IA chinoise : DeepSeek, Qwen, GLM, Kimi comparés (2026)

En dix-huit mois environ, les modèles d’IA chinois sont passés d’une publication virale isolée à un secteur dense et crédible. Si vous essayez de vous y retrouver entre DeepSeek, Qwen, GLM, Kimi et les autres, le bruit médiatique est le véritable obstacle : la plupart des articles sont soit euphoriques, soit dédaigneux, et presque aucun n’est à jour, tant les laboratoires publient de nouvelles versions à quelques semaines d’intervalle. Voici un comparatif direct des principaux modèles d’IA chinois tels qu’ils se présentent en juin 2026 : qui les développe, ce qu’ils savent réellement faire, s’il est prudent de les utiliser, et ce que leur essor change si votre métier consiste à être visible dans les réponses générées par l’IA.

Ce qu’il faut retenir

• DeepSeek, Qwen (Alibaba), GLM (Zhipu/Z.ai) et Kimi (Moonshot AI) forment le « Big Four » chinois : la plupart de leurs modèles sont publiés en poids ouverts et coûtent une fraction du prix des modèles fermés américains comme GPT-5 ou Claude Opus.
• En France, aucun de ces services n’est interdit au grand public : la CNIL a ouvert une analyse sur DeepSeek début février 2025 (questionnaire, pas d’interdiction), une posture plus mesurée que celle de l’Italie, qui a fait retirer l’application des stores dès janvier 2025.
• Les prix restent facturés en dollars US (DeepSeek V4 Flash à partir de 0,14 $/million de tokens en entrée) ; aucun de ces sept laboratoires ne publie de tarif natif en euros.
• L’auto-hébergement des poids ouverts en Europe est possible dès aujourd’hui : OVHcloud et Scaleway référencent DeepSeek et Qwen parmi leurs points de terminaison d’inférence conformes RGPD.
• Pour la visibilité IA, une part croissante des agents qui lisent votre site tournent déjà sur des poids chinois : ignorer ces moteurs, c’est ignorer une portion réelle du trafic IA.

Les principaux modèles d’IA chinois en un coup d'œil

Il y a un an, « modèle d’IA chinois » désignait presque exclusivement DeepSeek. En juin 2026, l’expression renvoie à un secteur dense où de nombreux laboratoires publient des modèles à la pointe de la technologie, la plupart accompagnés de poids ouverts téléchargeables, et la plupart nettement moins chers que les systèmes fermés américains. Les États-Unis ont depuis répliqué avec leur propre modèle ouvert de pointe, Inkling de Thinking Machines, mais ce sont bien ces laboratoires chinois qu’ils cherchent à rattraper. Voici la liste actuelle, avec la version réellement disponible au moment de la rédaction.

Les prix évoluent presque chaque semaine et dépendent du palier tarifaire : mieux vaut les lire comme des ordres de grandeur que comme des tarifs figés. La tendance qui se dégage : les modèles chinois les plus performants coûtent nettement moins cher que GPT-5 ou Claude Opus, et la plupart peuvent être téléchargés et exécutés par vos soins. À noter pour les lecteurs français : ces API sont toutes facturées en dollars US ; aucun de ces laboratoires ne publie de tarif natif en euros. Convertissez au taux du jour, et ajoutez la TVA si votre statut vous y oblige.

DeepSeek, Qwen, GLM et Kimi : le Big Four

Quatre laboratoires portent l’essentiel de cette histoire. Ce sont eux dont les noms reviennent dans les synthèses IA, ceux sur lesquels les start-up occidentales s’appuient discrètement, et ceux entre lesquels vous choisissez réellement quand vous vous demandez quel modèle chinois utiliser.

