Note de la rédaction : Les laboratoires chinois d'IA deviennent une force de plus en plus incontournable dans la compétition mondiale des grands modèles. Leur avantage ne vient pas seulement du grand nombre de talents, de leur force en ingénierie et de leurs itérations rapides, mais aussi d'une manière très pragmatique d'organiser les choses : moins parler de concepts, plus faire de modèles ; moins mettre en avant les vedettes individuelles, plus insister sur l'exécution en équipe ; moins dépendre des services externes, et privilégier plutôt la maîtrise de la pile technologique fondamentale.

Nathan Lambert, auteur de cet article, a visité plusieurs laboratoires d'IA de premier plan en Chine et a constaté que l'écosystème chinois de l'IA n'est pas tout à fait le même qu'aux États-Unis. Les États-Unis accordent plus d'importance aux paradigmes originaux, aux investissements en capital et à l'influence personnelle des scientifiques de haut niveau ; la Chine excelle davantage dans la poursuite rapide des orientations existantes, en poussant rapidement les capacités des modèles vers la frontière grâce à l'open source, à l'optimisation technique et à l'engagement massif de jeunes chercheurs.

Ce qui mérite le plus d'attention, ce n'est pas de savoir si la Chine a déjà dépassé les États-Unis en IA, mais le fait que deux voies de développement différentes sont en train de se former : les États-Unis ressemblent davantage à une course à la pointe pilotée par le capital et les laboratoires vedettes, tandis que la Chine ressemble plus à une compétition industrielle poussée conjointement par les capacités d'ingénierie, l'écosystème open source et la volonté de maîtriser la technologie.

Cela signifie que la future compétition en IA ne sera pas seulement une lutte pour les classements de modèles, mais aussi une compétition en matière de capacités organisationnelles, d'écosystème de développeurs et d'exécution industrielle. Le véritable changement de l'IA chinoise réside dans le fait qu'elle ne se contente plus de copier la Silicon Valley, mais qu'elle participe désormais à la pointe mondiale à sa manière.

Voici l'article original :

Assis dans un train à grande vitesse moderne en direction de Shanghai depuis Hangzhou, je regarde par la fenêtre et vois les crêtes montagneuses aux reliefs marqués, parsemées d'éoliennes qui se découpent en silhouettes sous le soleil couchant. Les montagnes forment l'arrière-plan, tandis qu'au premier plan s'étale un paysage alternant vastes champs et alignements de gratte-ciel.

Je suis revenu de Chine avec une grande humilité. Se rendre dans un endroit si étranger et y être accueilli avec une telle chaleur est une expérience très réconfortante et profondément humaine. J'ai eu la chance de rencontrer beaucoup de personnes de l'écosystème de l'IA, que je ne connaissais auparavant que de loin ; leur accueil avec de grands sourires et leur enthousiasme m'ont rappelé que mon travail, et l'écosystème de l'IA dans son ensemble, sont véritablement mondiaux.

L'état d'esprit des chercheurs chinois

Les entreprises chinoises qui construisent des modèles linguistiques sont parfaitement adaptées pour être des "suiveurs rapides" de cette technologie. Elles s'appuient sur les traditions de longue date de la culture éducative et professionnelle chinoise, tout en ayant une manière légèrement différente de construire des entreprises technologiques par rapport à l'Occident.

Si l'on regarde uniquement les résultats, c'est-à-dire les derniers et plus grands modèles, ainsi que les flux de travail de type agent que ces modèles permettent ; et si l'on regarde les intrants, comme les scientifiques brillants, les données à grande échelle et les ressources de calcul accélérées, alors les laboratoires chinois et américains se ressemblent beaucoup. La différence qui persiste à long terme apparaît dans la manière dont ces éléments sont organisés et façonnés.

J'ai toujours pensé qu'une des raisons pour lesquelles les laboratoires chinois sont si doués pour rattraper leur retard et rester proches de la frontière technologique, c'est que leur culture correspond bien à cette tâche. Mais avant d'avoir discuté directement avec les personnes concernées, je ne me sentais pas capable d'attribuer cette intuition à une influence importante. Après avoir échangé avec de nombreux scientifiques brillants, humbles et ouverts des principaux laboratoires chinois, beaucoup de mes idées sont devenues plus claires.

