Les dépôts d’IA générative auprès de la CAC atteignent 1 112 alors que la Chine accélère la mise en conformité

Les dépôts d’IA générative auprès de la CAC ont augmenté de 124 services en juillet et août 2026, portant le total national chinois à 1 112. Ce lot comprenait également sept services conçus pour faire fonctionner l’IA générative sur des smartphones.

Cette croissance crée une tension réglementaire rarement visible dans les annonces de lancement. La Chine autorise davantage de modèles dans des produits destinés au public tout en élargissant le système de conformité qui les entoure. Il ne s’agit donc ni d’une simple histoire de restrictions ni d’un déploiement sans entraves.

Le système de dépôt distingue désormais les développeurs qui fournissent directement des capacités de modèles des applications reposant sur des modèles déjà déposés. Cette distinction met sous pression à la fois les fournisseurs de modèles et les équipes produit en aval. Ils doivent décider s’ils assument la charge réglementaire ou s’ils dépendent d’un fournisseur approuvé.

Les dépôts d’IA générative auprès de la CAC ont ajouté 124 services en deux mois

Les derniers chiffres montrent que le système chinois de dépôt traite davantage de services sans faire entrer chaque produit d’IA dans une unique catégorie réglementaire.

L’Administration chinoise du cyberespace a publié l’annonce source à 18 heures, heure de Pékin, le 14 septembre 2026. Cette date importe, car le fil d’actualité initial ne fournissait pas d’heure de publication vérifiée.

Selon l’avis officiel de dépôt, 124 services d’IA générative ont achevé les procédures nationales de dépôt en juillet et août. Sept d’entre eux fournissent directement de l’IA générative sur des appareils mobiles.

Un groupe distinct de 133 applications ou fonctionnalités a achevé son enregistrement auprès des autorités locales du cyberespace. Ces produits accèdent aux capacités de modèles précédemment déposés via des API ou d’autres méthodes techniques.

Au 31 août, la Chine comptait 1 112 services d’IA générative déposés et 731 applications ou fonctionnalités enregistrées. Il s’agit de totaux cumulés, et non d’estimations du nombre mensuel de produits actifs ou de modèles de fondation uniques.

La distinction entre dépôt et enregistrement est au cœur de l’annonce. Une entreprise qui fournit directement un service de modèle génératif est soumise à la voie nationale de dépôt. Une application en aval utilisant un modèle déjà déposé suit une voie d’enregistrement locale.

Cette architecture reflète la structure de plus en plus stratifiée du marché de l’IA. Une entreprise de modèles de fondation peut servir de nombreuses applications, tandis que chaque application comporte sa propre interface, ses utilisateurs, ses cas d’usage et ses risques liés au contenu.

Les chiffres révèlent également la rapidité avec laquelle cette couche aval s’étend. Au cours de la période de deux mois, les applications enregistrées ont dépassé les services déposés de neuf unités. Cette observation est limitée à une fenêtre de reporting, mais elle étaye une évolution plus large vers le déploiement d’applications.

Les sept services mobiles apportent un autre signal important. L’IA générative exécutée sur l’appareil traite au moins certaines requêtes ou opérations du modèle sur un téléphone, plutôt que de dépendre entièrement d’une infrastructure distante.

Le déploiement mobile peut réduire la latence et limiter la quantité d’informations transmise à un serveur cloud. Il complique également la conformité, car le comportement du modèle est réparti entre les appareils, les versions logicielles et les configurations matérielles.

La CAC n’a pas identifié les sept services mobiles dans son bref avis public. Le document de dépôt joint fournit l’enregistrement officiel, mais l’annonce ne propose aucun résultat de performance ni donnée d’adoption.

Elle ne précise pas non plus le temps passé par chaque demandeur en cours d’examen. Les lecteurs ne devraient pas interpréter 124 dépôts comme 124 demandes soumises et finalisées au cours des mêmes deux mois.

L’avis indique que les fournisseurs destinés au public présentant des attributs d’opinion publique ou des capacités de mobilisation sociale peuvent achever leur dépôt ou leur enregistrement auprès de l’autorité locale compétente. Il exige également que les produits lancés affichent de manière visible le nom du modèle ainsi que l’identifiant de dépôt ou d’enregistrement.