DeepSeek (V4) : le disrupteur des coûts

DeepSeek est le laboratoire qui a déclenché la panique. Son modèle de raisonnement R1, en janvier 2025, a égalé les systèmes de pointe américains pour un coût bien moindre, est devenu l’application gratuite la plus téléchargée de l’App Store américain en quelques jours, et a contribué à effacer près de mille milliards de dollars de capitalisation boursière tech américaine lors de la déroute de fin janvier 2025. Le laboratoire, basé à Hangzhou, est financé par le fonds spéculatif quantitatif High-Flyer, ce qui explique en partie son obsession du coût. Notre guide des prix DeepSeek détaille les tarifs actuels de V4 Flash et Pro.

Le modèle phare actuel de DeepSeek est V4, dont TechCrunch a rapporté la préversion fin avril 2026, bâti sur la même architecture en mélange d’experts, sobre en calcul, qui a fait la réputation du laboratoire ; sa sortie officielle est prévue pour la mi-juillet 2026. Il excelle en raisonnement et en code agentique, et côté prix, il est quasiment imbattable : le palier Flash tourne autour de 0,14 $ US par million de tokens en entrée, là où les modèles occidentaux de pointe facturent plusieurs dollars. La sortie officielle doit aussi introduire une tarification différenciée heures pleines/heures creuses, les requêtes envoyées pendant les heures ouvrées de Pékin étant facturées environ le double du tarif hors pointe. Si votre question est « quel modèle chinois offre le meilleur rapport entre performances et coût », DeepSeek est généralement la réponse, et c’est là que la plupart des comparatifs entre DeepSeek et Qwen se tranchent, sur le seul critère du prix.

Alibaba Qwen (Qwen3.7 Max) : le modèle de base par défaut

Si DeepSeek a trusté les gros titres, Qwen est discrètement devenu le socle. La famille Qwen d’Alibaba est la gamme de modèles ouverts la plus téléchargée au monde : MIT Technology Review rapporte qu’elle a représenté plus de 30 % de tous les téléchargements de modèles sur Hugging Face en 2024, et qu’en août 2025 les dérivés de Qwen constituaient plus de 40 % des nouvelles variantes de modèles de langage sur Hugging Face, contre environ 15 % pour Llama de Meta. Alibaba publie de nouveaux modèles Qwen à un rythme effréné, plusieurs par mois.

Concrètement, quand un développeur affine « un modèle ouvert » quelque part dans le monde, il y a de fortes chances que ce soit un Qwen sous le capot. Les modèles Qwen petits et moyens sont publiés en poids ouverts sous licences permissives, ce qui en fait le point de départ par défaut. Le bémol : Alibaba a gardé son tout dernier modèle, Qwen3.7 Max, en API fermée plutôt qu’en téléchargement ouvert, un recul modeste, mais révélateur, par rapport à l’ouverture totale. Les points forts de Qwen tiennent à son étendue : bonne couverture multilingue, usage agentique d’outils, et une fenêtre de contexte d’un million de tokens.

Zhipu GLM (GLM-5.2) : le challenger de pointe

GLM-5.2 est le modèle qui a comblé l’écart. Il vient de Zhipu AI, un laboratoire pékinois issu de l’université Tsinghua qui opère à l’international sous le nom Z.ai, et il a été lancé le 13 juin 2026 sous licence MIT avec une fenêtre de contexte d’un million de tokens. Sur le classement indépendant BenchLM, il occupe la première place parmi les modèles chinois, et Reuters a rapporté qu’il rivalise avec les modèles fermés de pointe d’OpenAI et d’Anthropic sur le code et les tâches agentiques, pour un coût bien moindre. Z.ai est entré en bourse à Hong Kong en janvier 2026, et les investisseurs ont vu dans la décision de rendre les poids publics une victoire stratégique plutôt qu’une perte.

Ce qui distingue GLM de DeepSeek, c’est son orientation. Là où DeepSeek mise tout sur le coût brut, GLM-5.2 est calibré pour l’ingénierie logicielle au long cours : débogage de codebases entières, auto-correction autonome, et le type d’exécution d’agents multi-étapes qui fait trébucher les modèles plus faibles. Si votre travail relève du code sérieux ou de l’orchestration d’agents et que vous voulez des poids ouverts, c’est le choix actuel.

