Le MIIT met l’achat de tokens à l’ordre du jour, sans garantir les commandes

Le ministère chinois de l’Industrie et des Technologies de l’information (MIIT) a inscrit l’achat de tokens dans la politique nationale le 31 août 2026, sans pour autant définir les budgets ni les règles d’achat. Cette initiative couvre les grands modèles, les agents IA et les services de tokens facturés à l’usage utilisés pour faire fonctionner des systèmes d’IA générative.

Cette politique est importante car elle déplace l’attention de la création de modèles vers l’achat de services d’IA reproductibles. Le MIIT souhaite que les autorités locales et les organisations industrielles ouvrent de véritables scénarios opérationnels, soutiennent les premiers achats et partagent les risques des premiers déploiements.

Pour autant, cette annonce ne constitue pas un chèque en blanc pour les développeurs de modèles. Elle crée un cadre visant à développer les fournisseurs d’applications, tandis que la demande réelle dépend encore des programmes locaux, des avis de marchés publics, des évaluations techniques et de l’adoption par les clients.

L’enjeu central n’oppose donc pas une entreprise de modèles à une autre. Il oppose la capacité de déploiement à l’accès à des modèles bon marché. La Chine dispose déjà de nombreux modèles à des prix compétitifs, mais de faibles coûts d’inférence ne suffisent pas, à eux seuls, à produire des systèmes industriels fiables.

Ce que le MIIT a réellement changé

Le MIIT a créé un programme national de développement pour les fournisseurs de services d’applications IA, et non un mandat financé d’achat de tokens.

Le ministère a publié son avis destiné aux fournisseurs de services le 31 août à 10 h 50, heure de Pékin. Le document est daté du 27 août et porte la référence Lettre du Bureau du MIIT 2026 n° 414.

Cette date dissipe l’incertitude entourant la première alerte médiatique. L’événement sous-jacent était un avis officiel du ministère publié le 31 août, et non un discours non daté ou une proposition rapportée.

L’avis définit un fournisseur de services d’applications IA comme une organisation répondant aux besoins de transformation intelligente d’un client. Son activité peut inclure le conseil, la mise en œuvre, l’exploitation et la gouvernance de la sécurité.

Cette définition est importante. Le MIIT cible les entreprises capables de fournir des systèmes opérationnels, plutôt que de limiter son soutien aux développeurs de modèles fondamentaux ou aux propriétaires d’infrastructures cloud.

Le ministère veut intégrer plus de 2 000 fournisseurs dans un réservoir national de ressources d’ici fin 2026. Il porte cet objectif à au moins 3 000 fournisseurs d’ici fin 2027.

Les provinces accueillant des zones pilotes nationales d’application de l’innovation industrielle en IA se voient attribuer un objectif supplémentaire. Chaque province concernée devrait compter au moins 100 entreprises dans son réservoir local d’ici fin 2027.

Il s’agit d’objectifs d’inscription, et non de volumes d’achat. L’avis ne précise pas combien les autorités dépenseront pour les modèles, les agents ou la consommation de tokens.

Il ne désigne pas non plus de fournisseurs de modèles spécifiques. Aucune entreprise ne reçoit de place garantie dans le réservoir, et le document ne prévoit aucune répartition des parts de marché.

Le programme établit plutôt quatre tâches liées. Les autorités locales doivent recenser les fournisseurs, améliorer leurs capacités de prestation, promouvoir une adoption à grande échelle et renforcer les infrastructures de soutien.

La tâche liée au réservoir de ressources crée un mécanisme de recensement et de classification. Les autorités provinciales doivent examiner les fournisseurs présents dans leur juridiction, y compris les entreprises centrales publiques enregistrées localement, et constituer des dossiers d’entreprise.

Le MIIT regroupera les soumissions régionales dans un réservoir national selon des normes pertinentes. Le ministère indique qu’il publiera ce réservoir au moment opportun.

La deuxième tâche porte sur la qualité de l’offre. Les fournisseurs sont encouragés à former des groupes de services d’applications IA combinant modèles, données, puissance de calcul et autres capacités.

L’avis identifie l’adaptation logicielle et matérielle, la coordination entre plusieurs modèles, la sécurité et la conformité opérationnelle comme des défis pratiques. Il encourage également l’intégration avec des systèmes d’exploitation, bases de données et puces d’inférence IA de confiance.

