L’essor d’une IA autosuffisante en Asie risque de faire manquer le virage aux entreprises occidentales

Google News a mis en avant une affirmation marquante : le marché asiatique de l’IA devient autosuffisant, alors même que les entreprises occidentales contrôlent encore de nombreux modèles et plateformes cloud de premier plan.

L’argument, présenté par The Business Times, va au-delà d’une simple prédiction sur la croissance technologique régionale. Il suggère que les entreprises asiatiques peuvent de plus en plus financer, développer, déployer et acheter de l’IA au sein de marchés locaux interconnectés. Les fournisseurs occidentaux ne disposent plus d’un droit acquis sur chaque couche de cet écosystème.

Cette conclusion doit toutefois être nuancée. L’Asie ne constitue pas un marché technologique unifié, et les États-Unis conservent un immense avantage en matière de capitaux. Pourtant, le système régional comprend désormais davantage de ses propres modèles, infrastructures, clients, puces et investissements publics. L’équilibre évolue d’une dépendance vers une indépendance sélective.

La véritable compétition ne se joue donc pas entre l’Asie et l’Occident sur un simple benchmark de modèles. Elle oppose des systèmes adaptés aux réalités locales à des plateformes occidentales conçues pour une échelle mondiale. Les premiers offrent une profonde compréhension régionale et une grande souplesse de déploiement. Les secondes disposent de budgets de recherche plus importants, de clouds établis et d’une large distribution auprès des entreprises.

Le titre de Google News reflète un changement structurel

L’histoire de l’IA en Asie passe de l’adoption technologique au contrôle de la chaîne de production.

Le titre de The Business Times mis en avant par Google News décrit un écosystème capable de soutenir une part croissante de son propre développement. Cela ne signifie pas que les entreprises asiatiques ont cessé d’utiliser des puces, des clouds ou des modèles fondamentaux américains. Cela signifie que les acteurs locaux peuvent associer ces composants à des capitaux, des données, de la recherche et des réseaux de distribution régionaux.

Plusieurs évolutions étayent cette interprétation. Les gouvernements d’Asie du Sud-Est financent des programmes nationaux d’IA. Les opérateurs régionaux développent leurs centres de données. Les chercheurs locaux produisent des modèles linguistiques pour des marchés que les systèmes mondiaux représentent souvent de manière inégale.

Les capitaux affluent également vers ce secteur. Google, Temasek et Bain ont indiqué que les investisseurs avaient placé plus de 2,3 milliards de dollars dans plus de 680 startups d’IA d’Asie du Sud-Est au cours de l’année couverte par leur rapport régional sur l’IA. L’IA a représenté plus de 30 % des financements privés au premier semestre 2025.

Le même rapport prévoyait plus de 4 600 mégawatts de nouvelle capacité de centres de données en Asie du Sud-Est. Cela représenterait une croissance de 180 %, contre 120 % dans le reste de l’Asie-Pacifique.

Ces chiffres décrivent plus qu’une demande de chatbots. Les centres de données offrent aux entreprises locales des lieux où entraîner, affiner et exécuter des modèles. Les startups régionales créent des logiciels pour des clients locaux. Les gouvernements influencent les achats publics, la gouvernance des données et la couverture linguistique.

Un système autosuffisant n’exige pas que chaque composant soit d’origine locale. Aucune grande économie technologique ne fonctionne ainsi. Il exige un nombre suffisant de fournisseurs et d’acheteurs alternatifs pour empêcher un fournisseur externe d’imposer toutes les conditions.

Cette distinction est importante, car l’activité asiatique dans l’IA était auparavant plus facilement décrite comme une adoption en aval. Les entreprises occidentales fournissaient les plateformes centrales, tandis que les entreprises asiatiques les intégraient à des produits grand public et professionnels. Cette relation paraît désormais moins figée.

Les modèles à poids ouverts accélèrent également cette transition. Les poids ouverts sont des paramètres de modèles téléchargeables que les développeurs peuvent exécuter et adapter sur l’infrastructure de leur choix. Les équipes peuvent créer des produits régionaux sans envoyer chaque requête vers l’interface de programmation d’applications d’un fournisseur étranger.

Les développeurs de modèles chinois constituent une partie de cette offre. Les programmes de recherche publics de Singapour en apportent une autre. L’Inde, le Japon, la Corée du Sud, l’Indonésie et la Malaisie réunissent diverses combinaisons de talents, de capacités industrielles, de données linguistiques et de soutien public.

