Les entreprises américaines sont de plus en plus nombreuses à adopter des modèles IA chinois, et la raison en est d’une simplicité brutale : le coût. Alors qu’OpenAI et Anthropic maintiennent des tarifs premium, les modèles à poids ouverts provenant de DeepSeekDeepSeek, Qwen d’Alibaba, GLM de Zhipu et Kimi de Moonshot sont disponibles à une fraction du prix tout en comblant la majeure partie de l’écart qualitatif. Le résultat est une migration silencieuse qui commence désormais à apparaître dans les données objectives d’utilisation — et non plus seulement dans les articles d’opinion.
Points clés
- La part des jetons dépensés par les entreprises américaines sur des modèles IA chinois via OpenRouter est restée supérieure à 30 % chaque semaine depuis le 8 février 2026, atteignant un pic proche de 46 % — contre environ 11 % un an plus tôt.
- L’écart tarifaire est considérable : le modèle phare de DeepSeek coûte environ 0,87 $ par million de jetons générés, contre environ 25 $ pour Anthropic et 30 $ pour OpenAI.
- Parmi les entreprises ayant officiellement basculé figurent Lindy (100 % vers DeepSeek), Shopify (Qwen 3 auto-hébergé), Coinbase (GLM 5.2 + Kimi 2.7) et Airbnb (Qwen).
- Les économies rapportées vont d’environ 50 % à une réduction de 75 fois du coût unitaire.
- Il ne s’agit pas uniquement de prix : les poids ouverts permettent aux entreprises d’auto-héberger les modèles et de conserver leurs données en interne, bien qu’ils soulèvent de réelles questions de gouvernance et de géopolitique.
Quelle est l’ampleur du basculement vers les modèles IA chinois ?
Le signal le plus clair provient de l’utilisation réelle, non des opinions. Selon les données OpenRouter citées par CNBC, la part des jetons routés par les entreprises américaines vers des modèles chinois est restée supérieure à 30 % chaque semaine depuis le 8 février 2026, atteignant même un pic de 46 % — contre une moyenne d’environ 11 % au cours des douze mois précédents. Autrement dit, près de la moitié du trafic IA des entreprises américaines, certaines semaines, repose désormais sur des modèles développés en Chine.
Le segment des startups évolue le plus rapidement. Des estimations sectorielles suggèrent qu’environ 20 à 30 % des startups utilisent actuellement des modèles open source, et qu’environ 80 % d’entre elles choisissent un modèle chinois à poids ouverts. Lorsqu’un fondateur surveille sa trésorerie, une différence d’un ordre de grandeur sur la facture IA n’est pas une simple approximation — c’est la différence entre lancer un produit et fermer boutique.
L’écart tarifaire à l’origine de ce changement
Les chiffres clés expliquent à eux seuls ce comportement. Un modèle chinois phare peut coûter une fraction minime de ses homologues américains par jeton :
| Modèle / fournisseur | Prix approximatif en sortie (par 1 million de jetons) |
|---|---|
| DeepSeek (phare) | ~$0.87 |
| Anthropic Claude (phare) | ~$25 |
| OpenAI (phare) | ~$30 |
Une comparaison largement citée d’un même traitement a donné un coût d’environ 4 811 $ sur Claude d’Anthropic contre environ 544 $ sur GLM de Zhipu — soit une différence proche de 9 fois. Les analystes estiment globalement que les principaux modèles open source chinois sont 60 à 90 % moins chers que les meilleurs modèles américains de pointe pour des tâches comparables. Avant toute décision de basculement, il est recommandé de modéliser vos propres coûts plutôt que de vous fier à des chiffres médiatiques : notre calculateur gratuit Calculateur de coûts des API IA estime votre facture mensuelle réelle à partir de votre volume de jetons, et notre Indice prix-performance IA classe les modèles selon leur intelligence par dollar afin que vous puissiez voir précisément où chacun se situe en termes de valeur.
Qui bascule concrètement ?