Pour les utilisateurs, cette divulgation peut apparaître sur une page de détails du produit ou dans un autre emplacement visible. Pour les opérateurs de produits, elle transforme la relation avec le modèle sous-jacent en une information qui doit rester exacte après le lancement.

Une équipe ne peut pas considérer le choix d’un modèle comme une décision d’infrastructure privée si le produit public identifie ce modèle. Changer de fournisseur peut simultanément affecter le comportement du produit, les contrats, le traitement des données et les dossiers réglementaires.

Le dernier lot marque donc bien davantage qu’une hausse dans une base de données gouvernementale. Il montre un système de conformité qui suit l’IA depuis la couche des modèles jusque dans les produits individuels et les appareils mobiles.

Le pipeline chinois de dépôt d’IA accélère

La Chine a ajouté davantage de services déposés au cours des huit premiers mois de 2026 qu’elle n’en avait enregistré durant l’ensemble de l’année 2025.

Le total d’août, fixé à 1 112, représente une hausse de 364 services déposés depuis la fin de 2025. Ce calcul découle des totaux de fin d’année et des lots de 2026 publiés par la CAC.

La Chine a terminé l’année 2024 avec 302 services d’IA générative déposés. La CAC a ensuite fait état de 446 ajouts en 2025, portant le total à 748.

L’enregistrement des dépôts de 2025 a également comptabilisé 330 nouvelles applications ou fonctionnalités enregistrées au cours de cette année. Ajoutées aux 105 inscriptions recensées à la fin de 2024, elles ont porté le total de fin d’année 2025 à 435.

La première période de reporting de 2026 a ensuite ajouté 48 services déposés et 46 applications enregistrées. Les totaux de février ont atteint respectivement 796 et 481.

Mars et avril ont apporté 72 services déposés supplémentaires et 49 enregistrements. La mise à jour des dépôts d’avril a porté les comptes cumulés à 868 services déposés et 530 applications enregistrées.

Mai et juin ont ajouté 120 services déposés et 68 enregistrements. Les totaux ont ainsi atteint 988 et 598 avant le début de la dernière période de reporting.

Les ajouts de juillet et août ont ensuite produit les totaux actuels de 1 112 dépôts et 731 enregistrements. Sur les huit premiers mois de 2026, les dépôts ont augmenté d’environ 49 % par rapport au niveau de fin d’année 2025.

Les enregistrements ont augmenté de 296 sur la même période, soit une hausse d’environ 68 %. Cette croissance proportionnellement plus rapide est cohérente avec le fait que davantage d’entreprises conditionnent des modèles existants dans des applications spécialisées.

Ces comparaisons décrivent l’inventaire réglementaire, et non le succès commercial des services répertoriés. Un dépôt ne révèle ni le chiffre d’affaires, ni la fidélisation des utilisateurs, ni le volume d’inférence, ni la qualité du modèle.

Il ne prouve pas non plus que chaque service déposé reste disponible. Certains produits peuvent changer de nom, remplacer leurs modèles sous-jacents, limiter leur disponibilité ou ne pas parvenir à attirer un usage significatif.

Le rythme des dépôts conserve néanmoins une importance stratégique. Les développeurs qui ciblent des consommateurs chinois disposent désormais d’un choix croissant de fournisseurs de modèles conformes et d’un ensemble grandissant de précédents applicatifs.

Cela peut abaisser un obstacle au développement en aval. Une équipe produit peut enregistrer une application construite sur un modèle déposé au lieu d’exploiter et de déposer son propre service de modèle.

Cet arrangement favorise les fournisseurs capables de transformer un modèle en infrastructure pour de nombreuses applications. Les fournisseurs de cloud et les entreprises de modèles peuvent répartir le travail de conformité sur une base clients plus large.

Il confère également un avantage opérationnel aux plateformes établies. Les grandes entreprises disposent souvent d’équipes juridiques, de sécurité, d’évaluation et de modération des contenus capables de tenir à jour les dossiers de multiples produits.

Les petits développeurs font face à un calcul différent. Utiliser un modèle tiers peut réduire la charge initiale de dépôt, mais crée une dépendance technique et commerciale vis-à-vis du fournisseur.

Une modification de l’accès au modèle, du comportement de modération, de la politique tarifaire ou de la disponibilité de l’API peut affecter le produit en aval. Le développeur de l’application demeure responsable de l’expérience des utilisateurs.