Le changement reste incomplet, mais il est mesurable. L’Asie dispose de plus en plus des capacités internes nécessaires pour choisir la place de la technologie occidentale, plutôt que de l’accepter comme fondation par défaut.

Les modèles locaux comblent les lacunes laissées par les plateformes mondiales

Les modèles régionaux gagnent en valeur lorsque la langue, la culture, la réglementation et les coûts d’exploitation comptent davantage qu’une avance sur les benchmarks mondiaux.

SEA-LION de Singapour illustre ce mécanisme. Développée par AI Singapore, cette famille de modèles ouverts se concentre sur les langues et les contextes culturels d’Asie du Sud-Est. Elle couvre des langues et dialectes régionaux auxquels de nombreux systèmes entraînés à l’échelle mondiale accordent moins d’attention.

L’Infocomm Media Development Authority de Singapour indique que SEA-LION fonctionne dans plus de 13 langues régionales. Selon le programme national de modèles de l’agence, il prend en charge la communication multilingue et les tâches documentaires localisées.

Ces caractéristiques répondent à des conditions commerciales courantes en Asie du Sud-Est. Une conversation avec le service client peut passer de l’anglais au malais, au mandarin et à des expressions locales. Un système de documents gouvernementaux peut devoir interpréter plusieurs écritures. Un assistant commercial peut rencontrer des descriptions de produits culturellement spécifiques.

Les modèles mondiaux peuvent répondre dans de nombreuses langues, mais une prise en charge linguistique élémentaire ne garantit pas une précision équivalente. Les performances peuvent varier lorsque les utilisateurs changent de langue au sein d’une phrase ou s’appuient sur des noms, institutions et conventions sociales régionales.

Les tests de sécurité de l’IA menés à Singapour ont révélé des capacités linguistiques inégales parmi des modèles importants. L’évaluation a également observé que les développeurs de modèles ne documentent pas toujours clairement leur maîtrise des langues autres que leurs langues principales.

Cet écart crée de la place pour les systèmes régionaux. Un modèle adapté localement n’a pas besoin de surpasser chaque modèle occidental sur tous les benchmarks. Il doit fournir des performances fiables sur les tâches qui déterminent l’adoption sur son marché cible.

SEA-LION montre également que le système asiatique peut réutiliser la recherche externe sans rester commercialement dépendant d’un seul fournisseur. Le projet s’appuie sur des modèles fondamentaux ouverts, notamment des familles de modèles associées à Google, Meta et Qwen de Chine. Les chercheurs locaux adaptent ensuite cette base grâce à des données et à des évaluations régionales.

Il ne s’agit pas d’une indépendance technologique totale. Il s’agit d’une indépendance modulaire. Les développeurs peuvent remplacer certaines parties de la pile technologique tout en conservant les composants qui fonctionnent.

Le programme national plus vaste de Singapour renforce cette trajectoire. Le gouvernement a lancé une initiative de modèle linguistique multimodal soutenue à hauteur de 70 millions de dollars singapouriens. Les systèmes multimodaux peuvent interpréter plus que du texte, notamment des images, la parole ou d’autres entrées.

Un rapport annuel de l’IMDA indique que SEA-LION avait dépassé les 235 000 téléchargements et était déjà utilisé par des établissements universitaires et des entreprises en Indonésie et en Thaïlande. Les téléchargements ne prouvent pas une utilisation durable en production, mais ils témoignent d’un intérêt des développeurs au-delà d’un seul laboratoire national.

La Chine ajoute de l’ampleur à ce même schéma. Ses entreprises publient des modèles à poids ouverts performants, exploitent de grandes plateformes grand public et vendent des services aux entreprises nationales. La Corée du Sud et le Japon apportent une expertise en semi-conducteurs, une industrie électronique, la robotique et une clientèle industrielle établie.

Ces marchés ne forment pas un bloc coordonné. Leurs systèmes politiques, règles commerciales, langues et relations avec les États-Unis diffèrent fortement. Néanmoins, leurs capacités peuvent se compléter par l’investissement, les logiciels ouverts, les contrats d’approvisionnement et des besoins de déploiement communs.