La troisième tâche concerne l’adoption à grande échelle. Les fournisseurs devraient regrouper les fonctions fréquentes et réutilisables dans des produits modulaires et standardisés que les clients peuvent déployer sans reconstruire chaque composant.

Dans ce cadre, le MIIT demande aux régions d’explorer des mécanismes de premier achat, de première utilisation et de compensation des risques. Il appelle ensuite à accroître l’achat de grands modèles, d’agents et de services de tokens.

Cette formulation laisse place à différentes approches locales. Une province pourrait soutenir un acheteur pilote, compenser une partie du risque d’un échec précoce ou organiser des programmes de mise en relation entre l’offre et la demande.

Toutefois, l’avis ne précise pas que chaque région doit établir le même mécanisme. Il n’instaure pas non plus de taux de remboursement uniforme, de quota d’achat ou de date limite de candidature.

La quatrième tâche porte sur les ressources nécessaires après qu’un fournisseur a remporté un client. Le MIIT encourage les connexions avec les pôles nationaux de calcul et la China Computing Power Platform.

Il recommande également des bons de calcul, des interfaces partagées, des canaux d’essai, des bases de formation et des ingénieurs de déploiement de terrain. Ces mesures reconnaissent que l’accès à un modèle ne constitue qu’une partie d’un déploiement en entreprise.

Cette structure rend la politique plus substantielle que ne le laisse penser son titre axé sur les tokens. Le gouvernement cherche à organiser un marché de prestation d’applications, les achats servant d’un des outils de soutien à la demande.

Dans le même temps, la prudence des verbes employés compte. Le MIIT demande aux régions d’« explorer » des modèles d’achat et de compensation. Il ne fait état d’aucun budget national d’achat approuvé.

Cette distinction devrait guider l’interprétation de cette actualité par les entreprises. Le changement immédiat relève de la reconnaissance politique et de l’organisation institutionnelle, non d’une hausse mesurable des commandes finalisées.

Pourquoi l’achat de tokens constitue le signal politique

La mention des services de tokens traite l’inférence IA comme un intrant opérationnel achetable, plutôt que comme une expérimentation informelle rattachée à des projets logiciels.

Un token est une unité utilisée par les systèmes d’IA pour traiter du texte, du code, des images, de l’audio ou d’autres contenus lisibles par machine. Les fournisseurs mesurent généralement l’utilisation des modèles à partir des volumes de tokens d’entrée et de sortie.

L’achat de tokens diffère de l’acquisition d’une licence logicielle classique. La consommation peut augmenter avec l’activité des utilisateurs, la longueur des prompts, la complexité des agents, le volume de documents et les appels répétés à des outils.

Un agent peut consommer de nombreux appels au modèle pour accomplir une seule tâche métier. Il peut récupérer des données, analyser des documents, appeler des outils logiciels, vérifier son travail et préparer une réponse.

Ce schéma complique la budgétisation. Un déploiement réussi peut faire fortement grimper la consommation, tandis qu’un agent peu fiable peut gaspiller des tokens sans produire de travail utile.

En mentionnant les tokens aux côtés des grands modèles et des agents, le MIIT reconnaît cette couche opérationnelle. La politique admet que l’adoption exige une inférence continue, et pas seulement l’accès à un point de contrôle de modèle.

Ce signal s’inscrit dans la stratégie chinoise plus large « AI Plus ». La politique AI Plus du Conseil des affaires d’État appelait à une intégration plus large de l’IA dans six domaines prioritaires d’ici 2027.

La politique précédente fixait un objectif d’adoption supérieur à 70 % pour les terminaux intelligents et les agents de nouvelle génération. Elle mettait aussi l’accent sur la science, l’industrie, la consommation, les services publics, la gouvernance et la coopération internationale.

Le nouveau programme du MIIT traduit cette orientation générale en une structure de mise en œuvre. Il identifie les organisations de services censées relier les modèles aux flux de travail industriels.

Le soutien au premier achat répond à un obstacle bien connu de l’adoption technologique. Les acheteurs hésitent souvent lorsqu’un produit ne dispose pas d’historique opérationnel, de déploiements comparables ou de règles de responsabilité établies.

Un client peut comprendre le potentiel d’un agent tout en refusant le premier déploiement en production. Les risques incluent les échecs d’intégration, l’exposition de données, l’interruption des flux de travail et des coûts d’inférence imprévisibles.