Les totaux représentent donc deux formes d’expansion. La Chine accroît le nombre de services de modèles pouvant être déployés auprès du public tout en construisant une économie applicative plus vaste au-dessus d’eux.

Cette croissance à deux niveaux est la raison la plus claire pour laquelle le dernier avis est important. Le système de conformité ne suit plus uniquement les modèles de fondation les plus visibles des grandes entreprises technologiques.

Il suit de plus en plus les produits qui intègrent ces modèles dans les téléphones, les outils professionnels, les services grand public et les flux de travail propres à certains secteurs.

Le dépôt contre l’enregistrement constitue la principale fracture du marché

La concurrence décisive oppose les entreprises qui possèdent une pile de modèles déposée aux développeurs qui créent des produits sur l’infrastructure approuvée de tiers.

Les règles provisoires chinoises couvrent les services d’IA générative proposés au public dans le pays. Elles concernent les systèmes qui génèrent du texte, des images, de l’audio, de la vidéo et d’autres contenus.

Les règles sont entrées en vigueur le 15 août 2023. Elles ont établi des obligations relatives aux données d’entraînement, aux informations personnelles, à la gouvernance des contenus, à la protection des utilisateurs et à la coopération réglementaire.

En vertu des mesures provisoires sur l’IA, les fournisseurs doivent prendre des mesures pour améliorer l’exactitude et la fiabilité des contenus générés. Ils doivent également protéger les enregistrements des données saisies par les utilisateurs et éviter de collecter des informations personnelles inutiles.

Les services présentant des attributs d’opinion publique ou des capacités de mobilisation sociale sont soumis à des exigences d’évaluation de sécurité et de dépôt des algorithmes. Ces termes concentrent le système sur les services destinés au public susceptibles d’influencer la diffusion de l’information ou les comportements collectifs.

La voie du dépôt place le fournisseur du modèle plus près du centre réglementaire. Ce fournisseur contrôle les choix d’entraînement, les mises à jour du modèle, les évaluations de sécurité et de nombreuses garanties techniques.

L’enregistrement reconnaît un rôle différent. Un développeur d’applications peut appeler un modèle déposé via une API tout en contrôlant l’interface utilisateur, les sources de récupération, les prompts, les outils et les politiques propres à l’application.

Cette séparation est pratique, car un développeur en aval ne peut généralement pas examiner ni modifier chaque partie d’un modèle propriétaire. Il peut néanmoins façonner le contexte qui lui est transmis et les actions entreprises à partir de ses résultats.

Prenons l’exemple d’un assistant professionnel qui résume des documents internes. Son fournisseur de modèle contrôle le modèle de base, tandis que l’opérateur de l’application contrôle l’accès aux documents, les règles de récupération, les autorisations et la présentation des réponses.

Une application d’écriture destinée au grand public crée un profil de risque différent. Ses utilisateurs peuvent publier des contenus générés ; le produit a donc besoin de contrôles relatifs aux contenus préjudiciables, à l’attribution et aux usages abusifs.

Un assistant exécuté sur l’appareil ajoute une autre variante. Certaines informations peuvent rester locales, mais les mises à jour doivent néanmoins préserver le comportement attendu sur les téléphones et versions de systèmes d’exploitation pris en charge.

Ces produits peuvent partager un même modèle sous-jacent sans partager le même risque. C’est pourquoi la couche d’enregistrement importe même lorsque le modèle a déjà achevé son dépôt.

Cette structure façonne également la concurrence entre les fournisseurs chinois d’IA. Un fournisseur ne concurrence pas les autres uniquement sur les scores de benchmark ou la vitesse d’inférence. Il concurrence aussi sur la confiance des développeurs en aval dans son socle de conformité.

Une documentation stable, un comportement de sécurité prévisible et des versions de modèles traçables deviennent des caractéristiques produit. Ils réduisent le travail nécessaire lorsqu’une application prépare ses propres documents d’enregistrement.

Les grandes plateformes peuvent regrouper ces capacités avec l’hébergement cloud et les outils de développement. Les entreprises de modèles indépendantes doivent démontrer que leur infrastructure demeure fiable sans contraindre chaque client à intégrer une suite de produits fermée.

