La rivalité entre Alibaba et Google Cloud s’intensifie alors que cinq méga-centres de données se tournent vers l’IA

Alibaba Cloud réorienterait cinq méga-centres de données vers le calcul d’IA, six ans après avoir présenté son plan d’infrastructure régionale. Cette évolution rend la comparaison entre Alibaba et Google Cloud moins théorique et davantage dépendante de capacités physiques, de puces spécialisées, de réseaux et d’électricité.

Les installations initiales ont été conçues pour fournir des services cloud généralistes à une échelle considérable. L’IA change cette mission. L’entraînement et l’inférence de grands modèles exigent des accélérateurs plus denses, des interconnexions plus rapides, une alimentation électrique plus importante et des systèmes de refroidissement différents.

Cette transition place Alibaba face à l’infrastructure d’IA verticalement intégrée de Google Cloud, qui comprend notamment les tensor processing units, ou TPU, conçus par Google. Alibaba doit rechercher un niveau de contrôle comparable tout en évoluant dans un contexte d’accès plus restreint aux puces étrangères avancées.

La réorientation signalée de ces cinq centres n’a pas été documentée dans un inventaire technique public détaillé. La capacité, le nombre d’accélérateurs, les mises à niveau électriques et les dates d’achèvement restent flous. Ces lacunes sont importantes, car transformer un vaste campus cloud en usine d’IA efficace ne consiste pas seulement à installer de nouveaux serveurs.

Cette orientation reste néanmoins cohérente avec la stratégie annoncée par Alibaba. L’entreprise s’est engagée à investir au moins 380 milliards de RMB dans l’IA et l’infrastructure cloud sur trois ans. Elle a ensuite indiqué que la demande pourrait porter les dépenses au-delà de cet engagement.

Il ne s’agit donc pas d’une simple modernisation de centres de données. C’est un test de la capacité d’Alibaba à transformer son empreinte cloud établie en système de production d’IA compétitif.

Cinq méga-centres de données se voient confier une mission différente

Alibaba modifie ce que ses plus grandes installations doivent produire, en passant d’une capacité cloud généraliste à un calcul d’IA concentré.

Alibaba Cloud a annoncé cinq projets de méga-centres de données en 2020, dans des sites comprenant Hangzhou, Nantong, Ulanqab, Heyuan et Zhangbei. Ces projets soutenaient une expansion plus large des capacités de stockage, de calcul et de réseau.

Ces campus ont émergé durant une phase différente de la demande cloud. Les entreprises transféraient bases de données, sites web, analyses et applications métier vers des infrastructures partagées. L’échelle consistait avant tout à fournir davantage de machines virtuelles et de stockage au sein de réseaux régionaux fiables.

L’IA générative pose un problème opérationnel différent. Des milliers d’accélérateurs doivent communiquer à faible latence tout en traitant le même modèle. Un lien réseau lent ou un composant défaillant peut réduire la production utile de tout un cluster.

L’inférence d’IA, c’est-à-dire le processus qui génère des réponses à partir d’un modèle entraîné, modifie également les schémas de demande. Le trafic des utilisateurs peut arriver de manière imprévisible, tandis que les tâches de raisonnement plus longues consomment bien davantage de calcul qu’une requête web classique.

Une installation conçue pour des charges de travail cloud équilibrées ne devient pas automatiquement un centre de données d’IA efficace. Les opérateurs doivent repenser la densité des racks, la distribution électrique, le refroidissement, la topologie réseau et l’ordonnancement des charges de travail.

La stratégie des méga-centres de données donne à Alibaba une base pour cette conversion. Les terrains, les raccordements électriques, les réseaux régionaux et les équipes d’exploitation existent déjà. Construire chaque composant sur un nouveau site prendrait davantage de temps et introduirait des risques supplémentaires liés aux autorisations et aux travaux.

Toutefois, la réorientation signalée reste davantage indicative que mesurable. Les informations publiques ne permettent pas d’établir quelle capacité chaque centre consacrera aux charges de travail d’IA. Elles n’indiquent pas non plus de date d’achèvement commune.