C’est pourquoi le titre de Google News mérite l’attention. L’opportunité régionale ne se limite plus à revendre un modèle occidental derrière une interface localisée. Les équipes asiatiques peuvent de plus en plus choisir des modèles, les adapter, les héberger et vendre les applications qui en résultent par l’intermédiaire de réseaux régionaux.

Les entreprises occidentales d’IA restent en tête, mais le capital ne suffit pas à sécuriser l’Asie

Les entreprises américaines conservent le plus grand avantage financier, mais cet avantage ne garantit pas le contrôle des déploiements régionaux.

L’écart de capitaux reste considérable. L’AI Index 2025 de Stanford a recensé 109,1 milliards de dollars d’investissements privés américains dans l’IA en 2024. La Chine a attiré 9,3 milliards de dollars, tandis que le Royaume-Uni a enregistré 4,5 milliards de dollars.

Les conclusions de l’AI Index ont également recensé 40 modèles notables issus d’institutions américaines en 2024. La Chine en a produit 15, et l’Europe trois. Selon ces mesures, le leadership américain était clair.

Cependant, la même étude a constaté que les modèles chinois avaient réduit leurs écarts de performance sur les principaux benchmarks. La Chine est également restée un leader des publications et des brevets en IA. La situation était donc inégale, mais non statique.

Les entreprises occidentales possèdent des atouts majeurs. Microsoft, Amazon et Google exploitent des plateformes cloud matures. OpenAI, Anthropic, Google DeepMind et Meta emploient d’importantes équipes de recherche. Les logiciels et systèmes d’accélérateurs de Nvidia restent au cœur d’une grande partie du marché mondial de l’IA.

Ces atouts peuvent devenir une faiblesse lorsque les fournisseurs supposent que le leadership technique crée automatiquement une fidélité locale. Les acheteurs asiatiques évaluent la localisation des données, la qualité linguistique, les règles d’achat, la personnalisation et l’exposition géopolitique en parallèle des performances générales des modèles.

Un fournisseur multinational de modèles cherche souvent à proposer une plateforme unique capable de servir de nombreux pays. Un développeur régional peut optimiser son produit pour un environnement opérationnel plus restreint. Ce développeur peut accepter un score inférieur sur un benchmark en anglais en échange d’un meilleur traitement des documents locaux.

La gouvernance des données ajoute une autre pression. Les banques, organismes publics, prestataires de santé et entreprises industrielles peuvent ne pas souhaiter que des informations sensibles soient traitées par un service hébergé à l’étranger. Certains exigeront un hébergement local ou un contrôle plus direct du comportement des modèles.

Les systèmes à poids ouverts offrent aux acheteurs une autre option de négociation. Une entreprise peut héberger un modèle auprès d’un fournisseur cloud local, recruter un intégrateur régional et modifier ultérieurement son architecture de déploiement. Cette flexibilité réduit l’effet de verrouillage dont peut bénéficier une plateforme fermée.

Le coût influence également la décision. Le meilleur modèle pour une tâche de recherche à forte valeur ajoutée peut ne pas être économique pour des millions de classifications, traductions ou interactions d’assistance courantes. Les fournisseurs régionaux peuvent concurrencer les autres en associant un modèle plus petit à une charge de travail spécifique.

Les entreprises occidentales réagissent par des régions cloud locales, des investissements, des partenariats et des équipes de recherche. Cette activité confirme l’importance de l’Asie, mais elle ne garantit pas que la valeur revienne à un siège occidental.

Une région cloud peut soutenir des startups locales qui concurrenceront ensuite les propres produits d’IA du fournisseur cloud. Un modèle ouvert publié par une entreprise occidentale peut devenir la base d’un service portant une marque locale. L’investissement peut renforcer le marché tout en réduisant le contrôle de l’investisseur.

La compétition principale oppose donc la propriété des plateformes à l’adaptation régionale. Les entreprises occidentales veulent que les clients restent dans des clouds intégrés et des services de modèles propriétaires. Les développeurs asiatiques veulent sélectionner les composants tout en contrôlant le produit final et la relation client.

Aucune de ces approches ne l’emportera partout. Les plateformes fermées restent attrayantes lorsque les entreprises accordent de l’importance au support, aux outils de sécurité et à une intégration prévisible. Les systèmes régionaux deviennent plus attractifs lorsque le contexte local et le contrôle du déploiement influencent la décision d’achat.

Les entreprises les plus sous pression ne sont pas nécessairement les plus grands laboratoires. Ce sont les fournisseurs occidentaux qui considèrent l’Asie comme un territoire de distribution plutôt que comme une source de modèles, de conception de produits et de normes techniques.