Une première utilisation soutenue par les pouvoirs publics peut fournir un client de référence. Cette référence peut aider un fournisseur à démontrer sa performance de prestation auprès d’acheteurs ultérieurs.

La Chine dispose déjà d’un mécanisme formel de marchés publics pour l’innovation collaborative. Les règles de passation des marchés du ministère des Finances sont entrées en vigueur en juin 2024.

Ces règles répartissent les projets éligibles entre une phase de commande et une phase de premier achat. Les acheteurs peuvent travailler avec des fournisseurs sur le développement, partager le risque de recherche et acheter le produit réussi qui en résulte.

Ce mécanisme ne s’applique pas automatiquement à tous les projets d’IA. Les projets éligibles doivent présenter une innovation technologique substantielle et respecter des procédures de budgétisation, d’examen, de négociation, de divulgation et de contractualisation.

L’avis du MIIT ne fusionne pas explicitement son programme d’IA avec tous les détails de ces règles. Néanmoins, le cadre existant montre comment le langage du premier achat peut devenir un véritable processus de passation de marché.

La compensation des risques cible un problème connexe. Un client peut éviter un système techniquement prometteur parce que la première mise en œuvre entraîne des coûts plus élevés et des résultats incertains.

Le partage d’une partie de ce risque peut rendre un déploiement contrôlé plus facile à approuver. Il peut aussi encourager les acheteurs à tester des fournisseurs sans faire porter l’intégralité du coût d’un échec sur un seul service.

Toutefois, la compensation peut créer de faibles incitations lorsque les exigences de performance restent floues. Les acheteurs pourraient approuver des projets parce que les pertes sont partagées, tandis que les fournisseurs pourraient privilégier l’éligibilité au détriment d’une valeur mesurable.

Un programme solide a donc besoin d’indicateurs de résultats. Ceux-ci pourraient inclure l’exécution des tâches, les taux d’erreur, le temps de revue humaine, la disponibilité, les incidents de sécurité et le coût total par flux de travail achevé.

La consommation brute ne suffit pas. Acheter davantage de capacité en tokens ne prouve pas qu’une organisation est devenue plus productive ou plus intelligente.

L’interprétation la plus solide de cette politique n’est donc pas « la Chine achètera des tokens ». Elle est que la consommation d’IA mesurée à l’usage est entrée dans le vocabulaire des achats industriels.

Ce changement peut affecter la manière dont les fournisseurs regroupent leurs services. Ils pourraient devoir relier le volume de tokens à des tâches définies, des niveaux de service, un soutien au déploiement et des contrôles de conformité.

Un fabricant se souciera moins d’un faible tarif unitaire que d’un flux de travail fiable d’inspection, de maintenance, de planification ou d’ingénierie. Une organisation publique exigera également une responsabilité claire et des pistes d’audit.

Les développeurs de modèles font face à un ajustement similaire. Leur canal le plus efficace peut être un partenaire de services qui comprend les processus spécifiques d’une usine, d’un hôpital, d’un service public ou d’une administration.

Cela crée une place pour les intermédiaires, mais soulève aussi des questions de responsabilité. Les clients doivent savoir si le fournisseur du modèle, le fournisseur d’applications, l’intégrateur ou l’acheteur assume chaque risque opérationnel.

La définition du fournisseur de services par le MIIT tente d’attribuer la responsabilité de prestation à une entité visible. Le réservoir national pourrait faciliter l’identification et l’évaluation de ces organisations.

Toutefois, l’avis ne définit pas encore de grille d’évaluation universelle. Il promet un réservoir fondé sur des normes pertinentes, dont la publication est prévue à une date future non précisée.

Tant que ces normes n’auront pas été publiées, l’inclusion aura une valeur commerciale incertaine. Les entreprises ne peuvent pas supposer que leur inscription dans un registre générera des prospects qualifiés ou des engagements d’achat.

Le signal politique est réel, mais sa force économique dépend de sa mise en œuvre. Les documents d’appel d’offres, les budgets locaux et les rapports de consommation indiqueront si l’achat de tokens devient une demande récurrente.

Le véritable enjeu oppose la capacité de déploiement à l’accès à des modèles bon marché

Le goulot d’étranglement de l’IA en Chine passe de l’accès à l’exécution, où l’intégration et la discipline opérationnelle comptent davantage qu’un faible tarif par token.