Cette distinction empêche toute conclusion prématurée. Cinq grands campus peuvent représenter un patrimoine immobilier conséquent sans fournir cinq clusters d’IA aux capacités équivalentes.

La stratégie d’Alibaba doit plutôt être comprise comme une transformation progressive. Les campus existants constituent la fondation physique, tandis que les nouveaux accélérateurs et les conceptions de clusters déterminent leur production réelle d’IA.

L’engagement d’infrastructure pris par l’entreprise en février 2025 fournit le contexte financier. Alibaba a indiqué que l’investissement prévu dépassait le total de ses dépenses combinées en IA et dans le cloud au cours de la décennie précédente.

Cette comparaison révèle l’ampleur du changement. Alibaba ne traite pas l’IA comme un simple service cloud géré supplémentaire. L’entreprise réorganise ses dépenses d’investissement autour de la couche informatique qui sous-tend ses modèles et ses applications.

Les cinq sites offrent aussi des avantages géographiques. Des campus répartis peuvent répondre à la demande régionale et réduire la dépendance à un seul marché de l’électricité. Ils peuvent également séparer les charges de travail d’entraînement, d’inférence, de stockage et de reprise après sinistre.

Mais une infrastructure distribuée entraîne des coûts de coordination. L’entraînement de modèles fonctionne au mieux lorsque les accélérateurs se comportent comme une seule machine. Les répartir sur des sites éloignés peut introduire des délais réseau qui rendent certaines charges de travail moins efficaces.

Alibaba devra donc équilibrer la distribution régionale avec des clusters locaux étroitement interconnectés. Le seul nombre d’installations dit peu de choses sur cet équilibre.

Le changement le plus clair concerne la mission. Ces campus symbolisaient l’expansion du cloud généraliste en 2020. Ils sont désormais jugés sur leur capacité à fournir un calcul d’IA rare.

Pourquoi la concurrence entre Alibaba et Google passe désormais par l’infrastructure

La rivalité entre Alibaba et Google devient une compétition portant sur des systèmes d’IA complets, et non une simple comparaison des catalogues de services cloud.

Google est entré dans le cycle des infrastructures d’IA avec des années d’expérience dans la conception de TPU et leur déploiement dans ses centres de données. Un TPU est une puce spécifique à une application, optimisée pour les calculs d’apprentissage automatique.

Cette approche verticale relie les puces, les réseaux, la conception des centres de données, les modèles et les logiciels. Google peut optimiser ces couches conjointement, même s’il achète encore de grandes quantités de matériel externe pour certaines charges de travail.

Alibaba poursuit sa propre structure full-stack. L’entreprise développe les modèles Qwen, exploite un cloud public, construit des services de modèles et a investi dans des capacités de puces propriétaires. La réorientation des cinq centres relierait ces couches à une base physique plus vaste.

Cette similitude stratégique fait de Google un concurrent utile, mais les deux entreprises ne rivalisent pas sur un terrain égal. Google dispose d’une présence cloud mondiale plus étendue et d’un accès plus aisé aux chaînes d’approvisionnement en puces avancées.

Alibaba bénéficie d’une position plus forte en Chine et de relations établies avec les entreprises nationales. L’entreprise exploite également des plateformes de commerce et de services aux consommateurs susceptibles de générer une demande interne pour les modèles, les recommandations, la recherche et les agents.

Cela crée deux boucles d’infrastructure différentes.

La boucle de Google commence avec des clients cloud répartis dans le monde entier, les services Gemini, les applications internes et le silicium personnalisé. L’utilisation soutient davantage d’investissements dans les centres de données, ce qui accroît la capacité disponible pour la prochaine génération de modèles.

La boucle d’Alibaba relie Qwen, la demande des entreprises chinoises, les applications nationales et l’infrastructure cloud. Ses services de commerce fournissent des charges de travail susceptibles de tester les modèles et d’augmenter leur utilisation au sein de sa propre organisation.