Aujourd'hui, construire les meilleurs grands modèles linguistiques dépend largement d'un travail minutieux à travers toute la pile technologique : des données, aux détails d'architecture, en passant par l'implémentation des algorithmes d'apprentissage par renforcement. Chaque étape du modèle peut apporter quelques améliorations, et la façon de combiner ces améliorations est un processus complexe. Dans ce processus, le travail de certaines personnes très intelligentes peut devoir être mis de côté pour permettre au modèle global d'atteindre un maximum dans une optimisation à objectifs multiples.

Les chercheurs américains sont évidemment très doués aussi pour résoudre les problèmes de composants individuels, mais il existe aux États-Unis une culture du "faire entendre sa voix". En tant que scientifique, vous réussissez souvent mieux lorsque vous cherchez activement à attirer l'attention sur votre travail ; et la culture contemporaine favorise une nouvelle voie vers la célébrité, celle de devenir un "scientifique de l'IA de premier plan". Cela crée un conflit direct.

Il est largement rapporté que l'organisation Llama se serait effondrée sous la pression politique après que ces revendications d'intérêts aient été intégrées dans une structure hiérarchique. J'ai également entendu d'autres laboratoires dire qu'il fallait parfois "apaiser" un chercheur de premier plan pour qu'il cesse de se plaindre que ses idées n'étaient pas intégrées dans le modèle final. Que cela soit entièrement vrai ou non, le message est clair : l'égocentrisme et le désir d'avancement professionnel peuvent effectivement entraver la construction des meilleurs modèles. Même une petite différence de direction culturelle entre les États-Unis et la Chine peut avoir un impact significatif sur le résultat final.

Une partie de cette différence tient à savoir qui construit réellement ces modèles en Chine. Dans tous les laboratoires, une réalité directe est qu'une grande proportion des contributeurs clés sont encore des étudiants. Ces laboratoires sont assez jeunes, ce qui me rappelle notre organisation chez Ai2 : les étudiants sont considérés comme des pairs et intégrés directement dans les équipes de grands modèles linguistiques.

C'est très différent des principaux laboratoires américains. Aux États-Unis, OpenAI, Anthropic, Cursor et d'autres n'offrent pas de stages du tout. D'autres entreprises comme Google proposent officiellement des stages liés à Gemini, mais beaucoup s'inquiètent d'être tenus à l'écart du travail vraiment central.

En résumé, cette légère différence culturelle pourrait améliorer la capacité à construire des modèles de la manière suivante : une plus grande volonté de faire un travail moins glorieux pour améliorer le modèle final ; les personnes qui débutent dans la construction d'IA peuvent être moins influencées par les cycles de battage médiatique précédents, et donc s'adapter plus rapidement aux nouvelles méthodes techniques modernes. En fait, un scientifique chinois avec qui j'ai discuté a très clairement identifié cela comme un avantage ; un ego moins marqué rend l'architecture organisationnelle plus évolutive dans une certaine mesure, car les gens essaient moins de "tricher avec le système" ; une abondance de talents est très adaptée pour résoudre des problèmes qui ont déjà une preuve de concept ailleurs, etc.

Cette tendance à être plus apte à construire les modèles linguistiques actuels contraste avec un stéréotype connu : on pense souvent que les chercheurs chinois produisent moins de recherches académiques "de 0 à 1", plus créatives et capables d'ouvrir de nouveaux domaines.

Lors de visites plus académiques au cours de ce voyage, de nombreux responsables ont parlé de la culture de recherche plus ambitieuse qu'ils étaient en train de cultiver. Parallèlement, certains responsables techniques avec qui nous avons discuté doutaient qu'un tel remaniement de l'approche scientifique soit possible à court terme, car il nécessiterait de reconcevoir les systèmes éducatifs et d'incitation - une transformation trop importante pour se produire facilement dans l'équilibre économique actuel.

Cette culture semble former un groupe d'étudiants et d'ingénieurs très doués pour le "jeu de construction des grands modèles linguistiques". Et bien sûr, ils sont aussi extrêmement nombreux.

Ces étudiants m'ont dit qu'une fuite des talents similaire à celle des États-Unis se produit également en Chine : beaucoup de ceux qui envisageaient auparavant une carrière académique prévoient désormais de rester dans l'industrie. La phrase la plus intéressante est venue d'un chercheur qui voulait devenir professeur, car il souhaitait être proche du système éducatif ; mais il a ensuite commenté que l'éducation était déjà résolue par les grands modèles linguistiques - "pourquoi les étudiants viendraient-ils encore me parler !"