Les développeurs d’applications doivent décider s’ils développent ou achètent. Posséder le modèle offre davantage de contrôle sur l’entraînement, le déploiement et l’économie, mais rapproche aussi la responsabilité nationale de dépôt.

Utiliser un modèle déclaré accélère le développement et réduit la charge liée à l’infrastructure. Cela peut également compliquer la différenciation du produit lorsque les concurrents accèdent à des capacités de modèle similaires.

Cette tension s’accentue à mesure que la qualité des modèles converge. Si plusieurs fournisseurs ayant effectué un dépôt peuvent accomplir les mêmes tâches courantes, la distribution, les données propriétaires, la conception des workflows et la confiance des utilisateurs prennent davantage de poids.

Pour les acheteurs en entreprise, cette distinction devrait orienter les questions d’approvisionnement. Ils doivent savoir quelle entreprise a effectué le dépôt du modèle, quelle entité a enregistré l’application et à quel moment la responsabilité change de mains.

Ils devraient également vérifier la version exacte du modèle utilisée en production. Un nom de fournisseur généraliste ne prouve pas que chaque modèle, méthode de déploiement ou configuration de produit relève du même dossier.

L’avis public exige que les produits identifient le modèle ainsi que le numéro de dépôt ou d’enregistrement. Cette divulgation offre aux acheteurs un point de départ, sans constituer un audit technique complet.

Un identifiant répertorié ne peut pas expliquer les paramètres de conservation, les contrôles d’accès, la qualité de la récupération d’informations ni la manière dont les réviseurs humains traitent les résultats sensibles. Ces questions restent partie intégrante de l’évaluation habituelle d’un fournisseur.

La division du marché n’oppose donc pas réglementation et innovation. Elle oppose le contrôle direct à une infrastructure déléguée, avec des coûts et dépendances différents selon la voie choisie.

Ce que les numéros de dépôt ne prouvent pas

Un dépôt finalisé indique le passage par une procédure réglementaire, mais ne certifie pas qu’un service soit exact, sécurisé, compétitif ou largement utilisé.

L’annonce de la CAC contient des décomptes et des instructions procédurales. Elle ne publie pas d’évaluations agrégées des modèles, de taux d’incidents, de délais de traitement ni de chiffres de rejet.

Sans connaître le nombre de demandes infructueuses ou retirées, les observateurs ne peuvent pas calculer de taux d’approbation. Ils ne peuvent pas non plus déterminer si les lots plus importants reflètent des examens plus rapides, davantage de soumissions, ou les deux.

Le terme « dépôt » peut engendrer un autre malentendu. Il ne doit pas être considéré comme une approbation générale du gouvernement pour chaque réponse générée par un modèle.

Les systèmes génératifs restent probabilistes, ce qui signifie qu’ils produisent des résultats à partir de schémas appris plutôt qu’en récupérant une réponse dont l’exactitude est garantie. Un modèle conforme peut encore halluciner des faits ou mal comprendre une demande.

Le total des dépôts compte également des services, pas nécessairement des fondations techniques distinctes. Une organisation peut exploiter plusieurs services fondés sur des familles de modèles ou des configurations apparentées.

De même, un modèle déclaré peut prendre en charge de nombreuses applications enregistrées. Additionner les deux totaux ne produirait pas un décompte pertinent de modèles ou d’entreprises indépendants.

Ce problème de mesure limite les comparaisons internationales. L’Union européenne organise une grande partie de sa gouvernance de l’IA autour de catégories de risques et d’obligations des fournisseurs, tandis que d’autres marchés privilégient les tests volontaires ou des règles sectorielles.

L’inventaire chinois des dépôts publiés est inhabituellement concret, mais il mesure la participation au système chinois lui-même. Il ne peut pas être comparé directement aux lancements de modèles, au nombre de startups ou aux enregistrements réglementaires ailleurs.

Les chiffres relatifs aux applications exigent une prudence similaire. Une fonctionnalité enregistrée peut être intégrée à un produit plus vaste, et son enregistrement ne dit rien de la fréquence à laquelle les utilisateurs l’activent.

Une application de productivité comptant des millions d’utilisateurs et dotée d’une fonction IA limitée peut apparaître comme une seule entrée. Une application spécialisée peu adoptée peut également apparaître comme une seule entrée.

