Les tensions sur les capacités de calcul sont à la fois un défi et un signal : la demande est réelle, mais les goulets d’étranglement côté offre freinent la croissance. Moonshot AI affirme accélérer l’expansion de sa capacité de calcul. Sur le plan commercial, la société pourrait entrer en bourse d’ici six mois.
Chaque voie présente avantages et inconvénients. Le modèle axé sur le capital offre des financements abondants et une forte résistance au risque, mais doit sans cesse démontrer sa logique de croissance aux marchés. Le placement privé est plus flexible, mais subit une pression sur la valorisation. Les stratégies orientées produit génèrent la plus forte fidélité utilisateur, mais sont les plus contraintes par les ressources de calcul et de financement.
Qui dispose d’un avantage concurrentiel durable ?
L’évaluation des avantages à long terme repose sur trois dimensions : barrières technologiques, avantage coût et fidélisation de l’écosystème.
Barrières technologiques : Kimi K3 a pris la tête du classement Frontend Code Arena avec un score de 1 679, devant Claude Fable 5 (1 631). Toutefois, les évaluations globales montrent que K3 reste derrière les modèles propriétaires comme Claude Fable 5 et GPT-5.6 Sol. Les modèles chinois se classent actuellement autour de la cinquième place mondiale et ne concurrencent pas encore la domination des géants étrangers. L’écart technologique se réduit, mais n’a pas disparu.
L’avantage coût constitue le principal atout des entreprises chinoises d’IA. La stratégie de tarification ultra-compétitive de DeepSeek attire les développeurs du monde entier. Jefferies souligne que, à mesure que les modèles chinois se rapprochent des performances des leaders mondiaux tout en maintenant des coûts d’inférence inférieurs, le seuil de commercialisation des applications d’IA pourrait encore baisser. Cet avantage provient non seulement de l’innovation architecturale, mais aussi des coûts d’électricité et d’infrastructure plus faibles en Chine.
La fidélisation de l’écosystème est sans doute la barrière la plus difficile à reproduire. Les modèles open source créent leur écosystème via les communautés de développeurs, tandis que les modèles propriétaires fidélisent les clients entreprises par leurs services API. DeepSeek-V4-Flash est leader en usage depuis sept semaines, signe d’une forte dynamique communautaire. Zhipu capitalise sur son expertise sectorielle, notamment dans l’administration, la finance et l’industrie. Si la stratégie open source de Kimi K3 attire suffisamment de développeurs pour bâtir des applications sur son modèle, son avantage écosystémique émergera progressivement.
En résumé, aucune entreprise ne dispose aujourd’hui d’un avantage concurrentiel absolu à long terme. L’écart technologique se réduit mais subsiste, l’avantage coût peut être imité, et la fidélisation de l’écosystème demande du temps. Le véritable avantage pourrait résider non dans une seule dimension, mais dans la capacité à instaurer un cercle vertueux entre technologie, coût et écosystème : les avancées technologiques réduisent les coûts, les coûts bas attirent plus de développeurs, qui à leur tour dynamisent l’écosystème, lequel nourrit le progrès technologique.
Conclusion
Le lancement de Kimi K3 marque un tournant, non pas la victoire d’une entreprise, mais celle de tout un secteur. L’industrie chinoise des grands modèles d’IA passe d’une « course à l’échelle des paramètres » à une compétition commerciale axée sur la « baisse des coûts, l’augmentation de l’usage et le renforcement des écosystèmes ».
Au 20 juillet 2026 (heure de Pékin), sur le marché des cryptomonnaies, le Bitcoin (BTC) a trouvé un support autour de 64 000 dollars, rebondissant progressivement pour atteindre un pic intrajournalier d’environ 65 000 dollars. Gate cote le BTC autour de 64 747 dollars. Le marché est influencé par deux forces : les tensions géopolitiques au Moyen-Orient qui font grimper les prix du pétrole, tandis que les investisseurs digèrent encore le choc du lancement de Kimi K3 par les start-up d’IA chinoises. Les mutations structurelles de l’industrie de l’IA impactent déjà les marchés de capitaux : l’action Zhipu a perdu plus de 38 % en deux séances après la sortie de K3, une chaîne de transmission à surveiller.