Moonshot Kimi (K2.6) : le spécialiste des agents

Kimi, de Moonshot AI, est conçu pour des agents qui tournent pendant des heures. La lignée K2 est publiée en poids ouverts sous une licence MIT modifiée, et la génération actuelle K2.6 est bâtie autour du contexte long et de ce que Moonshot appelle l’orchestration en essaim d’agents : coordonner de nombreux sous-agents sur des tâches de fond longues plutôt que répondre à une seule requête à la fois. Une précédente version de Kimi avait été lancée à environ un septième du prix de Claude Opus et est rapidement devenue un modèle très utilisé sur les plateformes d’agents. Mi-juin 2026, Moonshot a fait suivre K2.6 par Kimi K2.7-Code, une variante spécialisée en code, et en juillet 2026 a lancé Kimi K3, un modèle bien plus vaste de 2 800 milliards de paramètres que nous détaillons dans un guide séparé. K3 relève le plafond côté échelle, mais son prix est environ trois à quatre fois plus élevé (3 $/million en entrée, 15 $/million en sortie) et ses poids ouverts n’arrivent qu’après le lancement (attendus d’ici le 27 juillet 2026) : K2.6 reste donc le choix pratique pour l’usage agentique quotidien. Côté grand public, Moonshot vend cinq paliers d’abonnement facturés en crédits plutôt qu’en messages, que nous détaillons dans notre guide des prix Kimi.

En pratique, le choix entre Kimi et DeepSeek, ou entre Qwen et Kimi, se résume généralement à la nature du travail. DeepSeek est le généraliste le moins cher, Qwen la base la plus adaptable, GLM la pointe du code, et Kimi celui qu’on choisit quand un agent doit garder le fil sur une exécution longue et multi-étapes.

Le niveau en dessous : MiniMax, Baidu Ernie et ByteDance Doubao

Trois autres laboratoires complètent le tableau et reviennent dans tout comparatif sérieux.

MiniMax a lancé M3 le 1er juin 2026, en poids ouverts. Son originalité est architecturale : une attention parcimonieuse (sparse attention) qui gère une fenêtre de contexte d’un million de tokens à un coût de calcul bien inférieur à celui d’un transformeur classique, ce qui lui permet de rester bon marché tout en gérant de longs contextes. L’entreprise est entrée en bourse à Hong Kong la même semaine que Z.ai.

Baidu Ernie est le vétéran. Son modèle phare actuel, Ernie 5.1, a été lancé au printemps 2026 et a pris la tête du peloton chinois sur le classement de préférence LMArena, tout en ayant été entraîné avec une fraction du calcul habituel. La partie réellement ouverte est l’ancienne famille Ernie 4.5, que Baidu a publiée sous licence Apache 2.0 sous forme de modèles en mélange d’experts téléchargeables et exécutables par vos soins. L’atout d’Ernie est son ancrage étroit à la recherche, cohérent avec les racines de moteur de recherche de Baidu.

ByteDance Doubao est l’exception : il est fermé. La gamme Doubao Seed 2.1 Pro n’est servie que via le cloud Volcano Engine de ByteDance, et elle est conçue pour l’échelle brute, la famille traitant chaque jour plus de cent mille milliards de tokens à travers les applications de ByteDance. Elle est économique et fiable pour la production à haut volume, mais impossible à télécharger, et le nom ByteDance porte le même bagage politique que TikTok aux États-Unis.

Une précision de périmètre avant d’aller plus loin : ce guide porte sur les modèles de texte et de chat, ceux avec lesquels on raisonne, écrit et code. L’autre terrain où les laboratoires chinois dominent, c’est la génération de médias, où ils sont sans doute en tête mondiale. Kling de Kuaishou, Hailuo de MiniMax, Seedance de ByteDance et Wan d’Alibaba occupent le haut des classements de génération vidéo, et la famille Hunyuan de Tencent complète les principaux laboratoires non couverts ici. Si votre intérêt porte sur la vidéo ou l’image IA plutôt que sur le chat, la liste de départ est différente de celle-ci.

