Dans les archives du web, le raccourci tient en une ligne : une intelligence artificielle chinoise géante, capable de rédiger, de dessiner, de répondre à des questions ; donc, avant ChatGPT, un « ChatGPT chinois ». L’image est commode. Elle est aussi trompeuse. Wudao n’était ni un produit grand public au même sens, ni une interface conversationnelle devenue réflexe, ni même un modèle conçu pour être jugé à l’aune d’une seule fenêtre de dialogue.

Comprendre cette confusion permet de mieux lire l’histoire récente de l’IA. Car derrière un nom spectaculaire se cache une distinction décisive : celle entre un modèle de fondation, une démonstration technologique, une plateforme de recherche et un service effectivement utilisé. On peut avoir le premier sans posséder les trois autres.

Un nom devenu plus grand que son objet

Wudao est le nom donné à une famille de grands modèles d’intelligence artificielle développée par la Beijing Academy of Artificial Intelligence, généralement désignée par son sigle BAAI. Son ambition était vaste : entraîner une IA sur de très grandes quantités de données afin qu’elle puisse traiter le langage, produire du texte, raisonner sur des requêtes, voire manipuler plusieurs types de contenus selon les versions et les démonstrations.

Le projet a attiré l’attention par l’ampleur annoncée de son architecture. À l’époque, le débat public sur l’IA générative se focalisait volontiers sur une mesure facile à comparer : le nombre de paramètres. Plus un modèle semblait vaste, plus il paraissait puissant. Wudao est ainsi devenu un symbole : celui de la course chinoise aux très grands modèles, face aux laboratoires américains les plus visibles.

Mais un modèle n’est pas un produit. Cette phrase paraît triviale aujourd’hui ; elle l’était beaucoup moins lorsque la plupart des utilisateurs n’avaient pas encore pris l’habitude de converser quotidiennement avec une IA. Wudao renvoyait d’abord à une capacité de recherche et d’infrastructure : entraîner, évaluer et adapter un système de très grande taille. ChatGPT, lui, a surtout imposé une expérience : une boîte de dialogue, des réponses reformulables, un ton accessible, des itérations immédiates.

La puissance d’un modèle se mesure dans les laboratoires ; son influence se mesure dans les usages.

Le piège de la boîte de dialogue

Pourquoi avoir collé à Wudao l’étiquette de « ChatGPT chinois » ? Parce que les deux objets appartiennent à la même grande famille, celle des modèles génératifs capables de produire du langage. Lorsqu’un système écrit un paragraphe, résume un texte ou répond à une consigne, la comparaison paraît naturelle. Pourtant, elle gomme des différences importantes.

ChatGPT est le nom d’un service conversationnel, bâti sur des modèles successifs et enrichi de multiples couches de produit : interface, réglages, filtres de sécurité, mémoire éventuelle, outils connectés, gestion des comptes, traitement des retours utilisateurs. Son effet culturel vient autant de cette mise en scène que des performances brutes du modèle sous-jacent.

Wudao a davantage été présenté comme une base technologique et un programme de recherche. Il pouvait donner lieu à des applications, à des expérimentations ou à des intégrations, sans devenir pour autant l’équivalent exact d’un assistant universel accessible de la même manière à des millions de personnes. Une démonstration de génération de texte ne crée pas automatiquement un compagnon de travail. Entre les deux, il faut des interfaces, de la fiabilité, des garde-fous, une distribution et une raison concrète de revenir.

Le raccourci révèle aussi notre obsession pour les visages familiers. Dès qu’une technologie étrangère paraît comparable à un produit connu, on lui attribue son nom : le « Netflix de… », le « Uber de… », le « ChatGPT de… ». Ces analogies facilitent l’entrée dans un sujet, mais elles enferment souvent l’objet décrit dans une histoire qui n’est pas la sienne.

Ce que les paramètres racontent — et ce qu’ils taisent

Wudao est emblématique d’un moment où la taille des modèles était devenue un récit en soi. Les paramètres sont les valeurs internes qu’un réseau de neurones ajuste pendant son entraînement. Ils constituent une partie de sa capacité à reconnaître des régularités dans les données et à générer des résultats plausibles. Leur nombre est donc une information technique utile, mais incomplète.

Un système plus grand peut accomplir certaines tâches avec davantage d’aisance. Il ne devient pas, pour autant, automatiquement plus exact, plus sûr, plus clair ou plus utile. La qualité des données, le travail d’entraînement, les méthodes d’évaluation, la spécialisation du modèle, son coût d’exécution et son intégration dans un outil comptent tout autant.