Cela n’est plus hypothétique. Plusieurs entreprises nommément identifiées ont déjà déplacé un trafic réel en production :
- Lindy — la startup spécialisée dans les agents IA a transféré 100 % de son trafic d’Anthropic Claude vers DeepSeek, une transition que son PDG estime lui permettra d’économiser plusieurs millions de dollars.
- Shopify — aurait remplacé un pipeline GPT-5 d’OpenAI par un système multi-agents auto-hébergé piloté par Qwen 3 d’Alibaba, invoquant une réduction d’environ 75 fois du coût unitaire du modèle linguistique, accompagnée d’une qualité de sortie supérieure.
- Coinbase — a réduit ses dépenses IA de près de moitié après avoir migré ses charges de travail vers GLM 5.2 et Kimi 2.7.
- Airbnb — exploite 13 modèles IA mais s’appuie fortement sur Qwen ; le PDG Brian Chesky l’a publiquement qualifié de « très bon », « rapide » et abordable. Après le déploiement d’un agent de service client fondé sur Qwen, Airbnb indique que le délai moyen de résolution est passé de près de trois heures à environ six secondes.
Ce n’est pas seulement une question de prix : les poids ouverts modifient entièrement l’équation
Le coût fait les gros titres, mais le deuxième moteur est architectural. Ces modèles chinois étant à poids ouverts, une entreprise peut les télécharger et les exécuter sur son propre matériel, au lieu d’appeler une API tierce. Cela change simultanément deux éléments : le compteur par jeton disparaît, et les données sensibles ne quittent jamais l’enceinte de l’entreprise. Airbnb, par exemple, a souligné qu’il n’envoie aucune donnée aux développeurs du modèle. Pour les équipes pesant ce compromis, notre calculateur auto-hébergement vs API montre le seuil de rentabilité à partir duquel posséder une carte graphique devient plus avantageux que le paiement à l’usage, et notre étude comparative des coûts entre modèles ouverts et fermés quantifie l’ampleur croissante de cet écart. Pour comparer côte à côte spécifications, fenêtres de contexte et tarifs en temps réel, consultez notre Base de données des modèles IAbase de données des modèles IA, et pour une analyse approfondie du modèle à l’avant-garde de cette transition, notre Guide DeepSeek V4.
L’élément à considérer : gouvernance et géopolitique
Ce basculement n’est pas sans friction. Après qu’Airbnb eut révélé son recours à des modèles ouverts chinois, des élus américains ont soulevé des interrogations sur cette pratique, même si l’entreprise héberge les modèles elle-même et ne partage aucune donnée en amont. Pour les secteurs réglementés, l’utilisation d’un modèle d’origine chinoise — même s’il fonctionne entièrement sur des serveurs nationaux — soulève des questions d’approvisionnement, de conformité et de réputation que seul un tableur ne saurait trancher. Le schéma pragmatique qui émerge consiste à héberger soi-même les poids ouverts (afin qu’aucune donnée ne traverse une frontière) tout en gardant en réserve un modèle américain de pointe pour les tâches les plus complexes.
Ce que cela signifie pour OpenAI et Anthropic
La pression est déjà palpable. Fin juin 2026, OpenAI aurait envisagé des baisses importantes des prix par jeton — une mesure qui signifierait que la société considère la menace chinoise sur les prix comme existentielle, et non périphérique. L’humeur générale du marché a évolué, passant de la « tokenmaxxing » (l’envoi toujours croissant de jetons pour résoudre un problème) vers l’efficacité : obtenir le même résultat à moindre coût. C’est précisément dans ce contexte qu’un modèle 60 à 90 % moins cher remporte des parts de marché, et c’est pourquoi les tarifs des modèles de pointe au cours de la prochaine année pourraient différer fortement de ceux de l’année écoulée.