Le fait que les étudiants abordent le domaine des grands modèles linguistiques avec un regard neuf est un avantage. Ces dernières années, nous avons vu les paradigmes clés des grands modèles linguistiques changer constamment : de l'élargissement des MoE, à l'élargissement de l'apprentissage par renforcement, jusqu'à la prise en charge des agents. Exceller dans l'une de ces choses nécessite d'absorber extrêmement rapidement une quantité massive d'informations de contexte, à la fois de la littérature au sens large et de la pile technologique interne de l'entreprise.

Les étudiants ont l'habitude de faire ce genre de choses et sont prêts, avec humilité, à abandonner tous leurs présupposés sur "ce qui devrait fonctionner". Ils plongent dedans, y consacrent leur vie, juste pour avoir la chance d'améliorer un modèle.

Ces étudiants sont aussi remarquablement directs, et évitent certains débats philosophiques qui pourraient distraire les scientifiques. Lorsque je leur ai demandé ce qu'ils pensaient de l'impact économique des modèles ou des risques sociaux à long terme, il y avait nettement moins de chercheurs chinois ayant des opinions complexes et souhaitant influencer ces questions. Ils considèrent que leur rôle est simplement de construire les meilleurs modèles.

Cette différence est subtile et facile à nier. Mais elle est plus palpable lors d'une longue conversation avec un chercheur élégant, intelligent et capable de s'exprimer clairement en anglais : lorsque vous posez des questions plus philosophiques sur l'IA, ces questions fondamentales restent en suspens dans l'air, et l'interlocuteur affiche une simple perplexité. Pour eux, c'est une erreur de catégorie.

Un chercheur a même cité le jugement célèbre de Dan Wang : par rapport aux États-Unis dirigés par des avocats, la Chine est gouvernée par des ingénieurs. En abordant ces questions, il a utilisé cette analogie pour souligner leur désir de construire. En Chine, il n'existe pas de voie systémique pour cultiver l'influence vedette des scientifiques chinois, à l'instar des podcasts ultra-populaires comme ceux de Dwarkesh ou Lex.

J'ai essayé de faire commenter aux scientifiques chinois les incertitudes économiques futures déclenchées par l'IA, les questions allant au-delà des simples capacités d'AGI, ou les débats moraux sur la manière dont les modèles devraient se comporter ; ces questions m'ont finalement montré le milieu et l'éducation de ces scientifiques (édité 1). Ils sont extrêmement concentrés sur leur travail, mais ils ont grandi dans un système qui n'encourage pas la discussion et l'expression sur la manière dont la société devrait être organisée ou changée.

En prenant du recul, en particulier Pékin, m'a semblé très semblable à la Baie de San Francisco : un laboratoire concurrent pouvait se trouver à quelques minutes à pied ou en taxi. Après être descendu de l'avion, je me suis arrêté au campus de Pékin d'Alibaba sur le chemin de mon hôtel. Au cours des 36 heures suivantes, nous nous sommes rendus chez Zhipu AI, Moonshot AI, l'Université Tsinghua, Meituan, Xiaomi et 01.ai.

Prendre un DiDi en Chine est pratique. Si vous choisissez un véhicule XL, vous êtes souvent affecté à une mini-fourgonnette électrique avec sièges massants. Nous avons demandé aux chercheurs à propos de la guerre des talents, ils ont dit que c'était très similaire à ce que nous vivons aux États-Unis. Il est normal que les chercheurs changent d'emploi, et leur choix dépend largement de l'ambiance qui est la meilleure sur le moment.

La communauté des grands modèles linguistiques en Chine donne plus l'impression d'un écosystème que de tribus en guerre. Dans de nombreuses conversations privées, je n'ai entendu que du respect pour les pairs. Tous les laboratoires chinois se méfient de ByteDance et de son modèle populaire Doubao, car c'est le seul laboratoire de pointe en Chine à avoir un modèle fermé. Parallèlement, tous les laboratoires respectent beaucoup DeepSeek, considéré comme le laboratoire au goût de recherche le plus prononcé en matière d'exécution. Aux États-Unis, lors d'échanges privés avec des membres de laboratoires, les étincelles jaillissent souvent rapidement.