La concurrence entre les fournisseurs chinois de modèles a rendu des systèmes performants de plus en plus accessibles. Les entreprises peuvent tester plusieurs modèles généralistes et spécialisés sans entraîner elles-mêmes un modèle de fondation.

Cette abondance transforme le marché des applications. Un fournisseur peut acheminer différentes tâches vers différents modèles, en arbitrant entre coût, latence, langue, sécurité et performances sectorielles.

Le MIIT identifie spécifiquement la coordination multi-modèles comme un défi technique. Cette inclusion suggère que les décideurs ne s’attendent pas à ce qu’un seul fournisseur de modèles réponde à toutes les exigences industrielles.

Un prestataire de services pratique peut associer un modèle de langage généraliste à la récupération d’informations, à des classificateurs spécialisés, à des bases de données internes et à des logiciels métiers déterministes. Une validation humaine peut rester obligatoire pour les actions sensibles.

Cette architecture réduit la dépendance à un seul modèle, mais elle accroît le travail d’intégration. Le fournisseur doit tester les changements de modèle, surveiller les défaillances, sécuriser les données et maintenir les connecteurs.

Une inférence bon marché ne supprime pas ces obligations. Elle peut même encourager des usages inutiles lorsque les équipes mesurent le volume d’expérimentation plutôt que les résultats métier effectivement obtenus.

La ligne de partage concurrentielle passera donc entre les fournisseurs capables d’opérer dans les environnements des clients et ceux qui se contentent principalement de revendre l’accès aux modèles.

C’est pour cette raison que le MIIT encourage la constitution d’équipes d’ingénieurs de déploiement de première ligne. Ces ingénieurs travaillent sur les sites clients et relient les systèmes d’IA aux données, outils, politiques et habitudes de travail réels.

Le concept rappelle les stratégies d’IA d’entreprise fortement axées sur le déploiement utilisées sur d’autres marchés. Le fournisseur gagne la confiance en restant proche des opérations, plutôt qu’en livrant une interface générique avant de repartir.

Pour les clients industriels, cette approche peut être indispensable. Les systèmes d’usine peuvent impliquer des équipements anciens, des réseaux isolés, des bases de données spécialisées et des limites strictes d’indisponibilité.

Le score d’un modèle sur des benchmarks indique peu de choses sur sa capacité à retrouver le bon dossier de maintenance. Il ne montre pas non plus si un agent peut se rétablir après la défaillance d’un outil logiciel.

Les offres produits standardisées présentent l’avantage inverse. Elles réduisent la personnalisation en ciblant des fonctions fréquentes, nécessaires et réutilisables chez de nombreux clients.

Le MIIT souhaite que les fournisseurs créent des produits compacts correspondant à ces caractéristiques. L’objectif est d’éviter que chaque déploiement soit traité comme un projet de conseil sur mesure.

Cela crée une tension inévitable. Les clients complexes ont besoin d’une intégration étroite, tandis que les fournisseurs capables de passer à l’échelle ont besoin de produits reproductibles et d’un support prévisible.

Les fournisseurs qui réussissent devront décider quelles couches standardiser. L’acheminement entre modèles, l’évaluation, les autorisations, la journalisation et les contrôles des workflows peuvent constituer une plateforme commune.

Les structures de données et règles opérationnelles sectorielles peuvent toutefois continuer à nécessiter une adaptation locale. Les fournisseurs qui personnalisent tout auront du mal à passer à l’échelle, tandis que des produits trop rigides risquent d’échouer dans les organisations réelles.

Le réservoir national de ressources pourrait intensifier ce processus de sélection. Des milliers de fournisseurs inscrits concourront pour un nombre limité de déploiements de référence crédibles.

Les grands groupes technologiques arrivent avec une infrastructure cloud, des modèles, des relations commerciales et de vastes réseaux de partenaires. Les petits spécialistes peuvent répondre par leur connaissance sectorielle et une livraison plus rapide sur site.

Les éditeurs de logiciels traditionnels disposent également d’une ouverture. Ils contrôlent déjà les systèmes dans lesquels les employés créent des commandes, examinent des dossiers, gèrent des équipements ou approuvent des transactions.

Ces acteurs établis peuvent ajouter des modèles et des agents à des workflows existants. Leur avantage réside dans la distribution et le contexte client, plutôt que dans la recherche sur les modèles de pointe.

