Foreign Policy affirme que le succès de l’IA chinoise impose de repenser la stratégie américaine

Foreign Policy a publié un argument incisif le 27 août 2026 : les récentes avancées de la Chine en IA révèlent une faiblesse dans la stratégie américaine axée en priorité sur la frontière technologique.

Le catalyseur immédiat était Kimi K3 de Moonshot AI, publié en juillet comme modèle à poids ouverts. Il s’est rapproché des principaux systèmes fermés sur plusieurs tâches tout en offrant aux développeurs davantage de contrôle sur le déploiement et la personnalisation.

Il ne s’agit toutefois pas simplement d’une nouvelle affirmation selon laquelle la Chine a remporté la course à l’IA entre les États-Unis et la Chine. Les éléments disponibles étayent une conclusion plus nuancée, mais plus lourde de conséquences.

Les États-Unis conservent des avantages majeurs dans les puces avancées, l’infrastructure informatique, les capitaux et la recherche de pointe. La Chine a montré que ces avantages ne produisent pas automatiquement une domination en matière d’adoption, de coût, d’intégration industrielle ou de diffusion mondiale.

Cette distinction crée la véritable pression. Washington a traité le leadership à la frontière technologique à la fois comme l’objectif et comme la principale défense contre la concurrence chinoise. La Chine concurrence les États-Unis selon un ensemble de critères plus vaste.

La compétition qui en résulte ne se limite pas à OpenAI ou Anthropic face à Moonshot, DeepSeek ou Alibaba. Elle oppose deux modèles stratégiques : concentrer les ressources sur les systèmes les plus capables, ou diffuser des systèmes suffisamment capables dans davantage de secteurs et de marchés.

Ce que Foreign Policy a réellement changé dans le débat

L’article remet en cause l’hypothèse selon laquelle gagner la course à la frontière technologique signifie automatiquement gagner l’ère de l’IA.

L’argument original est paru sous le titre « China’s Success Is Forcing a U.S. AI Rethink ». Il a été rédigé par Robert A. Manning et Giulia Neaher du Stimson Center.

Cette attribution est importante. Il s’agissait d’une analyse de deux auteurs, et non d’une déclaration officielle selon laquelle les États-Unis auraient perdu leur leadership en IA.

Manning et Neaher soutiennent que la stratégie américaine a intégré plusieurs hypothèses issues de la Silicon Valley. La plus importante est que le premier développeur à atteindre l’intelligence artificielle générale bénéficierait d’un avantage stratégique durable.

L’intelligence artificielle générale, ou AGI, désigne un système hypothétique capable d’accomplir un large éventail de tâches intellectuelles au niveau humain ou au-delà.

Un concept connexe est l’auto-amélioration récursive. Dans ce scénario, un système avancé contribue à concevoir de meilleurs successeurs, accélérant la recherche au-delà du rythme du développement mené uniquement par des humains.

Aucun de ces résultats n’a été établi. Leurs échéances, leur faisabilité technique et leurs implications stratégiques restent controversées parmi les chercheurs.

Toutefois, la croyance en ces résultats peut encore façonner les politiques publiques. Si le premier développeur d’AGI devient durablement dominant, chaque mois de progrès à la frontière technologique commence à ressembler à un actif de sécurité nationale.

Ce cadre favorise d’immenses investissements informatiques, le secret, le développement rapide de modèles et des restrictions visant à ralentir les concurrents. Il réduit également l’espace politique pour une réglementation susceptible de ralentir les laboratoires nationaux.

Les auteurs estiment que la Chine a attaqué cette logique indirectement. Les développeurs chinois n’ont pas besoin de dominer chaque benchmark s’ils peuvent diffuser des modèles adaptables à des coûts d’exploitation attractifs.

Kimi K3 a rendu l’argument opportun. Moonshot a publié le modèle via ses produits et son API le 16 juillet, puis les poids complets le 27 juillet.

Les poids ouverts sont des paramètres numériques téléchargeables, appris durant l’entraînement. Cet accès permet à des opérateurs qualifiés d’héberger, modifier, évaluer et affiner un modèle sans dépendre entièrement de son développeur.

Moonshot décrit Kimi K3 comme un système mixture-of-experts de 2,8 billions de paramètres. Cette architecture n’active qu’une partie du modèle pour chaque entrée, réduisant le calcul par rapport à l’activation de tous les paramètres.