Les sept services exécutés sur l’appareil soulèvent d’autres questions sans réponse. L’annonce n’explique pas quelle part du traitement s’effectue localement ni quelles tâches exigent encore un accès au cloud.

« Sur l’appareil » peut décrire plusieurs architectures. Un modèle compact peut fonctionner entièrement sur un téléphone, ou l’appareil peut traiter des tâches limitées avant d’envoyer les demandes complexes à un serveur.

Les systèmes hybrides peuvent améliorer les performances tout en préservant l’accès à des modèles plus grands. Ils créent aussi des cartographies de données plus complexes, car les informations peuvent circuler entre le stockage local, les systèmes cloud et les services tiers.

Les régulateurs et les acheteurs ont besoin d’une visibilité sur les versions dans cet environnement. Un modèle mobile peut évoluer via des mises à jour d’application, des versions du système d’exploitation ou des packages de modèles téléchargeables.

L’avis de dépôt n’explique pas comment les mises à jour substantielles sont traitées. Les mesures provisoires renvoient à des procédures de dépôt, de modification et d’annulation au titre de règles connexes sur les algorithmes, mais les détails de mise en œuvre comptent.

Les entreprises doivent déterminer à quel moment une modification du produit affecte le dossier existant. Une nouvelle interface peut être mineure, tandis qu’un nouveau modèle, une nouvelle modalité ou une nouvelle action autonome peut modifier le profil de risque.

La charge globale de conformité va également au-delà du seul dépôt relatif à l’IA générative. Les règles chinoises sur la synthèse profonde incluent des exigences concernant l’authentification des utilisateurs, la gestion des contenus, la sécurité des données d’entraînement et les étiquettes de contenu synthétique.

Ces obligations qui se chevauchent font du nombre de dépôts publics une seule partie du tableau. La protection des données, la cybersécurité, les contrôles de contenu et les règles propres à certains secteurs peuvent toujours s’appliquer.

Un assistant médical, un outil financier ou un service éducatif fait face à des questions qu’un chatbot généraliste ne rencontrera peut-être pas. Le dossier du modèle sous-jacent ne remplace pas ces responsabilités au niveau du produit.

Les développeurs étrangers devraient se montrer particulièrement prudents face aux conclusions générales. Les règles provisoires se concentrent sur les services proposés au public chinois, mais l’entrée sur le marché peut impliquer des considérations supplémentaires liées aux données, aux licences, à l’infrastructure et aux partenariats.

L’utilisation d’un modèle chinois déclaré ne règle pas automatiquement toutes les obligations. Les utilisateurs visés par le produit, l’entité exploitante, le lieu de déploiement et les flux d’informations restent importants.

La même prudence s’applique aux acheteurs en entreprise hors de Chine. Un dépôt peut prouver qu’un fournisseur a achevé une procédure définie, mais il ne doit pas remplacer l’examen de la sécurité et de la confidentialité.

Les acheteurs ont toujours besoin de conditions contractuelles couvrant l’utilisation des données, leur conservation, les sous-traitants, les incidents, les mises à jour de modèles et la continuité du service. Ils ont également besoin de leurs propres tests concernant l’exactitude et les comportements nuisibles.

Le système de dépôt crée de la visibilité, mais pas une transparence complète. Il indique au marché qu’un service est entré dans le cadre réglementaire sans révéler chaque évaluation à l’origine de ce résultat.

Cette distinction est le point sceptique central. Davantage de dépôts démontrent le débit réglementaire et l’activité des développeurs, mais ne constituent pas automatiquement la preuve d’une IA digne de confiance ou commercialement prospère.

Trois signaux montreront ce qui se passera ensuite

La prochaine phase sera déterminée par la croissance des applications, la mise en œuvre mobile et le traitement des mises à jour majeures des modèles.

Le premier signal est l’équilibre entre les nouveaux dépôts et les enregistrements en aval dans la prochaine publication de la CAC. Les lots de juillet et d’août ont ajouté 124 services et 133 applications ou fonctionnalités.

Si les enregistrements continuent d’augmenter plus rapidement, le marché s’oriente vers une spécialisation des produits reposant sur une infrastructure de modèles partagée. Cela renforcerait l’idée que la conformité devient un avantage de plateforme.

Un renversement serait tout aussi important. Si les dépôts augmentent tandis que les enregistrements ralentissent, les développeurs pourraient mettre davantage de modèles propriétaires sur le marché ou peiner à transformer les modèles disponibles en produits.