Poids ouverts contre open source : ce que « ouvert » signifie vraiment

Presque tous les articles sur ce sujet parlent de « modèles open source », et presque tous emploient le terme à tort. La distinction mérite d’être posée clairement, car elle change ce que vous avez le droit de faire.

La plupart des modèles chinois sont à poids ouverts, pas open source. Le laboratoire publie le fichier du modèle entraîné, ce qui permet de le télécharger, de l’exécuter et de l’affiner, mais il ne publie ni les données d’entraînement ni le code d’entraînement complet. Vous pouvez donc utiliser le modèle librement, sans pouvoir en reproduire ou en auditer intégralement la construction. Un modèle véritablement open source publierait les trois ; un modèle à poids ouverts ne publie que les poids. C’est la différence entre recevoir un moteur qui fonctionne et recevoir le moteur plus les plans de l’usine. Pour le détail des licences modèle par modèle, voir notre guide poids ouverts contre open source.

« Ouvert » ne veut pas non plus automatiquement dire « libre pour tout usage ». C’est la licence attachée aux poids qui en décide, et les licences varient.

La surprise, pour beaucoup, c’est que les licences permissives le sont vraiment. MIT et Apache 2.0 sont parmi les licences les plus ouvertes qui existent, sans plafond d’utilisateurs. Cela rend DeepSeek, GLM, et les Qwen et Ernie ouverts plus faciles à exploiter commercialement que Llama de Meta, dont la licence ajoute une restriction au-delà d’un certain seuil d’utilisateurs. Ce qu’il faut surveiller, ce n’est pas l’ouverture des petits modèles, mais la tendance au sommet, là où le plus grand Qwen d’Alibaba, l’Ernie 5.1 de Baidu et l’ensemble de Doubao restent fermés.

Les modèles d’IA chinois sont-ils sûrs ? Confidentialité, censure et restrictions

C’est la question qui fait vraiment hésiter, et elle mérite une réponse honnête. Trois préoccupations sont réelles, et pour chacune, la réponse dépend beaucoup de la façon dont vous utilisez le modèle.

La première est la confidentialité des données. Quand vous utilisez une application IA chinoise hébergée ou son API cloud native, vos requêtes sont traitées sur des serveurs situés en Chine, et la loi chinoise de 2017 sur le renseignement national peut contraindre les entreprises à transmettre des données à l’État. C’est un vrai problème pour un usage réglementé, et c’est pourquoi de nombreux employeurs restreignent déjà les applications grand public DeepSeek et Qwen. La distinction clé est l’hébergement : ce risque tient au service hébergé, pas aux poids ouverts. Téléchargez les poids et exécutez-les sur votre propre matériel ou un cloud occidental, et vos données ne quittent jamais votre environnement. Même modèle, chemin de données différent.

La deuxième est la censure. Les assistants chinois hébergés refusent ou éludent les sujets politiquement sensibles comme Tiananmen, Taïwan et les Ouïghours. Un rapport de septembre 2025 du CAISI, l’organisme fédéral américain de sécurité IA rattaché au NIST, couvert par NBC News, a constaté que les modèles DeepSeek affichaient des garde-fous affaiblis et une tendance mesurable à reprendre le cadrage officiel chinois par rapport aux modèles américains. La presse française a mené le même test de façon indépendante : franceinfo a interrogé DeepSeek sur Tiananmen, Xi Jinping, Taïwan et Hong Kong 2019, et a observé en temps réel l’autocensure et les dérobades. Pour l’essentiel du travail marketing ou de code, la question ne se pose jamais, mais si vous générez du contenu où la neutralité politique compte, testez-le. Auto-héberger une version à poids ouverts réduit, sans l’éliminer totalement, le biais ancré pendant l’entraînement.

La troisième concerne les restrictions. Les agences fédérales américaines et plusieurs États interdisent DeepSeek sur les appareils gouvernementaux, et quelques pays alliés ont pris des mesures contre les applications hébergées. Ces interdictions ciblent presque toujours le service hébergé sur des appareils officiels, pas les poids ouverts sous-jacents tournant dans un déploiement privé.

