Kimi K3 : États-Unis ou Chine, la seule question que l’Europe se pose encore
Moonshot AI a sorti Kimi K3 le 16 juillet. 2 800 milliards de paramètres, un million de tokens de contexte, deuxième sur l’indice Vals AI, premier en code frontend, devant des modèles fermés américains. En poids ouverts. C’est beau, c’est cool, tout le monde a partagé.
Et la seule question qui nous reste vraiment, ici, c’est de savoir par qui on préfère se faire manger. Parce que pendant que les deux autres construisent, nous, on ne fait toujours rien.
Kimi K3 en deux minutes : ce que la Chine vient de poser sur la table
L’architecture est un mélange d’experts : 2 800 milliards de paramètres au total, 896 experts dont 16 s’activent par token, environ 50 milliards réellement mobilisés à chaque passage. Un million de tokens de contexte, de la vision native, une quantification apprise pendant l’entraînement.
Sur GDPval-AA v2, qui mesure des tâches réelles sur 44 métiers, K3 marque 1 687. Derrière Claude Fable 5 Max et GPT-5.6 Sol Max, mais devant Claude Opus 4.8. Un modèle ouvert chinois qui passe devant un modèle fermé américain de premier plan, c’est nouveau.
Une précision d’honnêteté, puisque personne ne la fait : les poids ne sont pas encore publiés. Ils sont annoncés pour le 27 juillet, la licence n’est pas communiquée, et tous les résultats viennent de l’API. La moitié de la planète tech a écrit « le plus grand modèle open source de l’histoire » à propos d’un modèle dont personne n’a vu les poids. Ça ne change pas le fond, mais ça dit quelque chose de notre empressement à commenter.
La leçon chinoise : sous contrainte, ils ont fait de l’ingénierie
Le détail qui compte, c’est le rendement. Moonshot annonce une efficacité d’échelle environ 2,5 fois meilleure que sur Kimi K2, obtenue par des choix d’architecture, pas par plus de machines. Ils ont raisonné sous contrainte d’accès au calcul, et la contrainte a produit des idées.
Il faut arrêter avec la version paresseuse du « ils copient ». Les laboratoires chinois construisent, avec des ordres de grandeur de capitaux en moins que leurs concurrents américains, et l’écart entre le meilleur modèle ouvert et le meilleur modèle fermé est passé de six à neuf mois vers trois à cinq mois. Ils rattrapent, vite, avec moins.
Ce que pèse la course au calcul en 2026
Voilà les ordres de grandeur, parce qu’on en parle rarement côte à côte.
Les cinq grands hyperscalers américains prévoient autour de 660 à 690 milliards de dollars d’investissement d’infrastructure sur la seule année 2026. Meta seul annonce entre 115 et 145 milliards, sept gigawatts déployés cette année, quatorze prévus en 2027. OpenAI table sur 50 milliards de dollars de calcul pour 2026, plus d’un gigawatt et demi, la consommation électrique d’une ville.
Face à ça, le champion européen. Mistral s’est endetté de 830 millions de dollars pour un centre de données près de Paris : 13 800 GPU Nvidia GB300, 44 mégawatts, en service ce trimestre. L’objectif annoncé est de 200 mégawatts déployés en Europe en 2027.
Mets les deux chiffres côte à côte, à la même date. 200 mégawatts pour Mistral en 2027, 14 gigawatts pour Meta la même année. Un facteur soixante-dix. On a changé de sport.
Ce que l’Europe a produit ce semestre : un report de sa propre réglementation
Alors qu’est-ce qu’on a fait, nous, pendant ce premier semestre 2026 ?
On a adopté le Digital Omnibus. Le 29 juin, le Conseil a donné son feu vert final à un texte qui simplifie l’AI Act, allonge les délais de conformité pour les systèmes à haut risque et repousse les obligations de transparence du 2 août au 2 décembre 2026.
Notre grande actualité IA du semestre, c’est le report de nos propres règles. On a passé deux ans à écrire un cadre présenté comme une avance stratégique, et le premier vrai geste politique consiste à en décaler l’application parce qu’il gênait. Ce n’est pas absurde sur le fond, l’AI Act avait des défauts réels. C’est le bilan qui pique : les autres ont construit des gigawatts, nous avons débattu de notre propre calendrier.