Les intégrateurs de systèmes occupent une autre position utile. Ils comprennent les achats, l’infrastructure, la personnalisation et les longs cycles d’implémentation, en particulier chez les acheteurs publics et industriels.

Cependant, les relations existantes ne garantissent pas la compétence en IA. Les intégrateurs doivent démontrer leur maîtrise de l’évaluation des modèles, de la gouvernance des données, des contrôles des agents et de la surveillance continue.

Les startups de modèles font face à un autre choix. Elles peuvent vendre une consommation directe, développer leurs propres applications ou s’appuyer sur des partenaires de services pour la livraison.

Les ventes directes préservent une relation plus étroite avec le client. La distribution par partenaires peut atteindre davantage de secteurs, mais elle peut affaiblir le contrôle de la qualité de l’implémentation et du retour client.

La politique ne sélectionne aucune de ces structures commerciales. Sa définition des fournisseurs est suffisamment large pour inclure des consultants, des intégrateurs, des opérateurs et des spécialistes de la sécurité.

Cette ampleur favorise l’expérimentation, mais elle peut aussi brouiller les comparaisons. Un fournisseur de modèles, un intégrateur local et un cabinet de conseil en conformité pourraient intégrer le même réservoir avec des capacités très différentes.

Les clients auront besoin de catégories reflétant les responsabilités réelles. Dans le cas contraire, un vaste registre pourrait devenir un annuaire plutôt qu’un mécanisme de qualification fiable.

Le langage du programme relatif à la sécurité suggère que le MIIT reconnaît ce problème. Les fournisseurs devraient intégrer la sécurité réseau, la sécurité des données, l’éthique et la conformité métier tout au long du développement et de l’exploitation.

Les règles chinoises sur l’IA générative imposent déjà des obligations aux services proposés au public. Celles-ci comprennent la protection des données, les contrôles de contenu, la fiabilité et, dans des cas définis, des exigences d’évaluation de sécurité.

Les déploiements en entreprise et dans l’industrie peuvent relever de circonstances réglementaires différentes. Néanmoins, les clients attendront des fournisseurs qu’ils identifient les obligations applicables avant de passer d’un pilote à la production.

L’achat de tokens soulève donc bien plus qu’une question de facturation. Chaque unité de consommation peut impliquer des données clients, du contenu généré, des décisions de modèles et des actions logicielles automatisées.

Un acheteur d’entreprise doit savoir où les prompts sont traités et conservés. Il a également besoin de règles concernant les informations personnelles, les dossiers confidentiels et l’accès aux outils externes.

Les agents augmentent les enjeux parce qu’ils peuvent agir, et non seulement répondre. Un système mal contrôlé pourrait envoyer un message, modifier un dossier ou déclencher un processus opérationnel.

Les fournisseurs ont besoin de limites d’autorisation, de journalisation, de revue humaine et de procédures de reprise. Ces exigences ajoutent des coûts qu’une simple comparaison par token ne pourra pas saisir.

Les meilleures offres de services relieront la consommation à des contrôles au niveau métier. Les acheteurs devraient pouvoir voir quel workflow a utilisé la capacité, quel résultat a été obtenu et qui a approuvé les actions sensibles.

Ce modèle facilite également l’évaluation de la compensation du risque. Un programme local peut soutenir un déploiement défini assorti d’étapes mesurables, plutôt que de subventionner un volume d’inférence non spécifié.

La concurrence qui en résultera récompensera les preuves opérationnelles. Les fournisseurs devront montrer que leurs systèmes fonctionnent de manière répétée avec les contraintes du client en matière de données, de sécurité et de latence.

C’est le changement plus profond derrière le titre. L’accès aux modèles est devenu largement disponible, tandis que la livraison fiable d’applications reste rare et intensive en main-d’œuvre.

Ce que l’achat de tokens du MIIT ne garantit pas

L’avis autorise l’expérimentation avec un soutien à la demande, mais il ne garantit ni budgets, ni contrats, ni utilisation, ni résultats d’IA réussis.

La plus grande incertitude est financière. Le MIIT fixe des objectifs de nombre de fournisseurs, mais ne publie aucune enveloppe nationale de dépenses pour les achats de modèles, d’agents ou de tokens.

Le document ne fixe pas non plus de contribution locale minimale. Les régions présentant des bases industrielles et des conditions budgétaires différentes peuvent mettre en œuvre le programme à des rythmes différents.