L’entreprise revendique également une fenêtre de contexte d’un million de tokens et des capacités visuelles natives. Il s’agit toujours d’affirmations du développeur, bien que le dépôt public de Kimi K3 permette un examen indépendant.

Le modèle n’a pas besoin de surpasser tous les systèmes américains pour que le défi stratégique existe. Il doit seulement être suffisamment compétitif pour que les développeurs, les gouvernements et les entreprises envisagent de l’adopter.

C’est la contribution la plus durable de l’article. Il éloigne le débat d’un classement unique pour l’orienter vers l’économie de la diffusion.

La stratégie chinoise en IA concurrence sur davantage que l’intelligence des modèles

Le défi le plus solide de la Chine provient de la combinaison de modèles capables et de barrières au déploiement plus faibles.

La course à l’IA entre les États-Unis et la Chine est souvent présentée comme une compétition visant à construire le modèle généraliste le plus intelligent. Ce cadre ne saisit qu’une partie du marché.

Un modèle peut dominer les évaluations les plus difficiles tout en restant trop coûteux, trop restreint ou trop complexe à exploiter pour de nombreuses organisations. Un modèle légèrement moins performant peut gagner en influence si davantage d’utilisateurs peuvent l’adapter et le déployer.

Les publications à poids ouverts soutiennent cette seconde voie. Elles permettent aux organisations d’exécuter un modèle sur une infrastructure qu’elles contrôlent, sous réserve de la licence, des exigences matérielles et de l’expertise technique disponible.

Cela compte pour les entreprises qui traitent des informations propriétaires. Cela compte aussi pour les gouvernements qui n’apprécient pas l’idée d’envoyer des données sensibles via l’interface hébergée d’un fournisseur étranger.

Le contrôle local ne rend pas automatiquement un modèle privé ou sûr. Les opérateurs ont toujours besoin d’une infrastructure sécurisée, de procédures d’évaluation, de contrôles d’accès et de mécanismes de surveillance.

Néanmoins, la possibilité de déploiement modifie la décision d’achat. Les performances deviennent un critère parmi d’autres, aux côtés du coût, du contrôle, de la couverture linguistique, du travail d’intégration et de l’exposition géopolitique.

La politique nationale chinoise renforce cette orientation centrée sur les applications. Son programme AI Plus promeut l’intégration de l’IA dans la fabrication, l’éducation, les soins de santé, la recherche scientifique, les services publics et les appareils grand public.

Les autorités chinoises ont également publié des orientations pour les agents d’IA couvrant 19 scénarios d’application. Un agent est un système capable de choisir des actions et d’utiliser des outils afin de poursuivre un objectif défini par l’utilisateur.

La politique officielle AI Plus associe le déploiement à des exigences concernant la sécurité, les normes, l’infrastructure et la contrôlabilité.

Ces plans ne doivent pas être considérés comme une preuve d’adoption réussie. Les objectifs gouvernementaux peuvent surestimer la mise en œuvre, et les projets pilotes médiatisés révèlent rarement les coûts d’exploitation totaux.

Ils démontrent néanmoins une priorité stratégique différente. Pékin traite la diffusion dans l’économie réelle comme un objectif politique central, et non comme un bénéfice secondaire après la recherche de pointe.

Kyle Chan a décrit cette fracture dans un témoignage d’avril publié par Brookings. Il a affirmé que la Chine menait plusieurs courses à l’IA portant sur l’efficacité, l’adoption, le déploiement et l’intégration au monde physique.

Son témoignage devant le Congrès a également relevé que les systèmes américains conservaient alors une avance de performance à la frontière technologique dans de nombreuses évaluations exigeantes.

Ces deux observations peuvent être vraies. Les États-Unis peuvent mener en capacités des modèles tandis que la Chine construit une position solide dans la mise en œuvre et la distribution.

Cela rappelle les précédentes compétitions technologiques. L’invention technique, l’échelle industrielle, les normes, le financement, l’installation et les réseaux de soutien déterminent souvent ensemble l’influence.

La Chine possède une expérience de l’association de produits numériques à des infrastructures à l’étranger. Ses entreprises de télécommunications ont fourni équipements, financements et assistance à la mise en œuvre dans les marchés en développement.

Les modèles d’IA peuvent suivre une voie comparable, bien que l’analogie ait ses limites. Les modèles évoluent plus rapidement que le matériel de télécommunications et peuvent être remplacés plus facilement lorsque les applications utilisent des interfaces communes.