Et en France ? Aucun de ces services n’est interdit à l’usage grand public sur le territoire : DeepSeek reste accessible, même si la CNIL a ouvert une analyse sur son application R1 début février 2025, une démarche plus mesurée que l’interdiction italienne de janvier 2025. Le vrai point de friction, pour une organisation française, est réglementaire : Pékin a classé les données d’entraînement de l’IA comme secret d’affaires (en vigueur depuis le 1er juin 2026), tandis que l’article 53 du règlement européen sur l’IA (l’AI Act) impose aux fournisseurs de modèles à usage général de publier un résumé des contenus d’entraînement, une obligation pleinement applicable au 2 août 2026. Cette contradiction complique la mise en conformité pour qui déploie Qwen ou DeepSeek en Europe. Pour les modèles sous licence MIT ou Apache 2.0 de ce comparatif, une réponse concrète existe déjà : OVHcloud propose DeepSeek et Qwen comme points de terminaison d’inférence hébergés en Europe et conformes RGPD, et Scaleway référence séparément Qwen et des dérivés de DeepSeek dans son offre d’inférence managée. Et si vous voulez l’option souveraine sans auto-hébergement, Vibe (ex-Le Chat) de Mistral reste une option crédible : hébergement européen natif, conformité RGPD par construction, sans les questions de transfert transfrontalier, pour 14,99 € HT/mois sur le palier Pro. Reste la question interne : l’AI Act impose depuis février 2025 que le personnel dispose d’un niveau suffisant de maîtrise de l’IA, ce qui pousse en pratique à formaliser une charte d’usage interne, que la plupart des PME françaises n’ont pas encore, ou ne font pas appliquer. La vraie question n’est donc pas « mon administration bloque-t-elle cet outil », mais « avons-nous une charte IA qui dit à nos équipes lequel de ces sept modèles elles ont le droit d’utiliser, et pour quelles données ».

L’interdiction n’est pas non plus à sens unique. En juin 2026, les États-Unis eux-mêmes ont brièvement contraint Anthropic à retirer de la circulation ses meilleurs modèles Claude (Fable 5 et Mythos 5) afin de se conformer à une ordonnance limitant l’accès étranger, une restriction levée dès le 1er juillet 2026, mais qui a, le temps qu’elle a duré, poussé les développeurs d’autres pays à se tourner précisément vers ces modèles chinois à poids ouverts. CrowdStrike a rapporté que DeepSeek-R1 produit jusqu’à 50 % de code vulnérable en plus quand les requêtes contiennent des déclencheurs politiquement sensibles, ce que la plupart des analystes interprètent comme un effet de bord de l’entraînement plutôt que comme un sabotage délibéré. Relisez le code généré, et tenez ces modèles à l’écart des systèmes gouvernementaux ou critiques pour la sécurité, comme vous le feriez pour tout modèle que vous ne pouvez pas auditer intégralement.

Face à ChatGPT, Claude et Gemini

Les modèles chinois ont comblé l’essentiel de l’écart sur la plupart des tâches, tandis qu’un vrai fossé subsiste tout en haut. Sur les benchmarks publics de code, de maths et de raisonnement, les meilleurs modèles chinois rivalisent coup pour coup avec GPT-5, Claude et Gemini. Côté prix, l’écart est large : les options chinoises tournent généralement à une fraction du prix, les quatorze centimes de dollar de DeepSeek contre plusieurs dollars pour les modèles occidentaux de pointe, ce qui est la première raison pour laquelle les développeurs occidentaux se tournent vers elles.