Cela signifie que le langage des titres ne doit pas être transformé en prévisions de revenus. Un fournisseur ne peut pas calculer les commandes attendues à partir du seul objectif national du réservoir.

Plus de 2 000 entreprises pourraient entrer dans le réservoir avant la fin de 2026. L’entrée pourrait créer de la visibilité, mais aussi produire un marché encombré où la demande différenciée demeure limitée.

Le calendrier crée une autre pression. L’avis est paru quatre mois avant la première échéance nationale concernant le nombre de fournisseurs.

Les autorités locales doivent identifier les entreprises, créer des dossiers, appliquer des normes et soumettre les informations pendant cette période. La rapidité peut entrer en conflit avec une évaluation technique détaillée.

Un processus d’inscription rapide peut favoriser des références d’entreprise faciles à vérifier. Il pourrait ne pas saisir les différences opérationnelles entre un constructeur de prototypes et un fournisseur expérimenté en production.

La future plateforme nationale en ligne du ministère pourrait améliorer la transparence. Toutefois, l’avis ne fournit ni date de publication ni ensemble confirmé de champs de données publics.

Les acheteurs ont besoin de plus que de noms d’entreprises. Des dossiers utiles décriraient les secteurs servis, les dépendances aux modèles, les capacités de sécurité, les déploiements, les résultats d’évaluation et la couverture du support.

Une deuxième incertitude concerne la signification d’une hausse des achats. L’expression pourrait couvrir des achats gouvernementaux directs, des programmes d’entreprises publiques, des incitations destinées aux acheteurs privés ou des subventions régionales pour des pilotes.

Ces canaux obéissent à des règles différentes. Leurs budgets, exigences de divulgation, méthodes d’évaluation et cycles d’achat ne sont pas interchangeables.

Le cadre existant d’achats collaboratifs fournit une voie possible. Il exige toujours un projet éligible, un budget approuvé, un processus structuré et des étapes contractuelles.

Par conséquent, « premier achat » ne doit pas être interprété comme une préférence automatique pour un produit non éprouvé. Le mécanisme est conçu pour soutenir une innovation substantielle tout en gérant le risque lié aux achats.

La compensation du risque exige également une conception précise. Un programme doit identifier les échecs éligibles, les coûts couverts, les plafonds de compensation et les exigences en matière de preuves.

Une compensation mal définie peut masquer une faible demande. Un acheteur peut achever un pilote subventionné, puis refuser un usage récurrent une fois le soutien terminé.

La consommation récurrente de tokens est un signal utile, bien qu’elle nécessite du contexte. Un volume plus élevé peut refléter une adoption réussie, des prompts inefficaces, des échecs répétés ou des boucles d’agents coûteuses.

Les mesures de résultats doivent accompagner la consommation. Le coût par cas résolu, contrat examiné, tâche de conception achevée ou interruption évitée offre une vision plus claire.

Une évaluation indépendante aura son importance, car les fournisseurs sont incités à présenter favorablement les résultats des pilotes. Les clients devraient tester les systèmes sur des données représentatives et des cas limites difficiles.

Les équipes d’achat ont également besoin de plans de sortie. Un fournisseur peut modifier son modèle, son mode de tarification, ses pratiques de données ou ses conditions de support pendant un déploiement pluriannuel.

Les architectures multi-modèles peuvent réduire la dépendance, mais le changement reste coûteux. Les prompts, évaluations, systèmes de récupération d’informations et connecteurs d’outils dépendent souvent du comportement du modèle.

Les exigences de portabilité pourraient donc influencer les futurs appels d’offres. Les acheteurs pourraient demander des journaux exportables, des interfaces documentées, des tests de substitution de modèles et des procédures claires de restitution des données.

Le risque de sécurité reste central. Le MIIT demande aux fournisseurs de passer d’une réponse passive à une prévention proactive tout au long du développement, du déploiement et de l’exploitation.

Ce langage reconnaît que la conformité ne peut pas être ajoutée après qu’un agent est passé en production. Les limites de données et les autorisations d’action doivent être conçues avant une utilisation étendue.

Le statut d’un fournisseur dans le réservoir national ne devrait pas remplacer la diligence raisonnable du client. L’inclusion peut indiquer une pertinence stratégique sans prouver que chaque service satisfait aux exigences de chaque secteur.

La santé, la finance, l’énergie, la fabrication et l’administration publique comportent chacune des risques opérationnels distincts. Le succès d’un assistant de bureau ne démontre pas une préparation au contrôle industriel sensible à la sécurité.