Les fournisseurs chinois font également face à des obstacles de confiance. Les adoptants potentiels doivent prendre en compte la gouvernance des données, le comportement en matière de censure, la cybersécurité, la fiabilité et la dépendance aux infrastructures chinoises.

Le point stratégique n’est pas que les modèles chinois domineront tous les marchés. C’est que des systèmes ouverts compétitifs offrent aux acheteurs une autre option crédible.

Une fois cette option disponible, le leadership américain doit être acquis par le déploiement, et non déduit des performances en laboratoire.

L’avance américaine à la frontière technologique ne garantit plus le contrôle du marché

Washington subit une pression parce que ses plus grands avantages ne couvrent pas toutes les dimensions qui déterminent l’adoption.

Les États-Unis conservent une concentration extraordinaire de capacités de calcul avancé, d’infrastructures cloud, d’investissements privés et de talents en recherche sur l’IA.

Les laboratoires américains continuent de faire progresser les capacités des modèles en programmation, raisonnement scientifique, utilisation d’outils, cybersécurité et travail multimodal. Le pays contrôle également des segments importants de la chaîne d’approvisionnement en semi-conducteurs.

Ces avantages restent stratégiquement précieux. Davantage de puissance de calcul permet des expériences plus vastes, des itérations plus rapides et une exploration plus étendue de nouvelles architectures.

Le problème réside dans le passage du leadership technique à un contrôle mondial durable. Un modèle de pointe n’est pas automatiquement le modèle que les organisations peuvent s’offrir, personnaliser ou déployer légalement.

L’AI Index 2026 de Stanford a conclu que l’écart de performance entre les principaux modèles américains et chinois s’était effectivement comblé selon les mesures qu’il avait retenues.

Cette affirmation ne signifie pas que les systèmes sont égaux dans toutes les capacités. Les résultats de benchmark dépendent de la sélection des tâches, des méthodes de test, des configurations logicielles et du calendrier des publications.

Un modèle peut bien se comporter dans des évaluations publiques tout en rencontrant des difficultés en matière de fiabilité, de tâches longues, d’exactitude factuelle ou de charges de production. Les classements peuvent également changer après une mise à jour de produit.

Malgré tout, une quasi-parité sur des tests largement observés réduit la valeur marketing d’une avance nationale abstraite. Les acheteurs compareront les résultats réels dans leurs propres flux de travail.

Un fabricant peut privilégier l’inspection visuelle et la maintenance des équipements. Une banque peut se préoccuper du déploiement contrôlé, de l’auditabilité et de la conformité locale.

Une équipe logicielle peut valoriser l’exactitude du code, la vitesse de réponse et la compatibilité avec les outils de développement existants. Un ministère peut privilégier la prise en charge des langues et l’hébergement national.

La stratégie américaine paraît moins complète lorsqu’on l’observe à travers ces décisions. Ses plus grands laboratoires distribuent principalement leurs meilleurs systèmes par l’intermédiaire de services contrôlés.

L’accès fermé soutient des mesures de sécurité centralisées et protège la propriété intellectuelle. Il préserve également des relations de service récurrentes pour les fournisseurs de modèles.

Cependant, les systèmes fermés demandent aux clients d’accepter une dépendance envers le fournisseur. Celui-ci contrôle les changements de modèle, la disponibilité, les restrictions d’utilisation et souvent l’infrastructure sous-jacente.

Les entreprises américaines proposent aussi des modèles plus petits, ouverts ou personnalisables. Le marché n’est pas divisé nettement selon les lignes nationales.

Le déséquilibre apparaît à la frontière technologique. Plusieurs développeurs américains de premier plan ont restreint leurs poids les plus puissants, tandis que les laboratoires chinois ont mis à disposition des poids de plus en plus capables.

Cette différence offre aux développeurs chinois, aux entreprises de cloud et aux intégrateurs de systèmes davantage d’occasions de construire autour de fondations de modèles partagées.

Elle affaiblit également les contrôles à l’exportation comme stratégie complète. Les restrictions sur les puces peuvent accroître les coûts d’entraînement sans empêcher l’efficacité algorithmique, le partage de modèles ou le déploiement en aval.

Les restrictions peuvent faire gagner du temps. Elles peuvent aussi encourager les pays visés à réduire leur dépendance au matériel et aux logiciels américains.

Foreign Policy affirme que cette réponse est déjà apparue en Chine. Les contraintes ont encouragé les développeurs chinois à rechercher l’efficacité et à renforcer les relations technologiques nationales.

