La correction des actions IA en Chine n’est pas l’effondrement de l’industrie
La baisse de l’indice STAR Market et des actions liées à l’IA en Chine est une correction de valorisation, pas la preuve que l’industrie de l’IA s’est effondrée.
Les médias internationaux ont repris un titre affirmant que la bulle de l’intelligence artificielle en Chine avait déjà éclaté (article). À première vue, cela semble dramatique : comme si DeepSeek avait arrêté l’entraînement de modèles, les développeurs chinois de grands modèles de langage faisaient faillite les uns après les autres et toute l’industrie de l’IA se retrouvait soudainement repoussée de cinq ans.
Mais il suffit d’ouvrir le texte pour que tout se remette en place. En réalité, l’indice STAR Market a baissé, et les actions des entreprises liées à l’IA ont nettement perdu de la valeur.
Cela voudrait-il dire que, quand les cours des actions chutent, l’intelligence des modèles devrait chuter avec eux ? Selon cette logique, il suffirait que Nvidia perde 30 % de sa valeur pour que CUDA disparaisse de tous les ordinateurs, et que le Nasdaq s’effondre pour que la Silicon Valley déclare immédiatement l’architecture Transformer sans avenir.
Une bulle existait-elle sur le marché chinois des actions des entreprises d’IA ? Certainement. La capitalisation boursière de certaines d’entre elles avait atteint des niveaux injustifiés, et une correction était donc prévisible.
Mais une baisse des cours n’est pas la même chose qu’annoncer l’effondrement d’une industrie entière. Transformer une simple correction de marché en preuve de la « mort » de l’IA chinoise demande un talent journalistique particulier.
Le plus ironique est que l’article était accompagné d’une photo d’un robot Unitree en train de danser.
Pourquoi c'est important
AnalyseUne correction de marché peut être normale après une surchauffe spéculative, mais elle n’invalide pas la recherche ni l’infrastructure sous-jacentes en IA.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
OpenAI présente quatre résultats scientifiques obtenus avec un modèle d’IA expérimental
Un modèle d’IA expérimental d’OpenAI, inaccessible au grand public, a produit des démonstrations et des réfutations en mathématiques, en informatique, en physique et en théorie de Yang–Mills.
Marché boursier chinois de l’IA : effondrement des actions de puces et d’IA
Les actions chinoises de semi-conducteurs et d’IA ont chuté de plus de 40 % en moins de quatre mois, perdant environ 480 milliards de dollars. Les pertes totales depuis mai sont estimées à environ 2,4 billions de dollars.
Partie I. Architecture des agents IA : les blocs fondamentaux
Dix blocs fondamentaux d'un agent moderne : taxonomie des modèles, boucle d'exécution (runtime), techniques de prompting, distillation, compétences (skills), mémoire, appels de fonctions et économie unitaire.
Partie II. Architecture des agents IA : du modèle à la mémoire et aux outils
Immersion technique approfondie : tokenisation, cache KV, déterminisme de l'échantillonnage, stack d'entraînement, quantification, ingénierie contextuelle, stack de sécurité, RAG en production, ReAct et systèmes swarm multi-agents.
Modèles de pointe (Frontier Models)
La classe d'intelligence artificielle la plus puissante à l'avant-garde de la recherche mondiale (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), définissant les limites actuelles des capacités de raisonnement, d'autonomie et de codage.
LLM (Large Language Model - Grand modèle de langage)
Classe fondamentale d'architectures de réseaux neuronaux basée sur le transformateur autorégressif, qui prédit la distribution probabiliste des tokens suivants et démontre des propriétés émergentes de pensée abstraite, de synthèse de code et de raisonnement logique.