Puce auto-développée, problème d'arithmétique de DeepSeek et Zhipu.

Rédaction : Xiao Suan

En 2013, les ingénieurs de Google ont fait un calcul arithmétique.

La question était simple : si chaque utilisateur utilise 3 minutes de recherche vocale par jour, de combien les centres de données mondiaux de Google doivent-ils être étendus ?

La réponse a fait l’effet d’une douche froide : doubler.

Pour combler ce trou en achetant des cartes graphiques NVIDIA, Google aurait d’abord été écrasé par les factures. Cette entreprise de recherche a donc pris une décision qui semblait à l’époque hérétique : fabriquer ses propres puces. L’histoire qui a suivi est bien connue : cette puce s’appelle TPU, et elle est aujourd’hui l’atout le plus solide de Google contre la « taxe NVIDIA ».

Treize ans plus tard, ce problème arithmétique est arrivé entre les mains des Chinois.

Dans la soirée du 7 juillet, Reuters, citant trois sources informées, a rapporté que DeepSeek développe sa propre puce IA, un projet lancé il y a un an, et qu’elle est déjà en contact avec des entreprises de conception de puces, des fonderies et des fabricants de mémoire. Quelques heures plus tard, The Information a ajouté que Zhipu évalue également la possibilité de concevoir des puces sur mesure, et qu’elle est en contact avec des entreprises locales de conception de puces.

En 24 heures, les deux plus grandes entreprises chinoises de modèles de fondation ont été révélées faire la même chose :

Fabriquer des puces.

La puce de DeepSeek a un qualificatif qui donne à réfléchir : orientée vers l’inférence, pas vers l’entraînement.

L’entraînement, c’est apprendre au modèle, avec des coûts faramineux mais payés une fois pour toutes ; l’inférence, c’est le modèle qui travaille, chaque question d’un utilisateur brûle une facture d’électricité dans la salle des machines, plus il y a d’utilisateurs, plus ça brûle, et ça ne s’arrête jamais.

L’entraînement, c’est acheter une maison ; l’inférence, c’est payer le loyer. Le véritable gouffre financier de l’industrie de l’IA n’a jamais été dans l’acompte, mais dans le loyer.

La priorité de DeepSeek, traduite en une seule phrase, c’est :

Combien coûte le service pour chaque utilisateur ?

Le fondateur de cette entreprise, Liang Wenfeng, fait partie de la très petite minorité qui a considéré les puces comme une question de vie ou de mort dès le premier jour. Issu du monde des hedge funds quantitatifs, il était déjà connu dans le milieu pour thésauriser des cartes graphiques bien avant l’essor des grands modèles. Entre 2023 et 2024, il a accordé deux interviews à Anwaves, où il a dit une phrase souvent citée par la suite :

« Notre véritable défi n’a jamais été le financement, mais l’interdiction d’exportation des puces haut de gamme. »

Et il ne faisait pas que parler : il agissait aussi. Le modèle R1 de DeepSeek a été entraîné sur des NVIDIA H800, puis est passé aux Huawei Ascend ; l’équipe d’ingénieurs a conçu dans le modèle un format de données UE8M0 FP8, reconnu par l’industrie comme étant taillé sur mesure pour les caractéristiques matérielles de la prochaine génération de puces chinoises.

En juin de cette année, les munitions étaient prêtes. Cette entreprise, qui avait longtemps refusé les investissements externes, a réalisé son premier tour de financement, obtenant environ 51 milliards de yuans, pour une valorisation post-investissement de 52 à 59 milliards de dollars. L’utilisation des fonds annoncée était claire : étendre les centres de calcul nationaux et développer des puces IA maison.

Ces derniers mois, DeepSeek a recruté des ingénieurs en conception de puces, et aucun poste n’est apparu sur les plateformes de recrutement publiques.

Zhipu, c’est une autre solution au même problème arithmétique.

Cette entreprise, issue du laboratoire de l’Université Tsinghua, a fait son introduction en bourse à Hong Kong cette année, sous le nom de « première action des grands modèles », avec une capitalisation boursière dépassant brièvement mille milliards de dollars de Hong Kong. Derrière cette gloire se cache un bilan tendu : une perte de 2,958 milliards de yuans en 2024, et de 2,358 milliards supplémentaires au premier semestre 2025, soit 5,3 milliards brûlés en un an et demi.