Cette affirmation doit être nuancée. Les contrôles à l’exportation ont entraîné des coûts réels, notamment pour l’accès aux accélérateurs les plus avancés et aux équipements de fabrication.

Ils n’ont pas produit un endiguement total. La Chine continue de publier des modèles compétitifs, de développer des accélérateurs nationaux et de concevoir des logiciels adaptés au matériel disponible.

La question de politique publique n’est donc pas de savoir si les contrôles fonctionnent tout court. Elle est de déterminer si le ralentissement de certains intrants procure un avantage suffisant sans accélérer l’émergence d’écosystèmes alternatifs.

Le véritable basculement va de l’endiguement à la concurrence

Les avancées de la Chine montrent que l’endiguement peut retarder un rival sans créer une stratégie américaine complète de déploiement.

La politique américaine en matière d’IA a combiné accélération intérieure et restrictions externes. Ces objectifs peuvent se soutenir mutuellement, mais ils ne sont pas interchangeables.

Le AI Action Plan de 2025 a encouragé un développement plus rapide des infrastructures, l’expansion des exportations de technologies américaines d’IA et une application renforcée des contrôles sur le calcul avancé.

Cette combinaison reconnaissait un point essentiel. Les États-Unis doivent créer des produits attractifs et les distribuer à l’international, et non seulement priver leurs concurrents de ressources.

L’exécution crée des tensions. Des contrôles technologiques stricts peuvent amener les alliés à craindre que l’accès aux systèmes américains change avec peu de préavis.

Un gouvernement choisissant une infrastructure pour des hôpitaux, des agences de défense ou des services publics souhaite un accès prévisible. Des restrictions soudaines peuvent l’emporter sur un avantage modeste en matière de qualité des modèles.

Les modèles chinois à poids ouverts proposent une autre formule. Un client peut obtenir les poids, les héberger ailleurs et continuer à les exploiter après que le développeur d’origine a modifié son service.

Cette indépendance n’est jamais absolue. Le client peut encore avoir besoin de puces spécialisées, de mises à jour, d’assistance technique et de logiciels maintenus par des communautés externes.

Pourtant, la différence peut être importante. Elle donne aux adopteurs davantage de levier et réduit la dépendance à une seule interface de programmation d’applications.

Cela transforme l’ouverture en instrument de politique étrangère. Un modèle largement adopté peut influencer la formation des développeurs, les normes techniques, les méthodes d’évaluation et les infrastructures de soutien.

Les États-Unis ont bénéficié de dynamiques comparables lors d’ères antérieures de l’informatique. La recherche ouverte, les communautés logicielles, les universités et des outils de développement accessibles ont étendu la portée de la technologie américaine.

Une stratégie trop centrée sur des systèmes de pointe fermés risque d’abandonner une partie de cet avantage. Elle concentre l’influence entre les mains d’un petit groupe de fournisseurs.

Le renversement est particulièrement visible dans les marchés émergents. Nombre d’organisations n’y ont pas besoin des meilleures performances possibles sur chaque benchmark.

Elles ont besoin de systèmes prenant en charge les langues locales, adaptés à des budgets limités, fonctionnant avec l’infrastructure disponible et pouvant être modifiés pour respecter les règles locales.

Un modèle ouvert capable peut répondre à ces exigences sans devenir le système le plus intelligent du monde. La distribution peut s’amplifier à mesure que les développeurs apportent des ajustements fins, des intégrations et de la documentation.

Les États-Unis peuvent relever ce défi sans abandonner les contrôles sur les puces sensibles. Ils peuvent investir dans les modèles ouverts, les évaluations partagées, les infrastructures énergétiques, la recherche, les talents et la mise en œuvre internationale.

Ils peuvent également rendre les politiques d’accès plus prévisibles pour les partenaires de confiance. La fiabilité est une caractéristique stratégique lorsque les clients prennent des décisions d’infrastructure à long terme.

C’est pourquoi le débat ne devrait pas se réduire à un choix entre exportations sans restriction et endiguement total. Aucune de ces options ne répond à l’ensemble de la concurrence.

Des restrictions ciblées peuvent protéger certains avantages militaires. L’investissement intérieur peut renforcer la recherche et les infrastructures.

Les écosystèmes ouverts peuvent élargir l’adoption. La diplomatie et le financement peuvent aider des partenaires de confiance à déployer des systèmes sous une gouvernance acceptable localement.