La phase d’élimination des grands modèles d’IA chinois ne fait que commencer. Les entreprises les mieux placées pour réussir ne seront pas forcément celles ayant le plus de paramètres, mais celles capables de transformer les capacités des modèles en valeur commerciale réelle, au coût le plus bas et avec la meilleure efficacité.
FAQ
Q : Avec une échelle de 2,8 billions de paramètres, où se situe Kimi K3 parmi les grands modèles d’IA chinois ?
Kimi K3 est actuellement le plus grand modèle open source au monde en nombre de paramètres, et le premier à franchir le seuil des 3 billions en open source. À titre de comparaison, Zhipu GLM-5.2 et Alibaba Qwen3.8 (2,4 billions de paramètres) sont plus petits que K3. Toutefois, l’échelle des paramètres n’équivaut pas à la performance globale—K3 reste derrière les modèles propriétaires comme Claude Fable 5 et GPT-5.6 Sol dans les évaluations complètes.
Q : Pourquoi le cours de Zhipu a-t-il chuté après le lancement de Kimi K3 ?
Le 17 juillet, jour de la sortie de Kimi K3, le cours de Zhipu a plongé de 28,49 %, effaçant plus de 200 milliards HKD de capitalisation. Les inquiétudes du marché viennent de deux facteurs : d’une part, la concurrence des modèles open source pourrait affaiblir le pouvoir de tarification de Zhipu sur les modèles propriétaires ; d’autre part, les performances de Kimi K3 sur des scénarios clés comme la programmation ont dépassé les attentes, incitant à réévaluer la part de marché de Zhipu. Au 20 juillet, le cours de Zhipu avait encore reculé à 890,5 HKD.
Q : Comment la levée de fonds de DeepSeek se positionne-t-elle dans le secteur ?
DeepSeek a finalisé un premier tour de financement d’environ 7 milliards de dollars au premier semestre 2026, pour une valorisation post-money de 52 milliards de dollars. Un mois plus tard, un second tour aurait été lancé, avec une valorisation pré-money de 71 milliards de dollars. Ce financement établit un record pour un placement privé unique parmi les entreprises chinoises d’IA, avec des investisseurs tels que le Fonds national de l’industrie de l’IA, Tencent, CATL, JD.com, et d’autres.
Q : Quels sont les principaux défis pour la commercialisation des grands modèles d’IA chinois ?
Les principaux défis se situent sur trois plans : les goulets d’étranglement du calcul—Kimi K3 a suspendu les nouvelles souscriptions grand public après son lancement en raison de la saturation des ressources ; la conversion payante—le segment grand public des grands modèles passe d’une logique de trafic à une validation de la valeur, la question étant d’accroître la propension à payer à mesure que la base d’utilisateurs s’élargit ; la rentabilité—le secteur cherche encore son modèle économique durable, et la transition des outils gratuits grand public vers des services payants pour entreprises nécessitera du temps pour être validée.
Q : Les modèles open source ou propriétaires sont-ils les plus compétitifs à long terme ?
Les deux approches présentent des atouts. Les modèles open source fidélisent les développeurs via des coûts réduits et la construction d’écosystèmes, comme le montrent DeepSeek et Kimi K3. Les modèles propriétaires maintiennent leur rentabilité grâce à la technologie exclusive et à la tarification API, à l’image de la série GLM de Zhipu. Les tendances actuelles montrent que de plus en plus d’entreprises optent pour une stratégie mixte : « modèles open source pour les tâches courantes + modèles propriétaires pour l’inférence complexe ». À long terme, les sociétés capables d’opérer à la fois des écosystèmes open source et des produits commerciaux propriétaires pourraient se révéler les plus résilientes.