Dans l'humilité des chercheurs chinois, ce qui m'a le plus frappé, c'est qu'au niveau commercial, ils haussent souvent les épaules en disant que ce n'est pas leur problème. Aux États-Unis, tout le monde semble obsédé par toutes sortes de tendances industrielles au niveau de l'écosystème, des vendeurs de données, à la puissance de calcul, en passant par le financement.

Les différences et similitudes entre l'industrie chinoise de l'IA et les laboratoires occidentaux

Ce qui rend la construction d'un modèle d'IA si intéressante aujourd'hui, c'est que ce n'est plus seulement rassembler un groupe de brillants chercheurs dans un même bâtiment pour créer ensemble une prouesse d'ingénierie. C'était plus le cas par le passé, mais pour maintenir une activité d'IA, les grands modèles linguistiques deviennent un hybride : cela implique la construction, le déploiement, le financement et la promotion de l'adoption de cette création.

Les principales entreprises d'IA existent au sein d'écosystèmes complexes. Ces écosystèmes fournissent des fonds, de la puissance de calcul, des données et plus encore pour continuer à repousser la frontière.

Dans l'écosystème occidental, la manière dont les différents intrants nécessaires à la création et au maintien des grands modèles linguistiques sont intégrés a été relativement bien conceptualisée et cartographiée. Anthropic et OpenAI en sont des exemples typiques. Par conséquent, si nous pouvons découvrir que les laboratoires chinois pensent de manière significativement différente à ces questions, nous pourrons voir sur quelles différences significatives les entreprises pourraient miser à l'avenir. Bien sûr, cet avenir sera aussi fortement influencé par les contraintes de financement et/ou de puissance de calcul.

Voici quelques-unes des principales leçons au niveau "industrie de l'IA" que j'ai tirées des échanges avec ces laboratoires :

Premièrement, les premiers signes de demande d'IA intérieure apparaissent.
Une hypothèse largement débattue est que le marché chinois de l'IA sera plus petit, car les entreprises chinoises sont généralement réticentes à payer pour des logiciels, et ne pourront donc jamais libérer un marché d'inférence suffisamment grand pour soutenir les laboratoires.

Mais ce jugement ne s'applique qu'aux dépenses logicielles correspondant à l'écosystème SaaS. Et l'écosystème SaaS a historiquement toujours été faible en Chine. D'un autre côté, il existe clairement encore un vaste marché du cloud en Chine.

Une question clé et encore sans réponse est la suivante : les dépenses des entreprises chinoises en IA ressembleront-elles davantage au marché SaaS, c'est-à-dire à plus petite échelle ; ou davantage au marché du cloud, c'est-à-dire à des dépenses fondamentales. Cette question est débattue même au sein des laboratoires chinois. Dans l'ensemble, j'ai le sentiment que l'IA se rapproche davantage du marché du cloud, et personne ne s'inquiète vraiment que le marché formé autour des nouveaux outils ne puisse pas croître.

Deuxièmement, la plupart des développeurs sont profondément influencés par Claude.
Bien que Claude soit officiellement interdit en Chine, la plupart des développeurs d'IA chinois sont fascinés par Claude et par la manière dont il a changé leur façon de construire des logiciels. Le simple fait que la Chine ait été historiquement réticente à acheter des logiciels ne me fait pas penser qu'il n'y aura pas une énorme vague de croissance de la demande d'inférence.

Les techniciens chinois sont très pragmatiques, humbles et motivés. Cette impression est plus forte pour moi que toute habitude historique de "ne pas payer pour les logiciels".

Certains chercheurs chinois mentionnent qu'ils utilisent leurs propres outils pour construire, comme les outils en ligne de commande de Kimi ou GLM, mais tous mentionnent qu'ils utilisent Claude. De manière surprenante, peu de gens mentionnent Codex, alors que Codex devient rapidement populaire dans la Baie de San Francisco.

Troisièmement, les entreprises chinoises ont un état d'esprit de propriété technologique.
La culture chinoise se combine avec un moteur économique rugissant pour produire des résultats difficiles à prévoir. Une impression forte que j'ai gardée est que le grand nombre de modèles d'IA reflète un équilibre pragmatique dans la réalité pour de nombreuses entreprises technologiques ici. Il n'existe pas de plan directeur unique.

