Le PDG d’Intel (INTC.US), Pat Gelsinger, fait l’éloge des modèles d’IA de pointe en Chine et soutient fermement l’open source pour améliorer l’efficacité.

Selon l’application Smart Finance, le PDG d’Intel (INTC.US), Pat Gelsinger, a déclaré lundi que les modèles d’intelligence artificielle (IA) de pointe en Chine offrent un coût par token inférieur et ont déjà connu une adoption « très rapide ». Selon les rapports, Pat Gelsinger a affirmé que les performances des modèles tels que DeepSeek, Kimi et GLM sont « déjà suffisamment bonnes ». Il a également déclaré : « Je suis un fervent partisan de l’open source. C’est le meilleur moyen de stimuler l’efficacité. » Il a ajouté que le marché déterminera finalement quels modèles conviennent à quelles applications.

La position de Pat Gelsinger s’aligne sur celle de Jensen Huang, PDG de NVIDIA (NVDA.US). Jensen Huang a défendu à plusieurs reprises les modèles open source chinois. En juillet de cette année, il a déclaré que les modèles de DeepSeek, Alibaba et Moonshot AI étaient tous « très impressionnants » et méritaient d’être appliqués. Il a également souligné que les modèles open source peuvent élargir le champ d’application de l’IA, plutôt que de réduire la demande pour les puces NVIDIA.

L’un des principaux avantages des modèles d’IA open source est que leur coût d’utilisation est relativement bas. Pour Intel, l’adoption plus large de modèles d’IA à faible coût pourrait favoriser un déploiement plus généralisé de l’IA, ce qui entraînerait une hausse de la demande pour les CPU, serveurs et infrastructures de centres de données nécessaires à l’exécution de ces charges de travail, un axe de croissance actuellement stratégique pour Intel.

Parallèlement, Pat Gelsinger a positionné l’activité centres de données d’Intel comme bénéficiaire de l’IA agentique. Les données montrent que le chiffre d’affaires d’Intel au deuxième trimestre a augmenté de 25 % sur un an pour atteindre 16,13 milliards de dollars, soit la croissance la plus rapide depuis 2011, dépassant les attentes de 14,42 milliards de dollars. Parmi ces résultats, le chiffre d’affaires de la division Data Center et IA s’est élevé à 6,3 milliards de dollars, en hausse de 59 % sur un an, un rythme plus de deux fois supérieur à la croissance globale de l’entreprise et supérieur aux attentes du marché (5,37 milliards de dollars).

Avec le passage de l’industrie du simple entraînement de grands modèles à un déploiement massif d’IA agentique capable d’exécuter des tâches de façon autonome, la demande en CPU généralistes explose. L’IA agentique peut accomplir des tâches en plusieurs étapes, nécessitant ainsi une énorme puissance de calcul. L’inférence IA traditionnelle peut s’appuyer fortement sur les GPU pour le calcul matriciel, mais les workflows d’agent divisent une tâche en plusieurs phases — planification, recherche, lecture/écriture de fichiers, vérification de règles, exécution de code, appel d’outils, et validation des résultats — qui nécessitent naturellement davantage de CPU généralistes, d’accès mémoire, d’E/S et d’orchestration système. Pour l’inférence classique, le ratio ressources GPU/CPU est d’environ 7:1, alors que dans les workflows d’agent, il peut tendre vers 1:1, voire devenir plus exigeant pour les CPU. Cela ne veut pas dire que les GPU perdent en importance, mais plutôt que les data centers IA entrent dans une ère de systèmes hétérogènes combinant « GPU+CPU+ASIC+infrastructure de réseaux optiques+stockage » plutôt que des « îlots de GPU » isolés.

En outre, certains analystes estiment que le développement de modèles open source peut aussi aider Intel à réduire sa dépendance envers un seul écosystème IA. Aujourd’hui, le marché des infrastructures IA repose en grande partie sur l’écosystème CUDA de NVIDIA. L’essor des modèles open source pourrait permettre aux entreprises de diversifier leurs infrastructures IA. Par exemple, une entreprise pourrait choisir une combinaison GPU NVIDIA + CPU Intel, ou CPU Intel + d’autres accélérateurs IA, ou encore CPU pour le calcul général et accélérateurs spécialisés pour l’inférence IA. Pour Intel, l’objectif principal n’est pas de devenir « le deuxième NVIDIA », mais de s’imposer comme un fournisseur indispensable d’infrastructures de calcul généralistes dans les data centers IA.