L’utilisation est déterminante, car un accélérateur inutilisé reste coûteux. Le gagnant n’est pas nécessairement l’entreprise qui annonce le plus de capacité. C’est l’opérateur qui maintient ses systèmes coûteux occupés de manière productive.

Alibaba a indiqué que le chiffre d’affaires du cloud continuait d’accélérer à mesure que les produits d’IA gagnaient en adoption. Ses résultats financiers présentent les services d’IA comme une source de demande de plus en plus importante, et non comme une seule dépense de recherche.

En mai 2026, l’entreprise a déclaré que le chiffre d’affaires de Cloud Intelligence Group avait progressé de 40 % sur un an au cours du trimestre de mars. Elle a également anticipé une croissance rapide des revenus récurrents annualisés issus des services de modèles et d’applications.

Ces chiffres proviennent d’Alibaba et doivent être considérés comme des performances déclarées par l’entreprise. Ils indiquent néanmoins que l’expansion de l’infrastructure s’accompagne d’une charge de travail commerciale.

Un compte rendu indépendant des résultats a également fait état d’une hausse de 38 % des activités d’IA et de cloud d’Alibaba au cours de la période concernée. Le rapport a souligné le défi plus large du secteur : démontrer que les lourdes dépenses en IA peuvent générer des rendements.

Google fait face au même défi. Les deux entreprises doivent réserver des capacités pour leurs propres modèles tout en fournissant des ressources fiables à leurs clients cloud.

Cette tension s’accentue lorsque l’offre de calcul est limitée. Un fournisseur cloud peut prioriser les applications internes, les clients externes ou la recherche à long terme, mais chaque allocation a un coût d’opportunité.

Les TPU personnalisés de Google offrent un certain degré de contrôle sur l’approvisionnement. TrendForce a prévu que les TPU représenteraient près de 78 % des serveurs d’IA expédiés à Google en 2026, portés par la demande de Gemini et de Google Cloud.

Cette prévision de déploiement d’ASIC montre pourquoi les puces comptent dans ce cadre concurrentiel. Un ASIC est une puce conçue pour un ensemble limité de tâches plutôt que pour l’informatique généraliste.

Alibaba a également besoin d’alternatives à une dépendance sans restriction envers les accélérateurs étrangers. Les contrôles à l’exportation et les exigences en matière de licences ont limité l’accès de la Chine à certaines puces américaines avancées.

Les accélérateurs nationaux peuvent réduire cette exposition, mais la compatibilité logicielle et la capacité de fabrication restent des obstacles. Une puce n’est utile que si les développeurs peuvent entraîner et servir des modèles de manière fiable dessus.

La comparaison entre Alibaba et Google repose donc sur l’intégration des systèmes. Alibaba doit combiner campus, puces, logiciels et charges de travail rémunératrices tout en naviguant dans des contraintes auxquelles Google ne fait pas face sous la même forme.

Le calcul d’IA modifie l’économie du cloud d’Alibaba

Cette réorientation accroît le potentiel de revenus d’Alibaba, mais rend aussi l’utilisation, l’efficacité énergétique et la disponibilité du matériel plus importantes pour la rentabilité.

L’informatique cloud traditionnelle répartit de nombreuses charges de travail sur des pools flexibles de processeurs, de stockage et de mémoire. Les clusters d’IA concentrent davantage de valeur dans des accélérateurs coûteux et les réseaux qui les relient.

Cette concentration crée une équation financière plus exigeante. Les opérateurs dépensent massivement avant que la demande des clients ne devienne certaine. Le matériel peut également perdre de la valeur relative lorsqu’un accélérateur plus récent offre de meilleures performances par unité d’énergie.

L’engagement de 380 milliards de RMB d’Alibaba couvre l’IA et l’infrastructure cloud sur trois ans. Il ne fournit pas de budget public détaillé, installation par installation, pour les cinq centres signalés.

Les investisseurs ne peuvent donc pas calculer quelle part du programme correspond à de nouvelles constructions, à des achats de serveurs, aux réseaux, à la recherche ou à la conversion des installations. Ils ne peuvent pas non plus distinguer la capacité réservée à Alibaba de celle vendue via son cloud.

