Le PDG de Coinbase défend les modèles d'IA chinois à poids ouverts comme solution aux coûts croissants

Le PDG de Coinbase a proposé d'expérimenter des modèles d'IA à poids ouverts moins chers pour contenir les dépenses liées à l'IA alors que la consommation de tokens augmente.

Cette proposition a soulevé des inquiétudes concernant les risques de sécurité et géopolitiques liés à l'orientation des charges de travail d'entreprise vers des systèmes d'origine chinoise.

Pourquoi les entreprises utilisent-elles des modèles d'IA chinois ? 

Les contrôles à l'exportation américains ont rendu plus difficile l'accès des entreprises chinoises aux puces d'IA américaines, mais cela ne les a pas empêchées de développer des modèles compétitifs et de les vendre à des prix bien inférieurs. 

Par exemple, GLM 5.2 de Zhipu coûte 1,40 $ par million de tokens d'entrée et 4,40 $ par million de tokens de sortie par rapport à Opus d'Anthropic 4.8 à 5 et 25 pour le même volume. 

GLM 5.2 a obtenu 62,1 sur SWE-bench Pro, un benchmark clé en codage, battant GPT-5.5 d'OpenAI avec 58,6. Un chercheur en IA a déclaré que GLM 5.2 « est au moins aussi bon qu'Opus 4.8 et GPT 5.5 ».

Un autre l'a qualifié de « premier modèle ouvert capable de rivaliser véritablement avec les systèmes propriétaires ».

Coinbase utilise-t-il des modèles d'IA chinois

Coinbase le PDG Brian Armstrong déclare que la meilleure façon de maîtriser la hausse des coûts de l'IA est d'utiliser des modèles ouverts moins coûteux, y compris des systèmes chinois comme GLM 5.2. 

Armstrong a indiqué que, au lieu de dépenser toujours plus pour l'IA, les entreprises doivent privilégier « des paramètres par défaut meilleurs, un routage optimisé et une mise en cache efficace ». Sa suggestion d'utiliser des modèles chinois, même s'ils sont moins chers, a suscité des inquiétudes quant aux risques de sécurité et politiques. 

Au-delà de son prix avantageux, GLM 5.2 utilise une licence MIT, ce qui permet aux entreprises de le télécharger, de le modifier et de l'exécuter sur leurs propres serveurs, éliminant ainsi tout risque d'envoi de données sensibles de l'entreprise vers une API externe. 

Les dépenses liées à l'IA sont devenues un véritable problème, poussant certaines entreprises à réduire leur utilisation de cette technologie dans leurs opérations. 

Cryptopolitan a récemment rapporté comme Uber, qui a épuisé son budget entier de codage par IA pour 2026 dès avril et limite désormais les ingénieurs à 1 500 $ par outil chaque mois. Meta a envoyé une note interne alertant sur une « augmentation exponentielle » de l'utilisation de l'IA et mettant en place des contrôles de dépenses. Amazon a abandonné un classement interne qui notait les employés selon leur consommation d'IA, car certains contournement du système faisaient grimper les coûts. 

Une enquête de KPMG révèle que seulement 26 % des entreprises ont une visibilité totale sur leurs coûts liés à l'IA, tandis que 22 % découvrent leurs dépenses uniquement après réception de la facture. Goldman Sachs prévoit que la consommation de tokens d'IA pourrait être multipliée par 24 d'ici 2030, atteignant 120 quadrillions de tokens par mois.

L'International Data Corporation prédit que 70 % des entreprises leaders utilisant l'IA auront recours à plusieurs modèles d'ici 2028 plutôt que de dépendre d'un seul fournisseur. 

Quels sont les risques liés aux modèles d'IA chinois ?

L'API cloud de Z.ai, qui permet aux développeurs et aux entreprises d'utiliser ses modèles d'IA (y compris GLM 5.2), relève de la loi chinoise sur le renseignement national. Cela soulève de réelles inquiétudes pour toute entreprise traitant des informations sensibles. 

Des législateurs américains ont ouvert une enquête formelle en mai concernant les risques de cybersécurité posés par les modèles d'IA d'origine chinoise dans les infrastructures critiques. 

Il existe également des préoccupations selon lesquelles les modèles entraînés sous différents systèmes juridiques pourraient présenter des comportements non divulgués. De plus, un constructeur d'IA a testé GLM 5.2 contre GPT-5.5 sur une tâche de débogage et a constaté qu'il était « loin d'être comparable » à la capacité du modèle d'OpenAI à détecter les problèmes, malgré les rapports indiquant que les modèles chinois surpassent leurs équivalents plus coûteux. 

Anthropic a révélé dans une lettre ouverte au Comité bancaire du Sénat que les opérateurs d'Alibaba Qwen avaient effectué 28,8 millions d'échanges Claude via environ 25 000 faux comptes entre avril et juin. Ils ont qualifié cela de la plus grande campagne connue visant à voler les capacités d'un modèle. 

L'hébergement autonome des poids ouverts élimine le risque de routage des données via l'API, car les entreprises exécutant le modèle sur leurs propres serveurs n'envoient pas de données vers la Chine. Cependant, la préoccupation concernant les modèles eux-mêmes persiste.