Le système d’IA asiatique se développe autour de pôles inégaux

La thèse régionale est crédible, mais les bénéfices restent concentrés dans un petit nombre de marchés et d’entreprises.

Qualifier l’Asie d’autonome peut masquer d’importantes disparités internes. Singapour dispose de marchés financiers profonds, d’une solide infrastructure numérique et de talents en IA concentrés. L’Indonésie offre un vaste marché de consommation. La Malaisie et la Thaïlande attirent des investissements dans les centres de données. D’autres pays accusent des écarts plus importants en matière d’infrastructures et de compétences.

L’OCDE a indiqué que le financement des startups d’IA dans les six plus grandes économies de l’ASEAN est passé de 113 millions de dollars en 2015 à 3,8 milliards de dollars en 2024. Cependant, les investissements étaient fortement concentrés.

Singapour a reçu 12,7 milliards de dollars, soit 80 % du financement en capital-risque de l’IA dans l’ASEAN entre 2015 et 2024. L’Indonésie suivait avec 1,6 milliard de dollars, selon l’analyse du commerce numérique de l’OCDE.

Les infrastructures présentent une concentration similaire. L’OCDE a déclaré que les investissements annoncés dans des centres de données de l’ASEAN prêts pour l’IA dépassaient 50 milliards de dollars. La Malaisie représentait 25 milliards de dollars, Singapour 9 milliards, et la Thaïlande 8 milliards.

Les talents demeurent également inégalement répartis. L’OCDE a recensé 3,5 professionnels de l’IA pour 1 000 travailleurs à Singapour. La Malaisie en comptait 0,5, tandis que plusieurs autres grandes économies de l’ASEAN en comptaient environ 0,2.

Ces disparités fragilisent la version la plus simple de l’argument d’autosuffisance. Un petit groupe de pôles peut soutenir le développement régional, mais de nombreuses entreprises dépendent encore de capitaux étrangers, d’accélérateurs importés et de services cloud externes.

La position de la région dans les chaînes d’approvisionnement en semi-conducteurs mérite également une interprétation prudente. Taïwan et la Corée du Sud sont au cœur de la fabrication de puces avancées et de mémoires. Le Japon fournit des équipements et matériaux essentiels. Pourtant, une grande partie des logiciels de conception de puces et de l’architecture des accélérateurs concernés reste liée à des entreprises américaines.

Les contrôles à l’exportation peuvent interrompre ce réseau. Les restrictions d’approvisionnement peuvent modifier les puces accessibles aux laboratoires chinois. Les gouvernements peuvent faire pression sur les fournisseurs au sujet des équipements, de l’hébergement ou des transferts de technologie.

L’énergie constitue une autre contrainte. Les centres de données d’IA nécessitent d’importants approvisionnements électriques fiables et des systèmes de refroidissement. La capacité annoncée ne devient une puissance de calcul utilisable qu’une fois les sites, raccordements au réseau, équipements et clients sécurisés.

Le tableau du financement est également moins équilibré que ne le laisse entendre le titre. Le capital-risque hors des États-Unis peine à égaler les levées de fonds considérables accessibles aux principaux laboratoires américains. Certains fondateurs asiatiques déplacent encore leurs activités ou leur siège social vers les États-Unis afin d’atteindre investisseurs et clients.

Selon une analyse des financements de juillet 2026, le financement technologique en Asie du Sud-Est est passé d’environ 10,1 milliards de dollars en 2022 à 2,2 milliards en 2024. Le rapport décrivait également des fondateurs se rapprochant du marché américain du financement, plus profond.

Ce mouvement ne réfute pas la thèse de l’écosystème régional. Il montre que le talent et la propriété peuvent se dissocier. Un fondateur formé en Asie peut bâtir son entreprise en Californie, tandis qu’une entreprise américaine peut mener ses recherches à Singapour et vendre par l’intermédiaire d’un partenaire indonésien.

L’adoption en production présente une autre incertitude. Le nombre de startups, les téléchargements de modèles et les annonces de centres de données mesurent une capacité ou un intérêt. Ils ne prouvent pas que les entreprises obtiennent des retours durables de systèmes d’IA.