L’élément manquant est la coordination. Des politiques élaborées séparément par les agences de sécurité, les responsables du commerce, les entreprises technologiques et les gouvernements des États peuvent envoyer des signaux contradictoires.

Un laboratoire américain peut vouloir une distribution mondiale tandis que les responsables de la sécurité cherchent à restreindre davantage l’accès. Des régulateurs locaux peuvent exiger des garanties que les responsables fédéraux présentent comme des obstacles.

Ces désaccords ne prouvent pas que la Chine dispose d’un système supérieur. Ils facilitent toutefois la présentation d’un récit chinois cohérent sur le déploiement.

Ce que la stratégie chinoise d’IA n’a toujours pas démontré

Des publications compétitives ne prouvent pas que la Chine a résolu les questions de sécurité, de fiabilité, de commercialisation ou de dépendance aux semi-conducteurs.

La version la plus affirmée de la thèse de Foreign Policy va trop loin si elle considère la publication d’un seul modèle comme la preuve que l’Amérique a choisi une impasse.

L’échelle de Kimi K3 et ses résultats de benchmark rapportés sont remarquables. Les utilisateurs indépendants ont encore besoin de temps pour tester son comportement dans des environnements de production.

Les poids ouverts génèrent également des coûts de déploiement que les comparaisons avec des modèles hébergés peuvent masquer. Un système de 2,8 billions de paramètres exige un matériel et une ingénierie considérables, même lorsqu’il n’en active qu’une portion plus réduite par token.

La plupart des organisations ne téléchargeront pas et n’exploiteront pas directement un tel modèle. Elles utiliseront un fournisseur cloud, un hébergeur spécialisé, un dérivé compressé ou une intégration commerciale.

Cela rétablit une certaine dépendance envers les intermédiaires. Cela signifie aussi que les coûts pratiques varient selon l’utilisation du matériel, le trafic, la quantification, le support et les prix locaux de l’électricité.

Les performances de benchmark présentent une autre incertitude. Les tests de programmation et les arènes de modèles fournissent des éléments utiles, mais ils ne mesurent pas toutes les exigences des entreprises.

Les acheteurs professionnels ont besoin de résultats stables, d’une latence prévisible, de contrôles d’identité, de journalisation, de réponse aux incidents et d’une responsabilité contractuelle. Une démonstration convaincante ne garantit pas ces qualités.

La sécurité demeure une préoccupation importante. Les poids ouverts permettent aux défenseurs d’examiner et de modifier les modèles, mais ils peuvent aussi affaiblir les garde-fous imposés de manière centralisée.

Les fournisseurs fermés peuvent mettre à jour les filtres, surveiller les usages suspects et limiter l’accès à des capacités sensibles. Ces mesures sont imparfaites, mais elles restent plus difficiles à appliquer après une distribution sans restriction.

Les modèles chinois comportent des contraintes politiques supplémentaires. Leurs réponses sur des sujets sensibles peuvent refléter des exigences nationales en matière de contenu, ce qui crée des difficultés pour les adopteurs internationaux.

La protection des données constitue une autre préoccupation. Exécuter les poids localement peut réduire l’exposition des données, mais l’utilisation du produit hébergé d’un développeur présente un profil de risque différent.

Ni l’origine chinoise ni l’origine américaine ne répondent à elles seules à ces questions. Les acheteurs doivent évaluer l’architecture de déploiement exacte, le contrat, la télémétrie et le processus de mise à jour.

Les contraintes de la Chine en matière de semi-conducteurs restent également importantes. Des algorithmes efficaces étendent les ressources de calcul disponibles, mais l’efficacité n’élimine pas la valeur des puces avancées.

L’entraînement de modèles à l’échelle de la frontière exige de vastes grappes de calcul, des réseaux, de la mémoire, de l’énergie et des logiciels sophistiqués. Les restrictions peuvent augmenter les coûts et réduire la capacité d’expérimentation, même lorsqu’elles ne parviennent pas à arrêter les progrès.

Les laboratoires américains continuent eux aussi d’innover. Un écart étroit sur les benchmarks aujourd’hui ne prédit pas la succession des futures publications.

Les États-Unis disposent de marchés de capitaux plus profonds et d’un réseau dense d’entreprises cloud, de concepteurs de puces, d’universités, de start-ups et de clients professionnels.

La Chine apporte un vaste marché intérieur, une capacité de fabrication majeure, une coordination étatique, des talents d’ingénierie et de fortes incitations à surmonter les contraintes externes.