La comparaison est simple : connaître la cylindrée d’un moteur ne suffit pas à prédire le confort d’une voiture, sa consommation, sa tenue de route ou la qualité de son système de freinage. En IA, les paramètres sont une caractéristique d’ingénierie ; ils ne constituent pas une fiche d’usage.

Cette prudence vaut particulièrement pour les annonces de modèles géants. Les organisations communiquent volontiers sur ce qui impressionne : la taille, la vitesse d’entraînement, les performances sur une sélection de tests. L’utilisateur, lui, a besoin d’autres réponses :

• Le système est-il réellement accessible, et dans quelles conditions ?
• Peut-il suivre une instruction complexe sans inventer d’informations ?
• Ses réponses peuvent-elles être vérifiées et corrigées facilement ?
• Est-il adapté à une langue, un métier ou un contexte culturel donné ?
• Que devient une donnée sensible saisie dans l’interface ?

Autrement dit, il faut distinguer la capacité annoncée de la fiabilité observée. Wudao, comme beaucoup de projets emblématiques, rappelle que ces deux notions ne se confondent jamais complètement.

Une autre cartographie de l’IA chinoise

Réduire l’IA chinoise à Wudao reviendrait d’ailleurs à manquer l’essentiel. L’écosystème chinois rassemble des universités, des instituts de recherche, des plateformes numériques, des fabricants, des entreprises de cloud et de nombreux éditeurs de modèles. Leurs objectifs ne sont pas identiques : certains privilégient la recherche fondamentale, d’autres les services conversationnels, la bureautique, le commerce, l’industrie, l’éducation ou la création de contenus.

Dans cet ensemble, les grands modèles de langue chinois affrontent des enjeux propres. Ils doivent composer avec la richesse de l’écriture chinoise, les usages locaux du web, les attentes des entreprises, les règles nationales de modération et les conditions d’accès aux données comme aux infrastructures de calcul. Les modèles ne voyagent pas dans le vide : ils portent la trace de leur langue, de leurs sources, de leurs contraintes réglementaires et de leur marché.

Dire « le ChatGPT chinois » suggère donc qu’il existerait une réponse nationale unique à un produit américain unique. La réalité est plus fragmentée. Plusieurs assistants peuvent coexister, tout comme plusieurs modèles sous-jacents, avec des niveaux d’ouverture, des modes de déploiement et des publics différents.

Le test qui évite les faux équivalents

Face à toute annonce d’IA, une petite grille de lecture permet de résister au marketing par analogie. Elle s’applique à Wudao, mais aussi à chaque nouveau modèle présenté comme un rival, un clone ou un outil célèbre.

• Nommer l’objet. Est-ce un modèle, une application, une API, une suite d’outils, un agent ou une plateforme ?
• Regarder l’accès. S’agit-il d’un projet de laboratoire, d’un service ouvert, d’une offre pour entreprises ou d’une technologie réservée à des partenaires ?
• Identifier la tâche. Le système excelle-t-il en conversation, en recherche documentaire, en programmation, en image, en traduction ou dans une fonction métier précise ?
• Examiner l’interface. Une technologie peut être remarquable et rester difficile à employer ; l’expérience utilisateur n’est pas un détail.
• Demander des preuves d’usage. Les démonstrations sont-elles reproductibles ? Les limites sont-elles documentées ? Les erreurs sont-elles visibles ?

Cette méthode a une vertu : elle remplace la question paresseuse — « est-ce le X de tel pays ? » — par une question plus fertile : « pour qui, dans quel contexte et avec quelles limites cet outil a-t-il été conçu ? »

Wudao, un bon antidote aux récits trop rapides

Wudao n’a pas besoin d’être transformé en préfiguration exotique de ChatGPT pour être intéressant. Son importance tient précisément à ce qu’il révèle : la montée en puissance des très grands modèles hors de la Silicon Valley, le rôle central des infrastructures de calcul, et l’écart persistant entre une prouesse de recherche et un usage massif.

L’histoire de l’IA est souvent racontée comme une succession de vainqueurs instantanés. Un modèle apparaît, un record est annoncé, un nom circule, puis le récit se déplace vers le suivant. Or les transformations durables naissent rarement d’un seul modèle. Elles viennent de l’assemblage entre recherche, distribution, interfaces, coûts, confiance et habitudes de travail.

Le meilleur enseignement de Wudao est peut-être celui-ci : ne confondons pas le moteur, la voiture et le trajet. Un grand modèle peut être un jalon technique majeur sans devenir l’outil que le public adopte. Et un assistant devenu quotidien peut devoir son succès à bien plus qu’à la taille de son cerveau artificiel.