Auteur : Wall Street News
Les grands modèles d'IA chinois se trouvent à un tournant historique. Goldman Sachs estime que les performances intelligentes des modèles chinois open source/à poids ouverts se rapprochent désormais des meilleurs modèles propriétaires mondiaux, et que leur adoption par les entreprises nationales et les PME mondiales connaît une expansion rapide, créant ainsi un effet de cercle vertueux par les données qui favorisera davantage l'itération et l'amélioration des modèles.
Selon le Trading Desk, le dernier rapport de Goldman Sachs souligne que cette trajectoire évolutive peut être résumée comme suit : 'du moment d'efficacité des coûts de DeepSeek l'année dernière, au moment d'intelligence des modèles de GLM de Zhipu cette année'. L'équipe dirigée par l'analyste Ronald Keung de Goldman Sachs aborde dans ce rapport de 50 pages quatre questions centrales : comment les modèles d'IA chinois atteignent-ils des performances élevées à faible coût, pourquoi optent-ils pour une stratégie open source et comment se monétisent-ils, où se trouvent leurs marchés adressables clés, et qui seront les gagnants à long terme.
Concernant le paysage concurrentiel, Goldman Sachs propose un 'cadre de positionnement concurrentiel' basé sur le pouvoir de fixation des prix, les avantages de coût et la solidité financière, et en conclut que dans le domaine des modèles de texte de base, Zhipu (première couverture) et DeepSeek (non coté) sont les mieux positionnés ; dans le domaine multimodale, ByteDance (non coté) est en tête. Goldman Sachs maintient également ses recommandations d'achat sur MiniMax et Kuaishou.
Petit mais puissant, l'efficacité comme clé du succès
La capacité des grands modèles chinois à atteindre des performances proches à un coût bien inférieur à celui des produits américains similaires repose sur une double percée : l'innovation architecturale et l'efficacité des paramètres.
Le rapport de Goldman Sachs indique que la taille des paramètres des modèles open source chinois se situe généralement entre 200 et 1600 milliards, soit seulement 2% à 10% de celle des meilleurs modèles mondiaux, principalement en raison de l'accès limité à la puissance de calcul haut de gamme. Parallèlement, des innovations telles que l'architecture MoE (Mixture of Experts) et les mécanismes d'attention éparse font que les paramètres réellement activés ne représentent que 3% à 5% des paramètres totaux, réduisant considérablement les coûts d'entraînement et d'inférence.
Au niveau des modèles spécifiques, DeepSeek V4 Pro a 1600 milliards de paramètres, Zhipu GLM5.2 en a 700 milliards, et MiniMax M3 en a 400 milliards.
Goldman Sachs attribue l'essor récent des capacités de programmation des modèles chinois à une synergie de facteurs tels que le filtrage des données, le post-entraînement par apprentissage par renforcement, etc. Le 27 juin, DeepSeek a lancé le cadre de décodage spéculatif DSpark, déjà déployé dans ses services en ligne V4-Flash et V4 Pro, augmentant la vitesse de génération par utilisateur de 60% à 85% (V4-Flash) et de 57% à 78% (V4 Pro) sans modifier les poids du modèle ni la qualité de la sortie.
Le LongCat 2.0 publié par Meituan le 30 juin est considéré par Goldman Sachs comme une étape importante vers l'autonomie des infrastructures d'IA chinoises — c'est le premier modèle open source MoE de 1600 milliards de paramètres en Chine entièrement entraîné et déployé sur 50 000 cartes de calcul domestiques. Goldman Sachs estime que cela prouve la faisabilité d'une pile matérielle localisée lors de la phase de pré-entraînement à forte intensité de calcul, ce qui a une signification profonde pour l'indépendance des modèles d'IA chinois vis-à-vis des puces étrangères haut de gamme.
Marché polarisé, les plus forts se renforcent
Goldman Sachs décrit le marché des modèles d'IA chinois comme une 'structure à deux niveaux' en formation, et identifie deux quadrants de maximisation du Chiffre d'Affaires Récurrent Annualisé (CARA).