Aucun des deux camps n’a transformé ces atouts en avance irréversible. La concurrence reste dynamique et inégale.

Il existe également un problème de mesure. « Gagner l’IA » peut désigner le leadership scientifique, les revenus des entreprises, les capacités militaires, la croissance de la productivité, l’adoption mondiale ou l’influence sur les normes.

Un pays peut dominer une catégorie et être en retard dans une autre. Les réunir en un score unique crée une certitude que les données ne peuvent étayer.

La meilleure lecture est que la Chine a invalidé toute complaisance. Elle n’a pas établi une supériorité globale.

Trois signaux mettront à l’épreuve la thèse de Foreign Policy

La prochaine phase sera déterminée par l’adoption, la cohérence des politiques et des performances opérationnelles vérifiées, plutôt que par un nouveau benchmark faisant les gros titres.

Le premier signal est l’adoption internationale durable des modèles chinois à poids ouverts. Les téléchargements seuls ne trancheront pas la question.

Il faudra surveiller les déploiements en production par des gouvernements, de grandes entreprises, des plateformes cloud et des éditeurs de logiciels en dehors de la Chine. L’usage répété compte davantage que l’activité d’essai.

Si des organisations bâtissent des applications durables autour de Kimi, DeepSeek, Qwen ou de systèmes comparables, la thèse de la diffusion se renforcera. Elle s’affaiblira si l’expérimentation ne se transforme pas en usage de production fiable.

L’interopérabilité comptera ici. Les acheteurs pourraient préférer des systèmes permettant de passer d’un modèle à l’autre plutôt que d’accepter un bloc technologique chinois ou américain.

Cette issue produirait un marché plus fragmenté. Elle limiterait également le levier géopolitique de tout développeur de modèle unique.

Le deuxième signal est le traitement par Washington des modèles ouverts et de l’accès international de confiance. Une stratégie cohérente protégerait des intérêts de sécurité ciblés tout en élargissant les options de déploiement fiables.

Il faudra surveiller les investissements fédéraux dans la recherche sur les poids ouverts, des règles d’exportation plus claires et des accords technologiques de long terme avec les alliés. Le financement et l’assistance technique méritent également l’attention.

Si les fournisseurs américains peuvent proposer des systèmes capables avec un accès prévisible et des choix de déploiement local, la faiblesse stratégique alléguée se réduit.

Si les restrictions deviennent plus erratiques tandis que les systèmes de pointe restent fermés, les alternatives chinoises gagneront un argument commercial plus facile à défendre. Les clients intégreront l’incertitude politique dans leurs décisions techniques.

Le troisième signal est la performance opérationnelle vérifiée de manière indépendante. Les éléments pertinents comprennent la fiabilité, l’efficacité d’inférence, la sécurité, la qualité linguistique et le coût total de déploiement.

Les évaluations de modèles devraient tester des tâches complètes au fil du temps, et non des réponses isolées. Elles devraient également divulguer le matériel, les logiciels, les prompts et les critères d’échec.

Si les systèmes chinois maintiennent des résultats compétitifs dans le cadre de tests transparents, les hypothèses américaines privilégiant la frontière subiront une pression plus forte.

Si ces systèmes s’avèrent difficiles à exploiter, peu sûrs ou moins fiables que ne le suggèrent les scores médiatiques, l’argument en faveur d’un renversement stratégique s’affaiblit.

L’article du 27 août a saisi un changement réel, même si son titre invite à une conclusion trop générale. La Chine n’a pas prouvé que le modèle américain avait échoué.

Elle a montré que des ressources supérieures ne suppriment pas la nécessité de produits efficaces, d’écosystèmes ouverts, d’une distribution de confiance et d’une adoption concrète.

Pour les développeurs, cela signifie évaluer les modèles en fonction du contrôle et de la performance globale du flux de travail, et non de la seule nationalité ou du rang au classement.

Pour les acheteurs professionnels, cela signifie considérer la stabilité du fournisseur et l’exposition aux politiques publiques comme des risques d’architecture. La portabilité devrait faire partie des discussions d’approvisionnement.

Pour les décideurs publics, la question n’est plus de savoir si l’Amérique peut conserver une étroite avance à la frontière. Elle est de savoir si cette avance produit une technologie que les autres pays choisissent d’utiliser.

C’est le test de politique étrangère le plus utile. Il faut observer où les modèles capables sont déployés, qui contrôle l’infrastructure et si les clients restent après le premier essai.