Deux mises en garde comptent. D’abord, une bonne partie du discours « bat GPT-5 » vient des laboratoires eux-mêmes, et les observateurs indépendants créditent toujours les laboratoires américains d’une avance à la pointe, décrivant les acteurs chinois comme des suiveurs rapides et bien financés, même s’ils ont rattrapé leur retard sur des axes précis comme le code et les benchmarks d’agents. Ensuite, les benchmarks se sur-interprètent facilement. De nombreux classements ont une couverture anglophone mince, et des questions persistent sur la contamination des jeux de test, si bien qu’un score isolé qui attire l'œil est une preuve plus faible qu’une constante observée sur plusieurs évaluations indépendantes. Il faut aussi se souvenir que ces laboratoires s’entraînent encore largement sur du matériel Nvidia et une infrastructure cloud américaine, donc « IA chinoise indépendante » reste une simplification.

En pratique, la ligne de partage est nette. Si vous voulez un maximum de capacité et le budget qui va avec, les modèles fermés américains de pointe gardent l’avantage sur les tâches les plus difficiles et l’outillage le plus abouti. Si vous voulez l’essentiel de cette capacité pour un dixième du prix, ou si vous devez faire tourner un modèle dans votre propre environnement, les modèles ouverts chinois sont désormais une réponse sérieuse, pas une curiosité. Si vous comparez l’un d’eux à un système occidental précis, notre comparatif Gemini face à ChatGPT applique le même cadre côté fermé.

Ce que la montée de l’IA chinoise change pour votre visibilité

Voici la partie que les tours d’horizon de benchmarks passent sous silence, et c’est celle qui compte si votre métier est le marketing plutôt que le machine learning. Les modèles ouverts chinois ne sont plus une niche. Ils sont passés de quasiment zéro à environ 30 % de l’usage sur OpenRouter, un service majeur de routage de modèles, en un peu plus d’un an, et environ 80 % des start-up qui bâtissent sur des piles open source s’appuient désormais sur eux. Le cadrage de MIT Technology Review est le bon : ces modèles sont devenus une infrastructure pour les bâtisseurs d’IA du monde entier. Microsoft, par exemple, a ajouté R1 de DeepSeek à son catalogue Azure AI Foundry quelques jours seulement après la sortie du modèle.

Cela change la donne côté visibilité de deux façons. D’abord, une part croissante des agents et des applications qui lisent votre site tournent sur ces modèles, donc le fonctionnement de la recherche IA passe de plus en plus par des poids chinois, même sur des produits occidentaux. Ensuite, les grands assistants chinois (DeepSeek, Kimi, Doubao, Ernie, et Tongyi de Qwen) sont eux-mêmes des moteurs de réponse avec des centaines de millions d’utilisateurs, et presque personne dans le marketing occidental ne se demande s’il y apparaît.

D’après notre expérience chez geotoolbox, les marques qui restent visibles à mesure que le paysage des modèles se fragmente sont celles qui traitent l’accessibilité et la citation par l’IA comme un canal à part entière, pas comme un à-côté. Notre AI Crawler Checker couvre 34 user-agents de robots, y compris ceux de ByteDance, pour voir au moins lesquels votre robots.txt laisse entrer aujourd’hui. La question que personne n’a encore bien résolue, nous y compris, est la régularité avec laquelle ces moteurs chinois citent et créditent les sources occidentales sur lesquelles ils s’appuient, exactement le genre d’écart à surveiller plutôt qu’à deviner.

Quel modèle d’IA chinois choisir ?

Il n’y a pas un vainqueur unique, parce que le bon choix dépend du travail à faire. Voici la version courte.

Une précision pratique sur l’accès : vous n’avez presque jamais besoin d’un compte chinois pour utiliser ces modèles. Les versions ouvertes sont sur Hugging Face, et des passerelles occidentales comme OpenRouter permettent d’appeler la plupart d’entre eux via une seule API, sans ouvrir de compte chez un fournisseur chinois ni toucher à son cloud. Une passerelle reste toutefois un tiers par lequel transite votre requête : vérifiez ses conditions de rétention si la résidence des données compte pour vous.

« Quel modèle d’IA chinois est le meilleur » est donc la mauvaise question. L’offre est désormais assez solide pour que la vraie question soit plutôt : lequel correspond à votre travail, à votre budget et à votre tolérance au risque ? Le tableau ci-dessus est le point de départ.