Sur le marché haut de gamme, les modèles de pointe comme Zhipu GLM5.2 et Alibaba Qwen3.7 Max sont facturés environ 1 dollar par million de tokens, soit 5 fois le prix des modèles bas de gamme, avec une marge brute d'inférence estimée par Goldman Sachs à environ 10-20%. En comparaison, les modèles américains de pointe coûtent 4 à 8 dollars par million de tokens, les modèles chinois haut de gamme ne représentant que 10% à 25% de ce prix, mais ils maintiennent tout de même une marge positive grâce à un ratio de paramètres activés plus faible.
Sur le marché bas de gamme, les modèles destinés aux tâches d'agent IA sont facturés aussi peu que 0,06 à 0,2 dollar par million de tokens, ouvrant le marché aux PME mondiales et aux utilisateurs individuels sensibles aux prix. MiniMax tire 60 à 70% de ses revenus de l'étranger. Il est à noter que DeepSeek a annoncé l'introduction d'une tarification par période de pointe/creuse pour sa série V4 à partir de mi-juillet, avec des tarifs de pointe doublés par rapport aux heures creuses, ce qui donne un prix mixte d'environ 0,35 dollar par million de tokens (V4 Pro) et 0,12 dollar (V4 Flash).
Goldman Sachs prévoit que les revenus des API et abonnements des modèles d'IA chinois passeront de 35 milliards de yuans estimés en 2026 à 879 milliards de yuans en 2030, correspondant à une consommation quotidienne de tokens passant de 350 billions à 4600 billions, soit une multiplication par environ 25.
Stratégie open source : pénétration large, voie de monétisation à perfectionner
Le rapport de Goldman Sachs examine en détail la logique stratégique derrière l'adoption généralisée de la voie open source/poids ouverts par les modèles d'IA chinois et ses limites en matière de monétisation.
Les avantages clés de la stratégie open source résident dans la flexibilité du déploiement et l'écosystème communautaire. Les séries Qwen d'Alibaba, DeepSeek, Zhipu GLM et MiniMax M3 adoptent toutes une approche open source ou à poids ouverts, le modèle Seed de ByteDance étant la principale exception avec une voie propriétaire entièrement fermée. Le modèle open source permet un déploiement flexible en Chine et à l'étranger et accélère l'itération grâce aux retours de la communauté.
Cependant, Goldman Sachs souligne que les chiffres de CARA divulgués par les sociétés de modèles open source sous-estiment probablement fortement l'échelle réelle du déploiement et le potentiel de revenus. Prenons l'exemple de Zhipu : son objectif de CARA d'ici fin 2026 est de 10 milliards de dollars, mais le déploiement réel de GLM5.2 dans le monde sera bien supérieur au volume de tokens et aux revenus générés via ses propres canaux API — la plateforme MaaS Aliyun Bailian peut héberger directement le modèle open source GLM5.2 sans avoir à payer de frais à Zhipu.
Goldman Sachs prévoit que le secteur passera progressivement du pur open source (licence MIT, totalement gratuite) à un modèle 'poids ouverts + licence communautaire' — où l'usage commercial nécessite un accord de partage des revenus avec la société éditrice du modèle. La série M de MiniMax a déjà adopté ce modèle en premier. Goldman Sachs estime que cette transition améliorera significativement l'économie unitaire des sociétés de modèles d'IA, car elles pourront bénéficier d'accords de partage des revenus avec des plateformes comme AWS Bedrock ou Aliyun Bailian, sans avoir à supporter elles-mêmes les coûts de calcul d'inférence.
De la 'maximisation des tokens' à la priorité au ROI
Goldman Sachs qualifie l'expansion sur les marchés internationaux comme l'espace de croissance le plus important pour les modèles d'IA chinois, en particulier sur les marchés hors États-Unis.