Votre entreprise devrait-elle basculer ? Un cadre d’analyse rapide
La réponse honnête est : parfois. Évaluez la décision selon quatre axes. Volume — plus votre utilisation est élevée et stable, plus un modèle moins coûteux (ou l’hébergement interne) devient rentable. Niveau de qualité requis — pour les tâches courantes telles que la rédaction préliminaire, l’extraction d’informations, la classification ou le support client, les meilleurs modèles ouverts sont difficilement distinguables des API de pointe ; en revanche, pour les problèmes de raisonnement les plus complexes, les modèles américains de référence conservent une avance. Sensibilité des données — si vos données ne doivent en aucun cas sortir de votre périmètre de contrôle, l’hébergement interne d’un modèle ouvert constitue la solution la plus propre. Gouvernance — vérifiez les règles d’approvisionnement et de conformité avant toute décision ferme. Modélisez d’abord les coûts à l’aide des calculateurs ci-dessus, menez un pilote sur une charge de travail non critique, puis seulement redirigez le trafic réel.
Questions fréquemment posées
Quels modèles d’IA chinois les entreprises américaines utilisent-elles le plus ?
Les noms les plus cités sont DeepSeek, Qwen d’Alibaba, GLM de Zhipu et Kimi de Moonshot. DeepSeek domine les basculements motivés par le prix, tandis que Qwen a été adopté par Airbnb et Shopify, et GLM/Kimi par Coinbase.
À quel point les modèles d’IA chinois sont-ils moins chers ?
Selon les analystes, les principaux modèles ouverts chinois seraient environ 60 à 90 % moins chers que les meilleurs modèles américains de pointe. À titre d’exemple concret, le modèle phare de DeepSeek coûte environ 0,87 $ par million de jetons générés, contre environ 25 $ pour Anthropic et 30 $ pour OpenAI ; une comparaison concrète de charges de travail a révélé un écart quasi neuf fois supérieur (544 $ avec GLM contre 4 811 $ avec Claude).
Est-il sécurisé d’envoyer des données d’entreprise à des modèles d’IA chinois ?
Ces modèles étant à poids ouverts, les entreprises peuvent les héberger elles-mêmes afin qu’aucune donnée ne quitte leurs propres serveurs — Airbnb, par exemple, affirme ne transmettre aucune donnée aux développeurs des modèles. Le risque réside moins dans la transmission des données que dans les questions de gouvernance, les règles d’approvisionnement et la géopolitique, que chaque organisation doit évaluer individuellement.
Quelles entreprises américaines ont basculé vers des modèles d’IA chinois ?
Parmi les exemples rendus publics figurent Lindy (100 % vers DeepSeek), Shopify (Qwen 3 auto-hébergé), Coinbase (GLM 5.2 et Kimi 2.7) et Airbnb (Qwen). Selon les données publiques d’OpenRouter, l’utilisation par les entreprises américaines de modèles chinois représentait, la plupart des semaines en 2026, plus de 30 % des jetons consommés.
Les modèles chinois atteignent-ils le niveau d’OpenAI et d’Anthropic en matière de qualité ?
Sur de nombreuses tâches courantes et liées au développement, ils se situent désormais à une fraction de point près des meilleurs modèles fermés, ce qui justifie pleinement les basculements motivés par le coût. Pour les problèmes de raisonnement les plus exigeants, les modèles américains de pointe conservent toutefois un avantage — aussi observe-t-on fréquemment une stratégie hybride : utiliser par défaut un modèle ouvert peu coûteux, tout en réservant une API de pointe pour les tâches les plus difficiles.
En résumé
La migration vers les modèles d’IA chinois est motivée par des considérations arithmétiques, non idéologiques. Lorsqu’un modèle compétent coûte un dixième — voire un soixante-quinzième — du modèle dominant, et qu’il peut être auto-hébergé pour garder les données en interne, les équipes soucieuses de coûts le testeront, et les chiffres d’OpenRouter montrent que beaucoup y restent. La leçon durable n’est pas « la Chine a gagné », mais bien que l’inférence IA est devenue une marchandise où le prix et l’efficacité comptent autant que la puissance brute. Les entreprises qui modélisent rigoureusement leurs coûts réels, lancent des pilotes avec soin et adaptent le modèle à la tâche captureront la majeure partie des économies sans engager leur activité entière sur un seul fournisseur.
Sources : CNBC, Forbes, Rest of World, Tech Startups. Article publié en juillet 2026.