Mistral, une exception qui tient lieu de politique industrielle
Précision utile, parce qu’on va me la faire : Mistral existe, l’équipe est bonne, et Medium 3.5 tient la route en production. Le reproche est ailleurs.
Le problème, c’est qu’ils sont une exception et non le produit d’une politique. Un projet à la bonne échelle existe pourtant : un campus de 1,4 gigawatt annoncé près de Paris, chantier lancé au second semestre 2026, mise en service visée en 2028. Regarde qui le porte : Bpifrance, Mistral, Nvidia, et MGX, le fonds d’Abou Dabi. La réponse gigawatt de l’Europe tourne donc sur du silicium américain, avec du capital émirati. Je le note comme un constat arithmétique : à ce niveau d’investissement, l’Europe a besoin de capitaux étrangers.
L’excuse du capital ne tient plus
La réponse habituelle, c’est qu’on n’a pas l’argent. Sauf que Kimi K3 vient précisément de démontrer le contraire.
Moonshot n’a pas 690 milliards. Moonshot a moins de capital que ses concurrents américains d’un ou deux ordres de grandeur, et se retrouve deuxième mondial. Ce qu’ils ont, c’est une décision, une équipe et une direction tenue dans le temps. Ça se décide, et c’est exactement ce qui nous manque.
Donc l’explication est ailleurs, et elle est plus inconfortable : on a choisi d’arbitrer, de commenter et de réglementer, pendant que d’autres choisissaient de livrer.
Ce qui reste quand on n’a pas les moyens de la souveraineté
Reste la question pratique, celle qui te concerne si tu diriges quelque chose : qu’est-ce qu’on fait, concrètement, en attendant un sursaut qui ne viendra pas cette année ?
On arrête de confondre souveraineté et optionalité. La souveraineté, ce serait produire nos modèles à l’échelle. Ce n’est pas pour demain. L’optionalité, c’est de pouvoir changer de fournisseur sans reconstruire ton produit, et ça, c’est atteignable tout de suite. Un modèle ouvert, même impossible à héberger chez soi, peut être servi par plusieurs hébergeurs dans plusieurs juridictions. C’est une porte de sortie, et une porte de sortie vaut mieux qu’un discours.
En pratique, ça veut dire une couche d’abstraction qui tient, des outils exposés proprement, et rien dans ton produit qui dépende de la signature d’une API particulière. C’est là qu’un standard comme le MCP gagne sa place, et c’est comme ça que je construis mes outils métier. Le modèle est devenu une matière première : on ne se marie pas avec un fournisseur de matière première.
Se faire manger par les uns ou par les autres, ou arrêter de regarder
Le 27 juillet, les poids de K3 sortiront, ou pas. Dans quatre mois, un autre modèle sera en tête, il coûtera moins cher, et la même vague de commentaires repartira à l’identique.
Pendant ce temps, la question « Chine ou États-Unis » restera exactement ce qu’elle est : une question de spectateur. On ne choisit pas par qui on se fait manger quand on n’a rien mis dans l’assiette. La seule chose qui dépende encore de nous, c’est ce qu’on construit par-dessus, et le nombre de gens à qui on le rend utilisable.
C’est beaucoup moins grisant qu’un débat sur la souveraineté. C’est surtout la seule case où on marque encore des points.
À lire aussi : Adoption de l’IA en entreprise : pourquoi la puissance des modèles ne suffit pas · Agents IA en entreprise : de la démo à l’usage réel
Thomas Nedjar évolue depuis quatorze ans dans l'acquisition digitale et le e-commerce. Entrepreneur, il a fondé et dirigé plusieurs sociétés e-commerce entre la France et la Suisse, avec une solide expérience du commerce international et intracommunautaire. Il est aujourd'hui Expert Senior SEO/GEO, IA & Tech chez Suisseo, et conçoit ses propres applications pour le marketing : ED (community management automatisé) et SEO Cartograph (crawler d'audit SEO en local). Conférencier (CVCI) et formateur, il partage ici ses retours de terrain sur le SEO, le GEO, l'automatisation et le e-commerce.
Tous ses articles · LinkedIn