Cette industrie est définie par un respect pour ByteDance et Alibaba. Ce sont de grands acteurs établis considérés comme susceptibles de remporter de nombreux marchés grâce à leurs ressources importantes. DeepSeek est un leader technologique respecté, mais loin d'être un leader du marché. Il fixe la direction, mais n'a pas la structure pour gagner économiquement le marché.

Cela laisse des entreprises comme Meituan ou Ant Group. Les occidentaux pourraient être surpris qu'elles construisent également ces modèles. Mais en réalité, elles considèrent clairement les grands modèles linguistiques comme le cœur des futurs produits technologiques, et elles ont donc besoin d'une base solide.

Lorsqu'elles affinent un modèle générique puissant, les retours de la communauté open source sur le modèle renforcent leur pile technologique, tout en leur permettant de conserver en interne des versions affinées pour leurs propres produits. L'état d'esprit "open d'abord" dans cette industrie est largement défini par le pragmatisme : il aide le modèle à obtenir des retours solides, à redonner à la communauté open source et à habiliter sa propre mission.

Quatrièmement, le soutien gouvernemental est réel, mais son ampleur n'est pas claire.
On affirme souvent que le gouvernement chinois aide activement la compétition ouverte des grands modèles linguistiques. Mais c'est un système gouvernemental relativement décentralisé avec de nombreux niveaux, et chaque niveau n'a pas un manuel d'instructions clair sur ce qu'il est réellement censé faire.

Différents quartiers de Pékin rivalisent pour attirer les entreprises technologiques à y installer leurs bureaux. "L'aide" fournie à ces entreprises inclut presque certainement la suppression des lourdeurs administratives dans les processus bureaucratiques comme les licences. Mais jusqu'où cette aide peut-elle aller ? Les différents niveaux de gouvernement peuvent-ils aider à attirer les talents ? Peuvent-ils aider à faire passer des puces en contrebande ?

Tout au long de la visite, il y a effectivement eu de nombreuses mentions d'intérêt ou d'aide gouvernementale, mais les informations étaient loin d'être suffisantes pour que je puisse rapporter des détails de manière affirmée, ou pour que je forme une vision du monde sûre de la manière dont le gouvernement pourrait réellement modifier la trajectoire de développement de l'IA en Chine.

Et bien sûr, il n'y a absolument aucun signe que les plus hauts niveaux du gouvernement chinois influencent les décisions techniques concernant les modèles.

Cinquièmement, l'industrie des données est beaucoup moins développée qu'en Occident.
Nous avions entendu qu'Anthropic ou OpenAI dépensaient plus de 10 millions de dollars pour un seul environnement, avec des dépenses annuelles cumulées atteignant des centaines de millions de dollars pour repousser la frontière de l'apprentissage par renforcement. Nous voulions donc savoir si les laboratoires chinois achetaient également les mêmes environnements auprès des entreprises américaines, ou s'il existait un écosystème national miroir pour les soutenir.

La réponse n'est pas un "il n'y a pas d'industrie des données" au sens complet, mais plutôt que, selon leur expérience, la qualité de l'industrie des données est relativement faible, et il est donc souvent préférable de construire en interne ses propres environnements ou données. Les chercheurs passent eux-mêmes beaucoup de temps à créer des environnements d'entraînement par renforcement, et les grandes entreprises comme ByteDance ou Alibaba peuvent avoir des équipes internes d'annotation de données pour soutenir cela. Tout cela fait écho à l'état d'esprit "construire plutôt qu'acheter" mentionné précédemment.

Sixièmement, la soif de plus de puces NVIDIA est très forte.
La puissance de calcul NVIDIA est la référence absolue pour l'entraînement, et les progrès de chacun sont limités par le manque de puissance de calcul supplémentaire. Si l'approvisionnement était suffisant, ils achèteraient clairement. D'autres accélérateurs, y compris mais sans s'y limiter à Huawei, reçoivent des évaluations positives pour l'inférence. D'innombrables laboratoires peuvent utiliser les puces Huawei.

Ces points dépeignent un écosystème d'IA très différent. Appliquer rapidement les modes de fonctionnement des laboratoires occidentaux à leurs homologues chinois entraîne souvent une erreur de catégorie. La question clé est de savoir si ces différents écosystèmes produiront des types de modèles substantiellement différents ; ou si les modèles chinois seront toujours interprétés comme étant similaires aux modèles de pointe américains datant de 3 à 9 mois.