Les totaux cumulés ne suffiront pas à répondre à cette question. La composition de chaque nouveau lot montrera quelle couche attire le plus d’activité.

Le deuxième signal concerne la manière dont les régulateurs documentent l’IA générative sur l’appareil. Les sept services mobiles représentent une faible part du dernier lot, mais ils introduisent un modèle de déploiement distinct.

Les futurs avis pourraient identifier davantage de services locaux ou hybrides. Les pages produit pourraient également fournir des divulgations plus claires sur le modèle exécuté sur l’appareil et les demandes qui atteignent des serveurs externes.

Ces informations influenceront les affirmations relatives à la confidentialité. Le traitement local peut réduire les transmissions, mais seulement si la tâche et les données concernées restent effectivement sur l’appareil.

Elles affecteront également la concurrence matérielle. Les modèles plus petits doivent respecter des limites de mémoire, d’utilisation de la batterie, de température et de capacité de traitement tout en fournissant des réponses utiles.

Si davantage de services mobiles finalisent leur dépôt, les développeurs disposeront de précédents pour déployer des modèles compacts à grande échelle. Cela renforcerait l’idée que le cadre chinois de conformité peut accueillir une inférence décentralisée.

Si les entrées mobiles restent rares, les limites techniques ou la complexité réglementaire peuvent ralentir l’adoption. Dans les deux cas, cela aidera à distinguer une évolution significative d’un simple détail propre à un lot.

Le troisième signal est la manière dont le système traite les changements majeurs des modèles et des produits. Un dossier de dépôt statique devient moins informatif lorsque les fournisseurs mettent fréquemment leurs modèles à jour.

Les développeurs ont besoin de clarté sur les changements qui exigent une procédure de modification. Les régulateurs ont besoin de dossiers qui restent exacts sans transformer chaque mise à jour de routine en nouveau dépôt.

Cette question devient urgente à mesure que les modèles ajoutent des modalités et des outils. Un assistant textuel peut ensuite acquérir la génération d’images, l’interaction vocale, l’accès au web ou la capacité d’exécuter des actions.

Chaque capacité modifie ce que le produit peut faire et la manière dont il peut échouer. Un modèle qui se contente de rédiger du texte présente un risque différent d’un agent qui envoie des messages ou modifie des dossiers professionnels.

Surveillez l’apparition d’identifiants de version plus visibles dans les divulgations de produits et les documents de dépôt. Une correspondance claire des versions aiderait les utilisateurs, les acheteurs en entreprise et les développeurs en aval à relier un service en production à son dossier réglementaire.

L’absence de cette correspondance affaiblirait la valeur pratique du système de dépôt. Un numéro affiché dans une application aide peu si personne ne peut déterminer quel modèle de production il couvre.

Ces trois signaux comptent davantage que le prochain décompte de titre à lui seul. Les enregistrements révèlent si le développement des applications s’élargit, les dossiers mobiles testent de nouveaux modèles de déploiement et la gestion des versions détermine si la supervision reste à jour.

Pour les développeurs, la leçon immédiate est opérationnelle. Le choix du modèle affecte désormais l’architecture de conformité, la dépendance envers les fournisseurs et les futures évolutions du produit, et pas seulement la qualité des résultats.

Pour les acheteurs en entreprise, les derniers dépôts d’IA générative de la CAC offrent un point de vérification utile. Ils devraient susciter des questions plus approfondies sur l’entité à l’origine d’un modèle et l’application qui repose dessus.

Pour les travailleurs du savoir, les identifiants de dépôt visibles peuvent aider à distinguer les services publics responsables des outils dont l’origine est incertaine. Ces identifiants doivent toutefois s’accompagner d’une gestion prudente des informations sensibles.

Les 1 112 services déclarés en Chine montrent que la supervision formelle n’a pas arrêté le déploiement public de l’IA. Ils montrent également que chaque nouvelle couche d’adoption crée une nouvelle couche de responsabilité.

La prochaine publication de la CAC devrait être lue comme une carte de cette responsabilité, et non comme un tableau de scores. Vérifiez si les applications continuent de dépasser les modèles, si l’IA mobile s’étend et si les divulgations identifient les versions que les utilisateurs reçoivent réellement.