La collaboration entre DeepSeek et Huawei, jusque-là simple rumeur, est désormais une réalité concrète : les deux entreprises chinoises ont publié en open source une partie du logiciel permettant de programmer les accélérateurs Ascend. Cette initiative vise moins à se positionner sur le marché des semi-conducteurs qu'à s'affranchir de la dépendance à l'égard de CUDA , la plateforme de Nvidia qui, pendant des années, a constitué le passage obligé vers l'intelligence artificielle.
Ce qui est frappant, c'est que cette annonce se fasse via l'open source. DeepSeek a publié des outils et des bibliothèques permettant aux développeurs d'utiliser les puces Huawei sans avoir à reconstruire entièrement les couches centrales de leurs projets. Huawei a soutenu ce travail, et l'objectif est de développer un écosystème complet, et non de se concentrer sur un seul produit.
Outils ouverts pour les puces Ascend
Le package publié comprend six composants logiciels et plusieurs bibliothèques pour les opérations mathématiques et l'échange de données entre accélérateurs. Le composant le plus commenté est TileLang, un langage de programmation de haut niveau que le laboratoire a optimisé pour les accélérateurs Ascend 950. L'objectif est de simplifier l'écriture de code pour ces puces par rapport aux outils Nvidia, sans compromettre les hautes performances.
TileLang n'est pas apparu de nulle part : déjà utilisé dans les précédentes cartes Nvidia, il est désormais déployé chez Huawei. L'entreprise affirme qu'un langage commun et facile à apprendre, tirant parti du matériel, est essentiel à la construction d'un écosystème d'IA indépendant des fournisseurs externes – un objectif que Pékin défend depuis plus de deux ans.
Outre le langage de programmation, DeepSeek et Huawei ont optimisé un supernœud composé de 128 accélérateurs Ascend 950. Dans ce type de systèmes, la puissance de chaque unité ne suffit pas ; la manière dont les données transitent entre elles est cruciale. C’est là que Nvidia a bâti une partie de son avantage grâce à des technologies comme NVLink, et c’est pourquoi l’approche chinoise se doit d’être globale.
DeepSeek n'est pas un novice dans ce domaine. L'entreprise avait déjà développé des outils pour d'autres accélérateurs d'IA et, selon plusieurs sources, son modèle V4-Flash a été optimisé pour fonctionner sur Ascend. Sa prochaine étape connue est ambitieuse : elle prévoit d'installer au moins 160 000 accélérateurs Huawei dans un centre de données en Mongolie-Intérieure, un chiffre qui donne une idée de l'échelle qu'elle vise.
Le mur CUDA et les limites du plan
Huawei n'a pas seulement été freiné par les composants physiques de ses puces. Depuis près de vingt ans, une grande partie des logiciels d'IA sont conçus pour CUDA , et cette base installée est difficile à déloger. CUDA ne se limite pas à un compilateur : il comprend également des bibliothèques, des outils de test, des manuels, des exemples et une très vaste communauté. Selon diverses analyses, CUDA compte environ quatre millions de développeurs, un réseau que Nvidia a transformé en son principal atout.
Huawei propose sa propre alternative, CANN , mais un simple compilateur et quelques bibliothèques ne suffisent pas. Pour être véritablement compétitif, il faut des outils de diagnostic, des formations et des personnes capables de résoudre des problèmes concrets. C'est précisément le manque que DeepSeek s'efforce de combler grâce à son expertise en optimisation bas niveau et à sa communauté open source déjà établie.
Le contexte politique et réglementaire joue également un rôle. Washington continue de restreindre la vente d'accélérateurs de pointe et l'accès aux machines essentielles à la fabrication de semi-conducteurs. Ces obstacles limitent l'expansion internationale de Huawei, même si le marché chinois est suffisamment vaste pour rendre l'expérience économiquement viable.
Huawei a reconnu que sa production est insuffisante pour satisfaire la demande intérieure et que, pour l'instant, l'entreprise privilégie le marché chinois à l'expansion internationale. Sa feuille de route prévoit le lancement de l' Ascend 960DT début 2027 et s'étend jusqu'en 2029, avec l'objectif de doubler la puissance de calcul à chaque nouvelle version.
Parallèlement, DeepSeek s'intéresse également aux marchés financiers. Selon Bloomberg, l'entreprise prépare une levée de fonds visant une valorisation proche de 74.000 milliards de dollars , en prévision d'une éventuelle introduction en bourse. Cette combinaison de puissance financière, de code source ouvert et de matériel développé localement explique l'attention médiatique dont elle fait l'objet à l'étranger.
Pour une équipe de développement, le véritable dilemme réside dans le coût du changement de plateforme. Chaque fonctionnalité utilisant actuellement une bibliothèque Nvidia nécessiterait une version équivalente pour Huawei, et des problèmes de compatibilité surviennent souvent une fois le système opérationnel. Les outils de DeepSeek visent à atténuer ces difficultés, mais ils ne suppriment pas l'avantage offert par CUDA et ne garantissent pas non plus des performances identiques pour tous les modèles sur Ascend.
En Espagne et dans le reste de l'Europe, les conséquences sont moins immédiates, mais non moins importantes. La plupart des entreprises et des centres de données dépendent de fournisseurs américains, et il n'existe aucune alternative locale comparable à CUDA. Cette initiative chinoise nous rappelle que l'autonomie technologique ne dépend pas uniquement des usines de semi-conducteurs, mais aussi des logiciels, des langages et des communautés.
La bataille ne se gagnera pas par un communiqué de presse. Ce qui comptera, c'est le nombre de projets qui abandonnent CUDA, le nombre de personnes qui adoptent TileLang et la capacité de Huawei à répondre à la demande en puces. Si les outils ne convainquent pas, de nombreuses équipes reviendront sans difficulté à leurs anciennes méthodes.
La décision de DeepSeek et Huawei déplace la concurrence à un niveau moins visible que celui du matériel : celui du logiciel qui rend chaque puce utilisable. Ce n’est pas un coup fatal pour Nvidia, mais c’est une étape qui réduit le coût de la sortie de son écosystème et qui, à moyen terme, pourrait modifier les décisions d’achat en Chine. Hors de Chine, l’impact dépendra des capacités de production de Huawei et des pressions exercées par les États-Unis sur leurs alliés.