L’entreprise a indiqué que la demande restait forte. Lors de sa conférence Apsara 2025, Alibaba a déclaré prévoir d’augmenter ses investissements au-delà du programme initial tout en développant son infrastructure internationale.

Cette feuille de route de l’IA comprenait des lancements de modèles, des services cloud et de nouvelles capacités de centres de données. Elle présentait le programme de dépenses comme une couche d’une stratégie produit plus large.

Cette combinaison est importante, car l’infrastructure ne peut pas générer des rendements à elle seule. Alibaba doit convaincre les développeurs et les entreprises d’adopter les modèles Qwen, Model Studio, les bases de données, le stockage et les services d’inférence.

Les clients d’entreprise ont aussi besoin de performances prévisibles. Un point de terminaison de modèle qui ralentit lors de pics de trafic peut perturber le support client, le codage, la recherche et les flux de travail automatisés.

Alibaba peut améliorer l’utilisation de ses infrastructures en répondant à plusieurs types de demande. Les phases d’entraînement consomment de grands blocs de capacité, tandis que la demande d’inférence provient en continu des applications de production.

Les plateformes grand public et de commerce de l’entreprise ajoutent une autre source. La recherche, la publicité, les assistants d’achat et les systèmes de recommandation peuvent absorber de la capacité avant que la demande externe n’atteigne sa pleine ampleur.

La demande interne peut contribuer à justifier la construction, mais elle peut aussi masquer les réalités économiques. La capacité utilisée par une autre activité d’Alibaba ne génère pas nécessairement les mêmes marges que les ventes externes de cloud.

Google est confronté à une question comptable comparable, car son infrastructure soutient Search, YouTube, Gemini et des clients cloud externes. Les comparaisons directes entre fournisseurs de cloud peuvent ignorer ces coûts partagés et ces bénéfices internes.

Les derniers dépôts publics d’Alibaba apportent des éléments plus solides sur l’ampleur de son ambition que sur son économie unitaire. L’entreprise a décrit une pile couvrant les modèles, l’infrastructure cloud, les applications et les puces propriétaires.

Ses publications financières associent également de nouvelles capacités haute performance à l’inférence Model-as-a-Service. Model-as-a-Service permet aux clients d’accéder à des modèles hébergés sans exploiter l’infrastructure sous-jacente.

Ce service peut transformer les investissements en centres de données en revenus d’usage récurrents. Toutefois, les clients peuvent changer de modèle ou réduire leur consommation si les prix, la latence ou la qualité des résultats ne les satisfont pas.

Alibaba doit également gérer un cycle d’approvisionnement complexe. Les serveurs d’IA nécessitent des accélérateurs, de la mémoire à large bande passante, des commutateurs réseau, des équipements électriques et des composants de refroidissement.

Un retard sur un seul composant peut laisser d’autres équipements sous-utilisés. Cela crée un écart entre l’avancement de construction communiqué et la capacité de calcul réellement exploitable.

L’efficacité énergétique ajoute une autre contrainte. Un accélérateur peut offrir de meilleures performances brutes tout en consommant suffisamment d’électricité pour augmenter le coût total de chaque réponse de modèle.

Les sites septentrionaux d’Alibaba peuvent offrir des avantages en matière de foncier et d’énergie. Les installations plus proches des grands centres de population peuvent réduire la latence des services destinés aux clients. L’emplacement optimal dépend de la charge de travail.

L’entraînement peut souvent être déplacé vers les zones où l’énergie est disponible, car les utilisateurs n’y interagissent pas directement. L’inférence en temps réel bénéficie de la proximité des clients et des hubs réseau régionaux.

Le plan à cinq centres pourrait permettre à Alibaba de répartir ces responsabilités. L’entreprise n’a toutefois pas publié suffisamment d’informations pour montrer comment les charges de travail seront attribuées entre les sites annoncés.

