Le pari IPO de Zhipu : de DeepSeek en retard à la chasse à la frontière de l'AGI

La guerre des modèles s’intensifie alors que Zhipu vise la révolution de l’architecture fondamentale

Lorsque l’action de Zhipu a été ouverte le 8 janvier, cela a marqué un moment décisif — la première entreprise mondiale de modèles linguistiques publics. Mais la véritable bombe est venue dans la note interne du PDG Tang Jie : l’entreprise opère un virage radical. Fini la course effrénée à la recherche d’applications. Place à une concentration laser sur ce qui compte vraiment — la recherche sur les modèles fondamentaux et l’intelligence brute qui sous-tend tout.

Le timing n’était pas accidentel. La vague de choc de DeepSeek à travers le paysage de l’IA chinoise a forcé une remise en question. Les deux entreprises ont des racines dans le monde académique (Tang du département d’informatique de Tsinghua), toutes deux misent gros sur les écosystèmes open-source, mais les succès récents de DeepSeek ont mis en évidence des lacunes dans la stratégie de Zhipu. L’alerte a fonctionné. Maintenant, Zhipu mise double sur le travail peu glamour mais capitalistique : construire de meilleures architectures, des systèmes d’apprentissage plus intelligents, et des modèles capables d’évoluer par eux-mêmes.

Le plan 2025 a vraiment fonctionné

Avant le virage, Zhipu a exécuté un calendrier de lancement de modèles en trois étapes qui ressemblait à une feuille de route stratégique :

• Avril : modèle “Stabilisation” (GLM-4.5) qui s’est avéré compétitif
• Mi-année : le modèle “siège à la table” (GLM-4.6) classé parmi les meilleurs
• Fin d’année : GLM-4.7 couronné comme le meilleur performer

Les chiffres le confirment. GLM-4.7 a atteint la première place parmi les modèles open-source domestiques sur les benchmarks d’Artificial Analysis et a égalé Claude 4.5 Sonnet pour la sixième place mondiale. Plus concrètement, plus de 150 000 développeurs dans 184 pays l’ont déployé pour des travaux réels — principalement du codage. La plateforme MaaS (bigmodel.cn) est passée de 20 millions à 500 millions de revenus annualisés en seulement 10 mois. Cela représente un multiplicateur de 25x. À l’étranger ? 200 millions de ces revenus proviennent de l’extérieur de la Chine.

Les revenus ont doublé les attentes. L’infrastructure nationale d’IA de la Malaisie fonctionne désormais sur le modèle Z.ai de Zhipu, offrant à l’entreprise une stratégie d’IA souveraine que les dirigeants attribuent à la poussée de Pékin pour que la technologie chinoise “aille à l’échelle mondiale.”

Où se joue la véritable bataille en 2026

Mais voici ce qui importe plus que les succès de cette année : ce qui vient ensuite. La note de Tang a identifié quatre frontières technologiques qui détermineront le prochain paysage concurrentiel :

1. GLM-5 et la remise en question de l’architecture

L’architecture Transformer domine depuis une décennie. Elle montre ses limites. Le traitement de longues séquences ralentit le calcul. Les mises à jour de mémoire sont inefficaces. GLM-5 indique que Zhipu est prêt à explorer des designs post-Transformer — ce que l’industrie appelle “nouvelles paradigmes de mise à l’échelle”. Cela signifie l’innovation algorithmique qui distingue les leaders des suiveurs.

2. Apprentissage par renforcement généralisé

Les systèmes RL actuels excellent dans des victoires étroites (math, code) mais peinent face à la complexité du monde réel. Ils s’appuient sur des “environnements vérifiables” artificiels qui jouent à la théorie des jeux pour gagner. Zhipu veut un RL capable de gérer des chaînes de raisonnement désordonnées, multi-heures — des tâches s’étendant sur une journée de travail complète. C’est le pont entre la réalisation de tâches étroites et quelque chose de plus proche du raisonnement authentique.

3. Apprentissage continu (Le Saint Graal)

Tous les grands modèles aujourd’hui sont statiques après leur déploiement. Ils s’entraînent une fois, se figent, et deviennent progressivement obsolètes. Le cerveau humain ne fonctionne pas ainsi. Il apprend en continu. Zhipu planifie explicitement des paradigmes “d’apprentissage en ligne” ou “d’apprentissage continu” — des modèles qui s’améliorent par interaction avec le monde après leur déploiement. C’est du domaine du moonshot, mais c’est désormais officiellement inscrit sur la feuille de route.

4. Un nouvel organe interne : X-Lab

Pour éviter le “piège de l’amélioration incrémentielle”, Zhipu vient de lancer X-Lab — une division interne pour rassembler de jeunes chercheurs afin de poursuivre des idées disruptives en dehors des contraintes organisationnelles habituelles. La charte : architectures de nouvelle génération, nouveaux paradigmes cognitifs, explorations hardware. Conçu pour fonctionner comme une startup au sein d’une grande entreprise.

La vision d’ensemble : l’IA qui remplace de vrais emplois

La note de Tang a désigné 2026 comme “l’année de rupture pour l’IA qui remplace différentes professions/tâches”. C’est notablement différent du simple remplacement de rôles — il s’agit d’automatiser des travaux spécifiques à forte valeur ajoutée. Combiné à la poussée de Zhipu dans l’innovation architecturale et l’apprentissage autonome, l’entreprise mise sur le fait que les gains en capacité, et pas seulement en échelle, débloqueront de nouveaux cas d’usage.

L’entreprise s’est réorganisée en conséquence. Les équipes C, les divisions de développement produit, et les unités de génération vidéo ont toutes été rationalisées. La surcharge a disparu ; la concentration est faite. Des projets open-source comme AutoGLM ont été lancés dans l’écosystème.

Pourquoi cela importe

La recalibration de Zhipu vous dit quelque chose : l’époque où “jeter des données à grande échelle, gagner la course aux benchmarks” se refroidit. Les prochains gagnants seront ceux qui maîtrisent les fondamentaux de la recherche — architecture, paradigmes d’apprentissage, adaptation continue. DeepSeek a prouvé qu’il n’était pas nécessaire d’avoir le coffre-fort du capital-risque si l’on avait la bonne stratégie R&D. L’IPO et le virage de Zhipu suggèrent que l’entreprise a retenu la leçon.

L’entreprise est passée de la course aux applications à la course vers la frontière. Ce n’est pas une retraite. C’est une réinitialisation.