Un reportage diffusé aujourd'hui par CCTV Finance avance un chiffre : à fin juin, le volume quotidien moyen d'appels de tokens en Chine a dépassé 500 billions. Le même indicateur avait été communiqué officiellement trois mois plus tôt, à 140 billions.
Retracer cette trajectoire permet d'y voir plus clair. Le terme chinois pour "token", "ciyuan" (词元), n'a été officialisé qu'en mars de cette année ; la même annonce faisait déjà état d'une moyenne quotidienne supérieure à 140 billions de tokens, plus de mille fois le niveau de début 2024 (100 milliards) et 40 % de plus que les 100 billions de fin 2025. En prolongeant cette tendance, la hausse du deuxième trimestre a été plusieurs fois supérieure à celle du trimestre précédent — environ 3,6 fois selon une estimation grossière. C'est précisément au deuxième trimestre que la courbe s'est cassée vers le haut.
La rupture se situe du côté de l'inférence
Selon CCTV Finance, l'enjeu concurrentiel est passé d'une course à la pure "intelligence" des modèles au déploiement d'agents IA et à la construction d'écosystèmes. Ramené au coût de calcul, cela a une traduction très concrète : un appel de type chat, c'est une question et une réponse, quelques centaines à quelques milliers de tokens et l'échange s'arrête là ; un agent IA qui prend en charge une tâche doit au contraire multiplier les recherches, lire du contexte, appeler des outils et enchaîner plusieurs cycles de retour, si bien que la consommation de tokens pour une même tâche peut varier d'un à deux ordres de grandeur.
Liu Feng, directeur général des industries intelligentes chez Tencent, a donné dans le reportage un chiffre directement comparable : lors de la première semaine suivant le lancement officiel de Hunyuan 3, les appels de tokens ont été multipliés par 68 par rapport à la génération précédente, Hunyuan 2. Une hausse de près de soixante-dix fois lors d'un seul changement de génération dépasse ce qu'une simple augmentation du nombre d'utilisateurs pourrait expliquer ; il s'agit plutôt d'un changement complet dans la structure de consommation d'une tâche unique.
Cela explique aussi pourquoi les acteurs du secteur étendent tous leurs clusters d'inférence plutôt que de se concentrer uniquement sur les puces d'entraînement. L'entraînement est un investissement ponctuel, amorti une fois le modèle entraîné ; l'inférence est une dépense continue — plus on l'utilise, plus elle coûte — et les agents IA sont justement le type de produit qui fait d'un usage intensif la norme par défaut.
Le cycle d'itération se resserre à quatre-six semaines
Feng Wen, architecte en chef de la plateforme ouverte de MiniMax, évoque un autre changement : au second semestre 2025, l'objectif des acteurs restait encore d'itérer un modèle tous les trois mois ; aujourd'hui, il faut publier un nouveau modèle toutes les quatre à six semaines.
Cette pression sur le calcul s'exerce dans les deux sens. Côté entraînement, les plannings se resserrent : un cluster a à peine le temps de souffler avant d'enchaîner sur le cycle suivant. Côté inférence, il faut servir simultanément plusieurs versions encore en service — la mise en ligne d'un nouveau modèle ne signifie pas le retrait immédiat de l'ancienne version, qui reste souvent disponible sur l'API pendant plusieurs mois supplémentaires, obligeant à dimensionner la capacité pour faire vivre plusieurs versions en parallèle.
Cette accélération du rythme a un autre effet en cascade : la fenêtre pour amortir le coût d'entraînement d'un modèle donné se raccourcit. Les modèles chinois ont enchaîné les baisses de prix cette année, dans une guerre des prix très vive, ce qui n'est pas sans lien avec ce resserrement de la fenêtre d'amortissement — mieux vaut maximiser le volume d'appels pendant que le modèle est encore en service que de le vendre lentement à un prix élevé.
Les centres de calcul IA suivent les contrats de long terme
Zheng Zihao, directeur général du centre de calcul IA du groupe Envision, a décrit la construction de centres de calcul IA comme une croissance véritablement explosive, expliquant cela par le fait que les clients apportent des engagements de commandes stables sur le long terme.
Ces "engagements de commandes stables sur le long terme" sont le point clé. Un centre de données est un actif à forte intensité capitalistique : entre l'acquisition du terrain et la mise en service, il faut compter un à deux ans, et la pire crainte des investisseurs est de construire pour se retrouver avec une capacité inoccupée. Adossés à des contrats de long terme, les constructeurs osent concevoir directement pour une pleine charge, en calibrant d'emblée l'alimentation électrique, le refroidissement liquide et la densité des baies. Les "usines à tokens" nationales et les complexes de calcul IA que plusieurs régions chinoises développent actuellement suivent la même logique : sécuriser la demande d'abord, monter en capacité ensuite, faisant passer la chaîne industrielle nationale du calcul IA de la validation produit à la livraison à grande échelle.
Ce qui manque encore, au-delà du chiffre
Les 500 billions manquent pour l'instant d'un point de comparaison international. Aucun chiffre mondial calculé selon la même méthode n'est disponible via des canaux publics, si bien que l'idée d'appartenir au "premier groupe" reste, à ce stade, une appréciation qualitative, sans ratio concret pour l'étayer.
En rapportant ces 500 billions à une population de 1,4 milliard d'habitants, cela donne, en calcul approximatif, environ 350 000 tokens par personne et par jour. Ce chiffre n'a en soi guère de sens pratique — l'essentiel des appels provient de systèmes d'entreprise et d'agents IA fonctionnant en arrière-plan, sans rapport avec la frappe individuelle. Son utilité est ailleurs : il rappelle que le token est passé du statut d'indicateur technique à celui d'indicateur industriel. Ce qui sera comparé à répétition désormais, ce sera le coût électrique, les heures de calcul et les revenus générés derrière chaque billion de tokens.
Sources : CCTV Finance, ITHome, CocoLoop, communiqués publics de l'Administration nationale des données ; les chiffres d'appels ont été recoupés point par point avec la précédente annonce officielle, la moyenne par habitant étant une estimation approximative de la rédaction.