Ce détail manquant compte davantage que la capacité mise en avant dans les titres. Une cartographie cohérente des charges de travail montrerait qu’Alibaba conçoit un réseau d’IA, plutôt que de simplement remplir les bâtiments disponibles d’accélérateurs.

Ce que l’affirmation des cinq centres ne montre pas

La stratégie d’infrastructure d’Alibaba reste crédible dans son orientation, mais les éléments publics ne permettent pas d’établir la capacité, l’efficacité ou l’achèvement de chaque centre.

Le rapport principal décrit une évolution sur six ans impliquant cinq super centres de données. Il fournit un cadre historique utile, mais de nombreux détails opérationnels restent hors de la vue du public.

Alibaba n’a pas publié d’inventaire standardisé recensant le nombre d’accélérateurs d’IA pour les cinq campus. L’entreprise n’a pas fourni de chiffres comparables sur la capacité électrique, l’utilisation ou le débit d’entraînement.

Sans ces mesures, il devient difficile de comparer l’échelle des installations. Un cluster moderne peut surpasser un ensemble plus important de serveurs plus anciens tout en consommant moins d’énergie pour la même charge de travail.

La composition des puces constitue une autre incertitude. Alibaba peut combiner des GPU importés, des accélérateurs nationaux et son propre silicium, mais chaque plateforme présente des exigences différentes en matière de logiciels et de réseau.

Une flotte mixte peut améliorer la résilience des approvisionnements. Elle peut aussi fragmenter les outils de développement et compliquer la planification.

Les frameworks d’IA sont souvent optimisés en premier lieu pour l’environnement logiciel de Nvidia. Déplacer une charge de travail vers un autre accélérateur peut nécessiter des modifications de code, de nouveaux noyaux, des tests et un réglage des performances.

Alibaba peut dissimuler une partie de cette complexité grâce à des services cloud gérés. Les clients se préoccupent néanmoins de savoir si le système obtenu répond à leurs attentes en matière de latence, de fiabilité et de coût.

Les contrôles à l’exportation ajoutent de l’incertitude à l’approvisionnement futur en matériel. Les règles peuvent évoluer plus rapidement que les plans de construction, contraignant les fournisseurs chinois de cloud à repenser leurs systèmes autour de composants qu’ils peuvent obtenir de manière régulière.

Le développement de puces nationales apporte une réponse stratégique, mais il n’élimine pas les limites de fabrication. Les puces avancées dépendent du bon fonctionnement conjoint de la fabrication, du packaging, de la mémoire, du réseau et des logiciels.

La disponibilité de l’électricité pourrait devenir un goulot d’étranglement tout aussi important. Les baies d’IA peuvent exiger bien plus d’électricité que les baies de serveurs conventionnelles, exerçant une pression sur les sous-stations et les systèmes de refroidissement.

Un campus peut donc sembler achevé tout en attendant des améliorations électriques. Il peut aussi fonctionner en dessous de sa capacité physique lorsque l’alimentation ou le refroidissement deviennent contraints.

La croissance des revenus d’Alibaba apporte des preuves de la demande, mais pas suffisamment d’éléments sur les rendements. Les revenus cloud peuvent augmenter tandis que les dépenses d’amortissement, d’énergie et d’approvisionnement réduisent la rentabilité.

Les activités plus larges de l’entreprise compliquent le tableau. Les investissements dans le commerce, l’IA grand public et les services de livraison peuvent affecter les bénéfices du groupe même lorsque les performances du cloud s’améliorent.

La concurrence en Chine crée un autre risque. Tencent, Huawei, Baidu et des fournisseurs spécialisés construisent ou achètent des infrastructures d’IA. Les clients ont également intérêt à éviter de dépendre d’une seule famille de modèles.

Hors de Chine, Alibaba fait face à des obstacles supplémentaires. Les règles de résidence des données, les examens de sécurité, les politiques d’approvisionnement et les préoccupations géopolitiques peuvent limiter l’adoption même lorsque sa technologie fonctionne bien.