En février de cette année, GLM-5 a été lancé, devenant viral à l’étranger, avec des capacités de codage presque comparables aux modèles fermés de premier plan. L’afflux massif de trafic a poussé Zhipu à faire deux choses : d’abord, augmenter les prix, avec une hausse de 30 % minimum pour les forfaits Coding ; ensuite, publier un appel à « partenaires en puissance de calcul », invitant publiquement les fabricants de puces à collaborer pour l’optimisation.

Une star fraîchement cotée qui publie un appel public à trouver de la puissance de calcul. Un business si florissant qu’il faut augmenter les prix pour décourager les utilisateurs, c’est rare dans l’histoire du commerce.

Donc la révélation de The Information n’est pas surprenante. La voie évaluée par Zhipu est la personnalisation en coopération : l’entreprise fournit l’architecture du modèle et les besoins, les entreprises locales de conception de puces fournissent les compétences en ingénierie.

DeepSeek : construire sa propre usine pour fabriquer sa voiture ; Zhipu : prendre les plans et aller chez un carrossier pour modifier. Les voies n’ont pas de supériorité ou d’infériorité, ce sont les factures qui diffèrent.

Dans ce mouvement de fabrication de puces, ce qui mérite le plus d’être scruté, c’est une phrase de Reuters :

DeepSeek fabrique des puces pour réduire sa dépendance envers NVIDIA, ainsi qu’envers Huawei.

La première moitié est presque une évidence. Avec les restrictions à l’exportation, la part de marché de NVIDIA dans les centres de données en Chine est proche de zéro. La seconde moitié est la véritable nouvelle.

Ces deux dernières années, le terme « remplacement national » dans le contexte de la puissance de calcul équivaut à peu près à « se tourner vers Ascend ». DeepSeek lui-même en est le partisan le plus actif : la série V4 a terminé l’adaptation à Ascend, et Huawei a confirmé que ses processeurs participent à une partie de l’entraînement. Zhipu est allée plus loin : l’architecture GLM s’adapte à plus de 40 puces nationales, et le jour de la sortie du nouveau modèle, Haiguang, Moore Threads, Muxi se sont alignés pour annoncer la fin de l’adaptation.

Plus on embrasse profondément, plus on comprend une chose : une entreprise dont la facture d’inférence se chiffre en milliards ne peut pas mettre son destin entre les mains d’un seul fournisseur.

Même si ce fournisseur est un compatriote.

Embrasser Ascend résout le problème de « l’avoir ou pas » ; les puces maison résolvent le problème de « qui commande ». Le récit du remplacement national entre dans sa cinquième année, et une stratification interne commence.

Les entreprises de modèles qui fabriquent des puces, c’est déjà une pratique standard de l’autre côté du Pacifique.

Le mois dernier, OpenAI a dévoilé sa puce d’inférence personnalisée en collaboration avec Broadcom, sous le nom de code Jalapeño ; Anthropic aurait évalué la même chose. En ajoutant Google, Amazon, Microsoft, dans la Silicon Valley, toutes les entreprises dont la facture d’inférence est assez élevée ont leur propre puce sur mesure, ou au moins un PowerPoint dessus.

Pour la chaîne industrielle chinoise des puces, c’est une pièce à deux faces.

Face : les commandes personnalisées des entreprises de modèles sont des revenus rêvés par les entreprises locales de conception de puces ; le modèle de coopération personnalisée de Zhipu semble presque écrit sur mesure pour elles. Les fabricants de mémoire en bénéficient aussi : les puces d’inférence dépendent énormément de la bande passante, et la demande de mémoire à large bande passante ne fera que croître.

Pile : le grand client d’aujourd’hui apprend à se passer de vous demain. Google était autrefois un client de choix pour les fournisseurs de puces, puis il est devenu le maître du TPU.

Bien sûr, les cartes viennent tout juste d’être distribuées. Une puce IA compétitive demande généralement plusieurs années et des investissements de plusieurs milliards, et personne ne garantit le succès : le projet de puce maison de Meta a été entièrement revu. Plus subtil encore : une puce sur mesure parie sur la stabilisation de l’architecture des modèles, alors que les nouvelles générations de modèles de DeepSeek et Zhipu viennent tout juste d’adopter des mécanismes comme l’attention sparse. Le plan envoyé aujourd’hui en fabrication, quand la puce sortira dans deux ans, l’architecture pourrait avoir déjà changé de page.

En 2013, le problème résolu par Google a donné le TPU.

En 2026, le problème des entreprises chinoises de modèles vient juste d’être posé. Les poseurs ont changé, mais la logique de résolution reste la même :

Plus on paie de loyer longtemps, plus on veut avoir sa propre maison.