Conclusion : L'équilibre mondial

Avant ce voyage, je connaissais trop peu la Chine ; en la quittant, j'ai eu le sentiment de commencer tout juste à apprendre. La Chine n'est pas un endroit qui peut être exprimé par des règles ou des recettes, c'est un endroit avec des dynamiques et des réactions chimiques très différentes. Sa culture est si ancienne, si profonde, et reste totalement imbriquée avec la manière dont la technologie est construite dans le pays. J'ai encore beaucoup à apprendre.

De nombreuses parties de la structure de pouvoir américaine actuelle utilisent leur vision existante de la Chine comme un outil psychologique clé dans leur prise de décision. Après avoir eu des échanges formels et informels en face à face avec presque tous les principaux laboratoires d'IA chinois, j'ai constaté que la Chine possède de nombreuses qualités et instincts que les modes de décision occidentaux ont du mal à modéliser.

Même en demandant directement à ces laboratoires pourquoi ils publiaient ouvertement leurs modèles les plus puissants, j'ai toujours eu du mal à relier complètement l'intersection entre "l'état d'esprit de propriété" et "le soutien sincère à l'écosystème".

Les laboratoires ici sont très pragmatiques, pas nécessairement des absolutistes de l'open source, et tous les modèles qu'ils construisent ne sont pas publiés ouvertement. Mais ils ont une intention profonde de soutenir les développeurs, de soutenir l'écosystème et d'utiliser l'ouverture comme un moyen d'en apprendre davantage sur leurs propres modèles.

Presque toutes les grandes entreprises technologiques chinoises construisent leur propre grand modèle linguistique générique. Nous avons vu des entreprises de services de plateforme comme Meituan, ou de grandes entreprises de technologie grand public comme Xiaomi, publier des modèles à poids ouverts. Les entreprises similaires aux États-Unis se contentent généralement d'acheter des services.

Ces entreprises ne construisent pas de grands modèles linguistiques pour faire acte de présence dans la nouvelle tendance à la mode, mais par un désir profond et fondamental : contrôler leur propre pile technologique et développer la technologie la plus importante actuellement. Lorsque je levais les yeux de mon ordinateur portable, je voyais toujours des grappes de grues à l'horizon, ce qui correspond clairement à la culture et à l'énergie de construction plus larges en Chine.

La chaleur humaine, le charme et la sincérité des chercheurs chinois sont très réconfortants. Sur le plan personnel, les discussions géopolitiques brutales auxquelles nous sommes habitués aux États-Unis ne les ont absolument pas atteints. Le monde pourrait bénéficier de plus de cette positivité simple. En tant que membre de la communauté de l'IA, je m'inquiète désormais davantage des fractures qui apparaissent entre les membres et les groupes autour des étiquettes de nationalité.

Si je disais que je ne souhaite pas que les laboratoires américains soient les leaders incontestés dans chaque partie de la pile technologique de l'IA, je mentirais. Surtout dans le domaine des modèles ouverts, où j'ai passé beaucoup de temps, je suis américain, c'est une préférence honnête.

En même temps, j'espère que l'écosystème ouvert lui-même prospérera à l'échelle mondiale, car cela peut créer une IA plus sûre, plus accessible et plus utile pour le monde. Et la question immédiate est de savoir si les laboratoires américains prendront des mesures pour occuper cette position de leader.

Au moment où j'écris cet article, d'autres rumeurs circulent sur l'impact des ordres exécutifs sur les modèles ouverts. Cela pourrait compliquer davantage la relation entre le leadership américain et l'écosystème mondial - ce qui ne me rend pas plus confiant.

Merci à toutes les personnes remarquables que j'ai eu le privilège de rencontrer chez Moonshot AI, Zhipu AI, Meituan, Xiaomi, Tongyi Qianwen, Ant Lingguang, 01.ai et d'autres institutions. Chacun a été si chaleureux et généreux de son temps. À mesure que mes idées se formeront, je continuerai à partager mes observations sur la Chine, à la fois sur le plan culturel au sens large et sur le domaine de l'IA lui-même.

De toute évidence, ces connaissances seront directement liées à l'histoire en cours du développement de la pointe de l'IA.