La politique laisse également irrésolue la question des performances des modèles. Elle encourage l’intégration avec des logiciels, bases de données et puces d’inférence nationales sécurisés et fiables, mais ne définit pas une pile technologique obligatoire.

Cette flexibilité peut soutenir des solutions diverses. Elle peut également augmenter le travail de test, car les fournisseurs doivent valider le comportement sur différents matériels, modèles et environnements clients.

Les conditions économiques ajoutent une autre contrainte. Les données de l’industrie logicielle du MIIT montrent que le chiffre d’affaires a progressé plus vite que les bénéfices durant les sept premiers mois de 2026.

Le chiffre d’affaires des logiciels a atteint 8 978,5 milliards de yuans, soit une hausse de 9,2 % sur un an. Le bénéfice total s’est élevé à 1 039,6 milliards de yuans, en hausse de 1,3 %.

Ces chiffres couvrent l’ensemble du secteur des logiciels et des services informatiques, et non les seuls fournisseurs d’IA. Ils illustrent néanmoins pourquoi l’économie de la mise en œuvre mérite une attention particulière.

Les fournisseurs peuvent remporter des projets tout en dégradant leurs marges en raison d’une personnalisation excessive et d’un support sur site. Des prix de modèles bas n’éliminent pas les coûteux travaux d’ingénierie.

Un programme national réussi doit donc produire des solutions reproductibles, et pas seulement des inscriptions de fournisseurs et des pilotes subventionnés. L’utilisation commerciale récurrente constituera l’épreuve la plus difficile.

Le langage du document sur l’expansion à l’étranger introduit une autre incertitude. Les régions qualifiées sont encouragées à soutenir des projets d’application d’IA chinois par l’intermédiaire de mécanismes de coopération internationale.

Le déploiement transfrontalier ajoute de la complexité en matière de données, de localisation, de contrats et de réglementation. Un produit approuvé dans un contexte national peut nécessiter des changements importants à l’étranger.

Aucune de ces lacunes n’invalide la politique. Elles montrent pourquoi l’avis du 31 août doit être considéré comme un cadre de développement du marché, plutôt que comme une demande déjà concrétisée.

Trois signaux indiqueront si la politique crée une demande réelle

Les prochains éléments de preuve devraient provenir des règles du vivier de fournisseurs, des achats locaux financés et d’un usage récurrent lié à des résultats mesurables.

Le premier signal concerne le critère de sélection du vivier national de ressources. Le MIIT affirme qu’il constituera ce vivier sur la base de normes pertinentes et le publiera au moment opportun.

Cette norme révélera ce que le gouvernement valorise. Le chiffre d’affaires, les brevets, la propriété des modèles, l’historique de livraison, les contrôles de sécurité et la spécialisation sectorielle favoriseraient différents groupes de fournisseurs.

Une norme centrée sur les preuves de déploiement renforcerait l’orientation de la politique vers les applications. Elle récompenserait les entreprises capables d’exploiter des systèmes dans les environnements de leurs clients.

Une norme principalement axée sur les références d’entreprise affaiblirait cette interprétation. Elle pourrait produire un vaste registre sans distinguer la capacité de production de la qualité de présentation.

La structure des catégories du vivier importe également. Les acheteurs doivent pouvoir distinguer les fournisseurs de modèles, les éditeurs de plateformes, les intégrateurs, les spécialistes sectoriels, les opérateurs et les fournisseurs de sécurité.

Des procédures de mise à jour publiées fourniraient un autre indice utile. Un vivier actif devrait admettre de nouveaux fournisseurs, supprimer les entrées inactives et refléter les changements importants de capacité.

Le deuxième signal concerne les achats locaux financés. Il faudra surveiller les avis d’appel d’offres, les accords de premier achat, les règles de compensation des risques, les bons de calcul et les scénarios pilotes nommément désignés.

Les preuves les plus solides incluraient les sources budgétaires, les critères d’éligibilité, les jalons et les résultats publics. Ces détails transformeraient l’orientation nationale en activité d’achat.

La répartition géographique comptera autant que le volume total des annonces. Les provinces dotées de zones pilotes d’IA sont confrontées à des objectifs explicites en matière de fournisseurs, mais leurs besoins industriels diffèrent considérablement.