Un écosystème autonome a besoin de clients récurrents, et pas uniquement de subventions publiques et de tours de table. Il doit convertir les projets pilotes en logiciels opérationnels que les entreprises continuent d’acheter une fois les financements promotionnels terminés.

L’interprétation la plus solide est donc plus circonscrite. L’Asie compte désormais plusieurs pôles d’IA interconnectés, capables de générer des modèles, des infrastructures et de la demande. Ces pôles peuvent soutenir des alternatives régionales, même s’ils n’éliminent pas les dépendances externes.

Ce que la thèse de Google News ne prouve pas

Une chaîne d’approvisionnement régionale en expansion ne prouve pas que les entreprises asiatiques capteront l’essentiel des profits qui en résultent ou remplaceront les technologies occidentales.

La première incertitude concerne le sens du terme « Asie ». Le marché technologique chinois fonctionne selon des règles différentes de celles du Japon, de l’Inde, de Singapour ou de l’Indonésie. Les traiter comme une seule unité concurrentielle peut produire un titre convaincant, mais une prévision commerciale fragile.

Les différends commerciaux renforcent ces divisions. Un modèle chinois peut être peu coûteux et adaptable, mais certains acheteurs l’éviteront en raison de politiques de sécurité ou de risques réglementaires. Un fournisseur américain peut faire face à ses propres objections concernant la souveraineté des données.

La deuxième incertitude porte sur la durabilité commerciale. Les programmes publics peuvent financer des modèles que les utilisateurs privés adoptent rarement. Les investisseurs en infrastructures peuvent développer la capacité plus vite que les clients ne la consomment. Les startups peuvent attirer des financements sans trouver de marché rentable.

Le troisième enjeu est celui de la mesure. Les benchmarks de modèles privilégient souvent l’anglais, le code, les mathématiques ou des tâches de raisonnement standardisées. Les évaluations dans les langues locales peuvent reposer sur des jeux de données plus petits et des méthodologies différentes. Aucune de ces catégories ne reflète à elle seule les performances au sein d’un véritable flux de travail d’entreprise.

Le travail de Singapour sur les modèles régionaux apporte une réponse réelle à la sous-représentation linguistique. Toutefois, les descriptions officielles des programmes ne prouvent pas de manière indépendante qu’un modèle local est plus performant pour chaque tâche en entreprise.

La même prudence s’applique aux affirmations des entreprises sur l’ensemble du marché. Un fournisseur peut faire état de coûts d’inférence réduits sans comptabiliser l’intégration, la supervision, les revues de sécurité et la maintenance. Un autre peut promouvoir un hébergement local tout en conservant des dépendances à des logiciels ou matériels étrangers.

Les développeurs et acheteurs en entreprise devraient examiner l’ensemble de la chaîne opérationnelle. Cela inclut les licences des modèles, les conditions d’hébergement, la conservation des données, les méthodes d’évaluation, la disponibilité du matériel et le coût du changement de fournisseur.

Les équipes à forte intensité de connaissances font face à un défi supplémentaire. L’origine géographique d’un modèle importe moins lorsque ses réponses reposent sur un contexte d’entreprise incomplet. L’avantage pratique provient souvent de la connexion d’un modèle adapté à des documents internes gouvernés.

Une base de connaissances d’IA bien entretenue peut rendre les comparaisons entre modèles plus pertinentes. Les équipes peuvent tester des systèmes concurrents sur les mêmes contenus approuvés, au lieu de s’appuyer sur des démonstrations génériques.

Les normes de sécurité et de sûreté pourraient également déterminer quels produits régionaux parviennent à se déployer à grande échelle. Le contexte local peut améliorer la pertinence, mais créer de nouvelles exigences d’évaluation selon les langues. Les contenus préjudiciables, la sensibilité politique et les présupposés culturels ne se transfèrent pas facilement d’un marché à l’autre.

Singapour développe des méthodes de test régionales dans le cadre de ses travaux sur l’assurance de l’IA. Son cadre de sécurité multiculturel met l’accent sur des évaluations couvrant les langues et contextes d’Asie du Sud-Est.

Ce travail met en évidence le compromis central. L’adaptation régionale peut accroître l’utilité, mais la fragmentation peut compliquer les tests. Chaque langue supplémentaire, environnement de déploiement et variation de modèle alourdit la charge d’assurance.