Les modèles vont continuer à changer. Pas votre stratégie de visibilité

Les numéros de version précis de ce guide paraîtront datés d’ici quelques mois, tant ces laboratoires publient vite. Ce qui ne changera pas aussi vite, c’est le mouvement de fond : l’IA capable devient moins chère, plus ouverte, et plus fragmentée entre fournisseurs, et une part croissante tourne désormais sur des poids chinois.

Pour qui vit de sa visibilité, cette fragmentation est le vrai enjeu. Quand une douzaine de moteurs, occidentaux et chinois, peuvent tous répondre à la question d’un acheteur, les marques qui gagnent sont celles citées sur l’ensemble de ces moteurs, pas celles optimisées pour une seule barre de recherche. C’est précisément le problème que geotoolbox a été conçu pour résoudre : notre Citation Interceptor suit où vous apparaissez, et où vous manquez, sur ChatGPT, Perplexity, Gemini, Claude, Google AI Overviews, Bing Copilot et Grok, pour corriger les manques au lieu de deviner. Commencez par les moteurs qui vous envoient déjà des acheteurs, et gardez un œil sur les moteurs chinois qui montent vite derrière eux.

Foire aux questions

Quel est le meilleur modèle d’IA chinois actuellement ?

Il n’y a pas un modèle meilleur que tous les autres. Sur les classements indépendants de code et d’agents, GLM-5.2 est en tête des modèles chinois, DeepSeek V4 gagne sur le prix, Qwen est la base ouverte la plus adoptée, et Kimi K2.6 est le plus solide pour les longues exécutions d’agents. Le bon choix dépend de ce que vous privilégiez : le coût, le code, l’affinage ou le travail d’agent.

DeepSeek est-il interdit en France ?

Non. DeepSeek reste accessible au grand public en France ; la CNIL a ouvert une analyse sur son application R1 début février 2025 (questionnaire sur la collecte et le stockage des données), sans interdiction à ce jour. C’est une posture plus mesurée que celle de l’Italie, dont le régulateur (le Garante) a fait retirer l’application des stores dès janvier 2025. Certaines agences fédérales américaines et quelques États interdisent l’application sur les appareils gouvernementaux ; ces restrictions ciblent le service hébergé, pas les poids ouverts, que n’importe qui peut télécharger et exécuter en privé.

Les modèles d’IA chinois sont-ils sûrs, et mes données partent-elles en Chine ?

Si vous utilisez les applications hébergées ou les API cloud natives, vos requêtes sont traitées en Chine et peuvent relever du droit chinois, ce qui est une vraie préoccupation pour un usage sensible. Si vous auto-hébergez les poids ouverts sur votre propre matériel ou un cloud européen (OVHcloud et Scaleway référencent notamment DeepSeek et Qwen), vos données ne partent jamais en Chine. Une passerelle comme OpenRouter évite un compte et un cloud chinois, mais reste un tiers par lequel transite votre requête : vérifiez ses conditions de routage et de rétention.

Quelle est la différence entre poids ouverts et open source ?

Poids ouverts signifie que le laboratoire publie le modèle entraîné, ce qui permet de le télécharger, l’exécuter et l’affiner. Open source inclurait aussi les données et le code d’entraînement nécessaires pour le reconstruire de zéro. La plupart des modèles chinois de pointe, comme DeepSeek et GLM, sont à poids ouverts mais pas pleinement open source : vous pouvez les utiliser librement sans pouvoir auditer intégralement comment ils ont été construits.

Peut-on faire tourner les modèles d’IA chinois en local ou hors ligne ?

Oui, pour les versions à poids ouverts. Les variantes plus petites de DeepSeek, Qwen et GLM, autour de 7 à 14 milliards de paramètres et quantifiées, tournent sur un seul GPU grand public de 8 à 16 Go via des outils comme Ollama. Les modèles phares à plusieurs milliers de milliards de paramètres demandent du multi-GPU ou du matériel de datacenter, même si ce plafond commence à bouger : une démonstration de faisabilité de juillet 2026 baptisée Colibri a fait tourner en natif GLM-5.2, un modèle de 1,5 To, sur une machine grand public dotée de 25 Go de RAM en chargeant ses experts depuis le disque, mais à environ un token par seconde au mieux, c’est un aperçu de la direction que prend l’inférence locale, pas encore un usage quotidien. Exécuter en local reste le moyen le plus propre d’éliminer le risque de résidence des données, même si le biais ou les refus hérités de l’entraînement peuvent encore apparaître.