Un centre manufacturier pourrait privilégier l’inspection qualité, la maintenance, la conception et la planification des approvisionnements. Une autre région pourrait se concentrer sur les services logiciels, l’administration publique ou les opérations énergétiques.

Ces différences peuvent permettre de vérifier si des offres standardisées se déploient chez différents clients. Une solution qui réussit dans plusieurs environnements comparables fournit des preuves plus solides qu’un seul déploiement de démonstration.

Les modalités de compensation des risques méritent une attention particulière. Les programmes exigeant des résultats mesurables et des contributions des clients sont plus susceptibles de tester une demande réelle.

Les programmes qui couvrent l’essentiel des coûts sans engagement après le pilote peuvent gonfler temporairement l’activité. Les fournisseurs pourraient optimiser leurs efforts pour les demandes de subventions plutôt que pour des produits durables.

Le langage des appels d’offres montrera également si les acheteurs acquièrent de la capacité brute ou des services achevés. Un simple quota de tokens crée peu de responsabilité quant aux résultats commerciaux.

Des contrats reliant la capacité aux flux de travail, aux niveaux de service, aux jeux d’évaluation et aux responsabilités de sécurité signaleraient un marché plus mature.

Le troisième signal est une consommation récurrente, liée aux résultats. Les fournisseurs et les clients devraient montrer si l’utilisation se poursuit après la fin des essais et des soutiens externes.

Les volumes bruts de tokens ne peuvent pas répondre à cette question. Les rapports devraient relier la consommation aux tâches achevées, aux taux d’erreur, à la revue humaine et au coût total d’exploitation.

Les renouvellements sont particulièrement précieux. Un client qui étend un déploiement après avoir mesuré les résultats fournit des preuves plus solides qu’un fournisseur annonçant un nouveau pilote.

La diversité des modèles peut offrir un autre indice d’adoption. Un fournisseur de services utilisant plusieurs modèles pour des tâches définies démontre que la couche applicative contrôle la relation client.

À l’inverse, les applications qui s’effondrent lorsqu’un modèle change révèlent une intégration fragile. Les règles d’achat pourraient à terme exiger des tests de substitution ou une planification de continuité.

Les antécédents en matière de sécurité influenceront également la demande. Un incident grave impliquant des données confidentielles ou des actions non autorisées d’agents pourrait ralentir les achats dans plusieurs secteurs.

Une gestion transparente des incidents favoriserait la confiance. Les fournisseurs ont besoin de supervision, de responsabilités documentées et d’un processus clair pour limiter les systèmes affectés.

La capacité d’ingénierie de terrain devrait croître avec les contrats. Si les fournisseurs répertoriés recrutent des spécialistes du déploiement, cela suggérerait qu’ils s’attendent à un travail opérationnel plutôt qu’au seul statut dans un registre.

Les un à trois prochains mois fourniront des premiers éléments, sans toutefois permettre un verdict complet. Le MIIT doit avancer rapidement pour atteindre son objectif de fournisseurs fixé pour la fin de 2026.

Les agences locales ont également besoin de temps pour transformer le langage national en programmes conformes. L’absence de dépenses immédiates ne prouverait pas un échec, mais des annonces vagues sans détails sur les achats affaibliraient la thèse de la demande.

Pour les développeurs, cette politique favorise une fiabilité mesurable plutôt que la qualité de démonstration. Les produits ont besoin d’évaluations, de contrôles d’autorisation, de rapports d’usage et de mécanismes de reprise avant d’intégrer des flux de travail à forts enjeux.

Pour les acheteurs d’entreprise, elle donne une raison d’examiner les pilotes soutenus sans abaisser les exigences techniques. La compensation devrait réduire le risque d’adoption, et non remplacer la diligence raisonnable.

Pour les travailleurs du savoir, l’effet pratique apparaîtra lorsque les agents seront intégrés à des flux de travail approuvés. Davantage d’achats publics peut élargir l’accès, mais l’utilité dépend d’informations fiables et d’actions responsables.

La question durable n’est pas le nombre de tokens achetés par les programmes publics. Elle est de savoir si chaque unité aide un fournisseur à accomplir une tâche reproductible que les clients choisissent de financer à nouveau.

Suivez les premiers critères publiés pour les fournisseurs, les premiers contrats locaux financés et les premiers renouvellements vérifiés. Ensemble, ces signaux montreront si le langage du MIIT sur les tokens a créé un marché opérationnel ou seulement un titre de politique publique.