Google, Microsoft et Amazon disposent déjà d’importants canaux de vente aux entreprises en Amérique du Nord et en Europe. Leurs relations logicielles facilitent le regroupement de l’infrastructure d’IA avec les contrats existants.

Alibaba peut se développer en Asie du Sud-Est, au Moyen-Orient et sur d’autres marchés où elle possède une expérience régionale. Toutefois, de nouveaux centres de données ne produisent pas automatiquement la confiance des clients ni l’adoption par les développeurs.

Son leadership déclaré sur les marchés cloud d’Asie-Pacifique nécessite également une interprétation prudente. Les définitions du marché varient, notamment lorsque les études distinguent l’infrastructure, les services de plateforme, le cloud dédié et le cloud public.

Alibaba affirme que les charges de travail natives de l’IA sont devenues une source majeure de nouvelle demande. Sa déclaration régionale sur le cloud cite des recherches externes, mais les lecteurs devraient examiner les marchés inclus et les catégories de services.

La position sceptique la plus solide n’est donc pas que ce virage soit fictif. Elle consiste à dire que les engagements de capitaux et le nombre d’installations ne suffisent pas à établir l’existence d’un cloud d’IA efficace.

Les preuves devraient émerger de l’utilisation, de la qualité des revenus, de la fiabilité des services et de la demande récurrente des clients. Ces résultats prennent plus de temps à observer qu’une annonce de construction.

Cette distinction maintient l’analyse ancrée dans les faits. Alibaba a divulgué suffisamment d’éléments pour montrer un changement stratégique sérieux. Elle n’en a pas divulgué assez pour déclarer achevée la conversion de son infrastructure.

Le véritable adversaire d’Alibaba est l’usine d’IA intégrée de Google

Google exerce une pression sur Alibaba parce qu’il démontre comment des puces personnalisées, des modèles, des logiciels et la distribution cloud peuvent se renforcer mutuellement.

Le terme d’usine d’IA décrit une infrastructure qui convertit de manière répétée les données, l’électricité et les puces en modèles entraînés et en réponses de production. La caractéristique importante est la production coordonnée, et non le bâtiment lui-même.

Google a passé des années à relier les TPU à ses centres de données, à son réseau, à ses frameworks d’apprentissage automatique et à ses produits internes. Gemini ajoute une autre source de demande au sein des services grand public et d’entreprise.

Alibaba assemble une boucle comparable autour de Qwen. Son cloud offre l’accès aux modèles, des services de développement, du stockage, des bases de données et de la puissance de calcul, tandis que les applications d’Alibaba offrent des possibilités de déploiement interne.

La concurrence entre Alibaba et Google n’exige pas qu’Alibaba reproduise chaque service de Google. Elle exige qu’Alibaba égale les avantages opérationnels qui découlent du contrôle d’une plus grande part de la pile.

L’un de ces avantages est la planification. Un fournisseur verticalement intégré peut déplacer des charges de travail entre générations de puces, régions et niveaux de service tout en optimisant ses propres logiciels.

Un autre concerne le réglage des modèles. Les ingénieurs qui comprennent le matériel sous-jacent peuvent modifier les architectures de modèles ou les méthodes d’inférence afin d’utiliser ce matériel plus efficacement.

Un troisième avantage concerne la planification des approvisionnements. Les feuilles de route des produits internes aident les équipes d’infrastructure à estimer la demande future avant que les clients externes ne passent commande.

Alibaba possède bon nombre de ces ingrédients. Qwen fournit une famille de modèles, Model Studio offre un accès hébergé et Alibaba Cloud fournit la couche de déploiement.

L’entreprise a indiqué que Qwen avait dépassé un milliard de téléchargements cumulés sur Hugging Face au 21 janvier 2026. Les téléchargements ne sont pas synonymes d’adoption en production, mais ils peuvent élargir la communauté de développeurs autour d’une famille de modèles.

Les modèles ouverts créent aussi un compromis stratégique. Une diffusion plus large peut encourager l’adoption au-delà d’Alibaba Cloud, tandis que les services hébergés donnent à l’entreprise un moyen de monétiser un déploiement pratique.

