L’industrie mondiale de l’IA pensait avoir tout vu, mais la Chine vient de multiplier par 1000 sa consommation pour atteindre 140 000 milliards de tokens en une journée

La Chine vient de franchir un seuil industriel dans l’intelligence artificielle, plus de 140 000 milliards de tokens consommés chaque jour, selon des chiffres relayés par Xinhua fin mars 2026. La progression est vertigineuse, un usage multiplié par 1000 depuis début 2024, avec une accélération encore marquée par rapport à fin 2025. Derrière ce volume, une idée s’impose, l’IA n’est plus seulement un logiciel, c’est une infrastructure que Pékin veut produire et vendre à grande échelle.

À lire aussi :

• Aimants industriels sans terres rares lourdes : la piste scientifique qui vacille le monopole chinois sur les matériaux stratégiques
• Pendant que sa fonderie 1,4 nm sort de terre à Hokkaido, Rapidus parie que le Japon peut redevenir une puissance des semi-conducteurs avancés avant 2027

140 000 milliards de tokens, le nouveau compteur de la puissance

Un token, c’est un fragment de texte ou de données qu’un modèle découpe pour raisonner. Une requête simple peut en consommer quelques centaines, un long échange en engloutit des milliers, et une génération de code ou un document complet peut grimper bien plus haut.

À 140 000 milliards de tokens quotidiens, on parle d’un usage massif, porté par des assistants, des outils de bureautique, du service client, de la traduction, et des usages internes dans les entreprises. Le chiffre est aussi un indicateur indirect de la capacité de calcul mobilisée, donc des coûts énergétiques et matériels.

La comparaison temporelle frappe, x1000 depuis début 2024, et une hausse annoncée d’environ 40% par rapport à fin 2025. Ce rythme suggère une diffusion rapide dans les organisations, avec des budgets qui basculent du “test” vers la production.

Ce compteur des tokens devient un langage commun entre fournisseurs de modèles, opérateurs cloud et clients. Il permet de facturer, d’optimiser et de planifier, un peu comme les minutes de téléphonie hier, ou les gigaoctets dans le cloud.

Les “usines à tokens”, quand le calcul devient un produit de gros

Le terme d’usines à tokens résume une bascule, l’IA est pensée comme une chaîne d’approvisionnement. L’objectif n’est pas seulement d’entraîner de bons modèles, mais d’assurer un débit stable de calcul pour les faire tourner, à la demande, pour des milliers d’acteurs.

Dans cette logique, la puissance de calcul se vend comme une commodité, avec des contrats, des niveaux de service, et des arbitrages entre latence, coût et confidentialité. Les entreprises n’achètent plus forcément “un modèle”, elles achètent des tokens ou une capacité à en produire, comme on achète du stockage ou de la bande passante.

Ce choix répond à une contrainte simple, l’explosion des usages met sous tension les infrastructures. Quand des millions d’employés interrogent des assistants, ou que des plateformes grand public génèrent du contenu, le goulot d’étranglement se déplace vers les GPU, les réseaux internes et l’alimentation électrique.

La Chine met aussi en avant une approche industrielle, standardiser, mutualiser, et pousser l’optimisation. Moins de gaspillage de calcul, plus de planification, et une capacité à orienter les investissements vers des nuds jugés stratégiques.

Wuxi et les supernuds, l’IA s’installe dans les zones industrielles

Dans des villes comme Wuxi, l’idée de “supernud” de calcul s’inscrit dans une géographie économique déjà rodée, zones industrielles, logistique, sous-traitance, et accès à l’énergie. L’IA se rapproche d’un modèle de plateforme, avec des capacités centralisées qui irriguent des filières entières.

Cette implantation répond aussi à des impératifs concrets, refroidissement, raccordement électrique, résilience réseau, et disponibilité foncière. Les centres de données IA ne sont pas des bureaux, ce sont des infrastructures lourdes, comparables à des usines, avec des contraintes de maintenance et de sécurité.

Le bénéfice attendu est la massification, plus le volume est élevé, plus l’opérateur peut optimiser, négocier l’énergie, amortir le matériel, et améliorer le rendement. La logique rappelle celle des grands clouds, mais avec une métrique dominante, le token, qui devient l’unité de production.

Pour les entreprises clientes, l’intérêt est d’éviter de surinvestir en interne. Elles peuvent réserver de la capacité, lisser leurs pics, et déployer des applications IA sans attendre des mois d’approvisionnement matériel.

WeChat, santé digitale, e-commerce, les cas d’usage qui brûlent des tokens

La consommation de tokens ne monte pas dans le vide, elle suit des usages. Les super-apps comme WeChat ont déjà habitué le pays à des services intégrés, paiement, relation client, commerce, support. Dès qu’un assistant conversationnel s’ajoute à ces briques, le volume de requêtes grimpe mécaniquement.

Le paiement et le service client sont des moteurs évidents, réponses automatisées, résumés de conversations, classification de demandes, détection de fraude. À grande échelle, une petite amélioration sur chaque interaction peut générer une énorme facture de tokens, mais aussi des gains de productivité.

La santé digitale est un autre accélérateur, pré-triage, aide à la rédaction, analyse de comptes rendus, orientation des patients. Le contexte chinois, densité de population, disparités de couverture, et recherche de gains de temps, pousse des acteurs à industrialiser ces outils.

Dans l’e-commerce, l’IA sert à générer des fiches produit, traduire, modérer, personnaliser et créer des campagnes. Chaque tâche est “petite”, mais multipliée par des millions d’articles et d’utilisateurs, la consommation devient un phénomène de volume.

Souveraineté, coûts, énergie, ce que la course aux tokens impose

Un tel niveau d’usage pose une question de souveraineté, qui contrôle l’infrastructure, les modèles, et la facturation du calcul. Les “usines à tokens” peuvent renforcer l’autonomie technologique, mais elles concentrent aussi la dépendance sur quelques opérateurs et sur l’accès au matériel.

Le coût est l’autre variable clé. Quand l’IA passe en production, les directions financières demandent des métriques, coût par document, par appel, par vente. Le token devient une unité de pilotage, et les entreprises cherchent à réduire la dépense via la compression des prompts, des modèles plus petits, ou des caches.

L’énergie et le refroidissement suivent. Plus de GPU signifie plus de consommation électrique, donc des arbitrages d’implantation et de charge. Les opérateurs tentent d’améliorer l’efficacité, mais la demande progresse si vite que le débat sur l’empreinte reste ouvert.

Pour mesurer le changement d’échelle, les acteurs comparent désormais des ordres de grandeur, pas seulement des performances de modèles. Le tableau ci-dessous résume les repères cités par les sources chinoises sur la trajectoire récente.