Les entreprises occidentales conservent des opportunités si elles traitent la localisation comme une question d’ingénierie plutôt que de marketing. Elles peuvent prendre en charge l’hébergement local, publier des évaluations linguistiques plus claires, collaborer avec des groupes de recherche régionaux et offrir aux clients davantage de choix architecturaux.

Les fournisseurs asiatiques font face au test inverse. Ils doivent montrer que la pertinence locale produit des opérations fiables, et pas seulement une image de marque nationale. Ils ont également besoin de pratiques de sécurité crédibles et d’une capacité de support suffisante pour les grands déploiements en entreprise.

La thèse du Business Times doit donc être lue comme un avertissement sur la structure du marché, et non comme une déclaration de victoire. L’Asie a gagné en pouvoir de négociation. La répartition finale des revenus, des normes et de la propriété reste incertaine.

Trois signaux montreront si ce changement perdure

La prochaine étape sera déterminée par l’usage en production, le déploiement des infrastructures et le comportement des plateformes occidentales.

Le premier signal est l’adoption durable de modèles régionaux par les entreprises. Les téléchargements et programmes d’essai témoignent d’un intérêt, mais des charges de travail de production récurrentes fournissent des preuves plus solides.

Les acheteurs devraient observer si les banques, les entreprises de télécommunications, les organismes publics et les opérateurs industriels renouvellent leurs déploiements régionaux d’IA. Les études de cas devraient préciser la tâche, la langue, la méthode d’évaluation et l’échelle opérationnelle.

Une expansion régulière de SEA-LION, MERaLiON ou d’autres systèmes régionaux vers le service client, l’analyse documentaire et les flux de travail réglementés renforcerait la thèse de l’autosuffisance. Des expérimentations limitées sans usage continu l’affaibliraient.

Le deuxième signal est de savoir si la capacité annoncée des centres de données entre réellement en service. L’Asie du Sud-Est a attiré d’importants engagements en matière d’infrastructures, mais la construction dépend de l’électricité, des équipements, de l’accès au réseau et de la réglementation.

Une capacité opérationnelle offrirait davantage d’options d’hébergement aux développeurs régionaux. Elle pourrait aussi réduire la latence et aider les entreprises à respecter les exigences de résidence des données. Des retards répétés ou une faible utilisation suggéreraient que l’investissement a devancé la demande.

Le troisième signal concerne la manière dont les entreprises occidentales font évoluer leurs stratégies de produits et de partenariats. Un fournisseur qui ajoute un hébergement local sans améliorer l’évaluation linguistique n’a résolu qu’une partie du problème.

Des réponses plus significatives incluraient des benchmarks régionaux transparents, la prise en charge de modèles choisis par les clients, des partenariats plus approfondis avec des institutions de recherche asiatiques et des outils permettant aux entreprises de déplacer leurs charges de travail entre fournisseurs.

Les acquisitions fourniront un autre indice dans ce signal. Les entreprises occidentales peuvent acquérir des équipes régionales pour obtenir des données linguistiques, des relations commerciales ou des technologies spécialisées. Ces opérations pourraient valider l’innovation locale tout en déplaçant la propriété hors de la région.

À l’inverse, des entreprises asiatiques pourraient acquérir des startups voisines et développer elles-mêmes une distribution régionale. Cette tendance fournirait des preuves plus solides que les capitaux et les clients locaux peuvent soutenir une consolidation.

Les lecteurs qui suivent cette histoire via Google News devraient distinguer les annonces des déploiements achevés. Un nouveau fonds, laboratoire ou centre de données ne compte que lorsqu’il modifie qui peut créer et acheter des systèmes utiles.

Les développeurs devraient comparer les modèles dans leurs langues et sur leurs documents réels. Les acheteurs en entreprise devraient demander où les données sont traitées et avec quelle facilité ils peuvent changer de fournisseur. Les investisseurs devraient suivre les revenus récurrents plutôt que de compter les lancements de modèles.

Le jugement central est déjà plus clair qu’il ne l’était il y a plusieurs années. Les entreprises occidentales restent des participantes essentielles à l’IA asiatique, mais elles deviennent des participantes au sein d’un système plus vaste plutôt que les propriétaires incontestées de celui-ci.

Répondront-elles en accordant davantage de contrôle aux clients régionaux, ou continueront-elles à traiter la localisation comme une couche commerciale ? La réponse déterminera si le prochain titre de Google News décrira un partenariat, une concurrence ou un marché que les entreprises occidentales auront laissé se développer autour d’elles.