Les équipes de recherche américaines de Goldman Sachs estiment que d'ici 2030, l'IA agentielle entraînera une multiplication par 24 de la consommation mondiale de tokens, atteignant 120 quadrillion de tokens par mois, les agents d'entreprise contribuant à une multiplication par 55 et les agents consommateurs par 12. Sur le marché mondial (hors Chine), les modèles d'IA chinois ont déjà réalisé une croissance significative de leur part de tokens grâce à l'amélioration des performances et aux avantages de prix.
Le rapport de Goldman Sachs indique que le paradigme d'utilisation de l'IA par les entreprises mondiales est en train de passer d'une approche de 'maximisation des tokens' à une approche 'priorité au ROI'. La première prévalait fin 2025/début 2026, où les entreprises assimilaient une consommation élevée de tokens à la productivité organisationnelle ; la seconde se concentre davantage sur des limites de tâches claires, le nombre quotidien d'agents actifs, l'automatisation des processus backend et les résultats concrets. Une étude de Jellyfish AI sur les tendances en ingénierie montre que les utilisateurs intensifs d'IA en entreprise consomment 10 fois plus de tokens, mais ne voient leur production augmenter que de 2 fois.
Au niveau des canaux, la plateforme Gemini Enterprise Agent d'Alphabet et AWS Bedrock d'Amazon proposent déjà des services d'hébergement pour des modèles d'IA chinois comme DeepSeek, MiniMax, Moonshot, GLM et Qwen. Selon le Wall Street Journal, le PDG de Microsoft a récemment déclaré que Microsoft envisageait d'héberger une version de DeepSeek dans Copilot en tant que modèle à faible coût optionnel, soulignant que si DeepSeek était hébergé, il fonctionnerait au sein de l'écosystème cloud de Microsoft, garantissant que les données clients restent dans Azure.
Qui sont les gagnants à long terme ?
Goldman Sachs a construit un cadre de positionnement concurrentiel en trois dimensions, utilisant des indicateurs quantitatifs pour évaluer la probabilité de succès à long terme de chaque acteur, avec une formule centrale : (Échelle du CARA × Avantage en marge brute) + Solidité financière.
Le pouvoir de fixation des prix examine la vitesse de lancement (comparaison avec les générations précédentes et les modèles de niveau similaire), le score LMArena (basé sur des évaluations d'utilisateurs en tests aveugles à grande échelle) et le niveau de prix mixte par million de tokens.
L'avantage de coût examine le débit (tokens par seconde), le taux d'atteinte du cache, le ratio de paramètres activés et la marge brute d'inférence. La solidité financière examine la trésorerie disponible, la proportion de liquidités nettes par rapport au total de l'actif et les multiples de valorisation.
Dans le domaine des modèles de texte de base, Goldman Sachs considère que Zhipu (première couverture, recommandation 'Neutre', valorisation cible de 110 milliards de dollars) et DeepSeek (non coté) sont les mieux positionnés, affichant tous deux des performances remarquables en termes de pouvoir de fixation des prix et d'avantage de coût. La valorisation implicite totale des sociétés de modèles d'IA indépendantes dépasse 200 milliards de dollars.
Dans le domaine multimodale/génération vidéo, ByteDance est en tête avec Seedance. Selon LatePost et 36Kr, Seedance aurait une marge brute de 70% et un CARA dépassant déjà 2 milliards de dollars. Kuaishou Kling et les modèles Hailuo de MiniMax/le futur modèle H3 sont également considérés favorablement par Goldman Sachs, qui prévoit qu'ils bénéficieront au second semestre 2026 des avancées fonctionnelles de la fusion génération vidéo/LLM et de tarifications saines dues à une offre tendue.
Goldman Sachs maintient sa recommandation d'achat sur MiniMax, avec un prix cible de 860 HKD, en raison de son modèle M3 qui se situe dans le quadrant de maximisation du CARA avec un volume élevé de tokens et des prix attractifs, et de sa valorisation actuelle qui n'est que de 13 fois le CARA estimé fin 2026, présentant un décote significative par rapport aux multiples de valorisation des sociétés comparables chinoises et mondiales, avec un ratio risque/rendement orienté à la hausse.