Google suit une voie différente avec ses produits Gemini, les modèles ouverts Gemma, les TPU et les services Vertex AI. Les deux fournisseurs utilisent la disponibilité des modèles pour générer de la demande pour l’infrastructure.

L’avantage local d’Alibaba est particulièrement pertinent pour les clients chinois. L’entreprise peut proposer une infrastructure nationale, des modèles en chinois et des connexions avec des services de commerce largement utilisés.

L’avantage mondial de Google est plus vaste. Son réseau, ses relations avec les entreprises, son organisation de recherche et ses plateformes pour développeurs soutiennent l’adoption sur davantage de marchés.

Les deux entreprises opèrent également dans des conditions réglementaires différentes. Alibaba doit s’adapter à la réglementation chinoise sur les modèles tout en gérant les contrôles étrangers sur l’accès aux puces avancées.

Google fait face à un examen antitrust, à des enjeux de confidentialité, de droit d’auteur et d’énergie dans plusieurs juridictions. L’échelle de son infrastructure ne supprime pas ces contraintes.

Cette rivalité est donc asymétrique plutôt que directe. Google établit une référence pour l’infrastructure d’IA intégrée, tandis qu’Alibaba adapte ce modèle à une chaîne d’approvisionnement nationale contrainte.

Alibaba n’a pas besoin de dépasser l’empreinte cloud mondiale de Google pour renforcer sa position. Elle doit démontrer que ses campus convertis peuvent servir efficacement Qwen et les charges de travail d’entreprise.

Cette preuve exercerait d’abord une pression sur les concurrents chinois. Tencent, Huawei et Baidu devraient égaler la combinaison d’Alibaba en matière de modèles, de capacité, de logiciels et de portée client.

Elle offrirait également aux acheteurs internationaux une autre option d’infrastructure d’IA dans certaines régions. L’adoption dépendrait toujours de la conformité, de l’assistance, de la fiabilité et de la portabilité des charges de travail.

Les cinq super centres de données sont importants parce qu’ils peuvent devenir la base physique de cette boucle intégrée. Leur valeur dépend de la manière dont Alibaba les relie étroitement aux puces et aux logiciels.

S’ils restent des ensembles de serveurs généralistes faiblement coordonnés, l’avantage de Google persiste. S’ils fonctionnent comme des clusters d’IA optimisés, Alibaba obtient une position d’infrastructure plus crédible.

Trois signaux montreront si le virage fonctionne

La prochaine phase devrait être évaluée à travers la capacité exploitable, les revenus externes liés à l’IA et la preuve qu’Alibaba peut fonctionner avec des approvisionnements en puces contraints.

Le premier signal sera une communication détaillée sur l’infrastructure. Alibaba devrait identifier les nouvelles capacités d’IA, le déploiement des accélérateurs, la disponibilité électrique ou les jalons de clusters achevés dans les cinq centres annoncés.

Une communication crédible ne nécessite pas de dévoiler des données d’ingénierie sensibles. Elle devrait fournir suffisamment de mesures cohérentes pour distinguer les serveurs installés de la puissance de calcul exploitable.

Des mesures utiles incluent la capacité agrégée des accélérateurs, les performances réseau des clusters, l’efficacité énergétique ou le taux d’utilisation en production. Des chiffres comparables d’une année sur l’autre permettraient d’évaluer plus facilement les progrès.

Si Alibaba publie ces mesures, l’affirmation concernant les cinq centres gagnera en crédibilité. Continuer de s’appuyer sur le nombre de sites laisserait sans réponse la principale lacune en matière de vérification.

Le deuxième signal concerne les revenus externes liés à l’IA. L’utilisation interne de Qwen peut améliorer l’utilisation des infrastructures, mais la demande de tiers constitue une preuve plus claire que les clients accordent de la valeur à la pile technologique d’Alibaba.

Alibaba prévoit que les services de modèles et d’applications deviendront une activité récurrente plus importante. Les investisseurs devraient vérifier si cette croissance se poursuit parallèlement aux revenus globaux du cloud.