Quels modèles d’IA chinois ChatGPT, Gemini et Perplexity citent-ils ?

C’est une question différente de celle de savoir quels modèles sont bons. Les moteurs de réponse occidentaux citent des sources selon leur propre récupération d’information, pas selon le modèle qu’un laboratoire a construit : être cité par ChatGPT ou Gemini dépend donc de la capacité de votre contenu à mériter cette citation. La nouveauté, c’est que les assistants chinois comme DeepSeek et Kimi sont eux-mêmes des moteurs de réponse, et la façon dont ils citent les sources occidentales reste une question ouverte et largement inexplorée.

Sources

• DeepSeek dévoile en avant-première un nouveau modèle d’IA qui comble l’écart avec les modèles de pointe - TechCrunch - techcrunch.com/2026/04/24/deepseek-previews-new-ai-model-that-closes-the-gap-with-frontier-models
• What’s next for Chinese open-source AI - MIT Technology Review - technologyreview.com/2026/02/12/1132811/whats-next-for-chinese-open-source-ai
• More of Silicon Valley is building on free Chinese AI (rapport CAISI) - NBC News - nbcnews.com/tech/innovation/silicon-valley-building-free-chinese-ai-rcna242430
• « Parlons d’autre chose » : on a testé l’IA chinoise DeepSeek, qui n’échappe pas à la censure - franceinfo - franceinfo.fr/internet/intelligence-artificielle/parlons-d-autre-chose-on-a-teste-l-ia-chinoise-deepseek-qui-n-echappe-pas-a-la-censure_7041479.html
• After Anthropic shutdown, China’s Z.ai closes frontier gap - Reuters - reuters.com/world/asia-pacific/after-anthropic-shutdown-chinas-zai-closes-frontier-gap-it-plans-dual-listing-2026-06-25
• Hidden vulnerabilities in AI-coded software - CrowdStrike - crowdstrike.com/en-us/blog/crowdstrike-researchers-identify-hidden-vulnerabilities-ai-coded-software
• DeepSeek R1 est désormais disponible sur Azure AI Foundry - Microsoft Azure - azure.microsoft.com/en-us/blog/deepseek-r1-is-now-available-on-azure-ai-foundry-and-github
• 3 février 2025 : la CNIL se saisit du sujet DeepSeek - L’Usine Digitale - usine-digitale.fr/article/03-02-2025-la-cnil-se-saisit-du-sujet-deepseek.N2226614
• Qwen et DeepSeek : Pékin scelle leurs données d’entraînement, l’AI Act les réclame - ActuIA - actuia.com/actualite/qwen-et-deepseek-pekin-scelle-leurs-donnees-dentrainement-lai-act-les-reclame
• AI Endpoints : API d’IA générative conforme RGPD - OVHcloud - ovhcloud.com/fr/public-cloud/ai-endpoints
• Generative APIs, modèles pris en charge (Qwen, DeepSeek) - Scaleway - scaleway.com/en/docs/generative-apis/reference-content/supported-models
• DeepSeek API documentation - DeepSeek - api-docs.deepseek.com
• Open models on Hugging Face - Hugging Face - huggingface.co/models
• Le projet de démonstration « Colibri » fait tourner le modèle de 1,5 To de GLM-5.2 sur 25 Go de RAM - Tom’s Hardware, juillet 2026 - tomshardware.com/tech-industry/artificial-intelligence/colibri-proof-of-concept-gains-frontier-level-1-5-tb-ai-model-novel-approach-runs-on-only-25gb-of-ram-and-shows-promise-for-local-ai-setups