Ils devraient également examiner les marges et l’intensité capitalistique. Une croissance rapide du chiffre d’affaires pèse moins si chaque unité supplémentaire exige des dépenses disproportionnées en matériel rare.

La fidélisation des clients offre un autre indicateur utile. Une utilisation répétée par les entreprises suggère que les modèles et l’infrastructure répondent aux exigences de production après les premiers essais.

Le troisième signal est la stratégie d’Alibaba en matière de puces hétérogènes. Une infrastructure hétérogène combine différentes familles d’accélérateurs au sein d’un même cloud, plutôt que de dépendre d’un seul fournisseur.

Alibaba a besoin de logiciels capables d’ordonnancer les charges de travail entre ces systèmes sans obliger les clients à gérer chaque différence matérielle. Cette capacité réduirait l’impact stratégique des restrictions d’approvisionnement.

Les preuves pourraient inclure une prise en charge plus large des frameworks, des références en production ou des performances documentées sur des accélérateurs nationaux. Les affirmations de l’entreprise en matière de benchmarks devraient toutefois continuer à faire l’objet de tests indépendants.

Une réussite renforcerait l’argument d’Alibaba selon lequel l’intégration verticale peut fonctionner sans le même accès aux puces que Google. Des lacunes persistantes de compatibilité affaibliraient cet argument.

Les réactions concurrentielles méritent également de l’attention, mais elles restent secondaires par rapport à ces trois signaux. Les changements de prix chez Tencent, Huawei, Baidu ou Google peuvent révéler où les capacités se resserrent.

Le cycle d’investissement plus large augmente les enjeux. TrendForce a prévu que les dépenses d’investissement combinées de huit grands fournisseurs de cloud dépasseraient 710 milliards de dollars en 2026.

Ces prévisions peuvent évoluer, mais la direction est claire. Alibaba entre dans une période où ses rivaux investissent eux aussi massivement dans les centres de données, les accélérateurs et les puces personnalisées.

De vastes budgets d’investissement ne garantissent pas un avantage durable. Ils peuvent créer des surcapacités si la demande ralentit ou si l’efficacité des modèles s’améliore plus vite que prévu.

De meilleurs modèles peuvent également accroître la demande en rendant davantage d’applications économiquement viables. La relation entre l’efficacité et la consommation totale de calcul reste incertaine.

Pour les développeurs, la question immédiate est la portabilité. Les équipes devraient comprendre si les applications peuvent passer entre Qwen, Gemini et d’autres services de modèles sans refonte majeure.

Les acheteurs d’entreprise devraient examiner la disponibilité régionale, le traitement des données, la fiabilité du service et les dépendances matérielles. Les chiffres phares sur le nombre d’accélérateurs répondent rarement à ces questions opérationnelles.

Les travailleurs du savoir ressentiront les conséquences indirectement. Une plus grande capacité d’inférence peut permettre des assistants plus rapides, des tâches de raisonnement plus longues et des fonctionnalités d’IA intégrées aux logiciels professionnels du quotidien.

Les équipes qui suivent ces évolutions ont besoin d’un registre pérenne des déclarations des fournisseurs, des benchmarks, des notes de déploiement et des changements de politique. Une base de connaissances d’ingénierie consultable peut ancrer ces décisions dans des éléments probants.

La course aux infrastructures entre Alibaba et Google a dépassé le stade des annonces de modèles. Alibaba transforme des actifs physiques construits pour une précédente ère du cloud en fondation pour des services d’IA.

La question ouverte est de savoir si ces cinq campus deviendront un système de production coordonné ou resteront un ensemble de sites impressionnants. Surveillez les informations publiées sur les capacités, les revenus externes liés à l’IA et la prise en charge logicielle de plusieurs puces.

Ces signaux révéleront davantage qu’une nouvelle promesse d’investissement. Ils montreront si Alibaba a construit un cloud d’IA que les clients peuvent utiliser à grande échelle, malgré les contraintes qui l’entourent.