Développement de l'IA à Taïwan et stratégie future : le billet d'entrée matériel est en main, où se jouera la prochaine bataille ?

Aperçu en 30 secondes : Le 8 octobre 2024, le prix Nobel de physique a été décerné au physicien qui a écrit le réseau de Hopfield et au cogniticien qui a écrit la rétropropagation¹. Le lendemain, le 9 octobre, le prix Nobel de chimie a été décerné à trois chercheurs qui ont résolu le problème du repliement des protéines vieux de cinquante ans grâce à l'IA². Le 29 mai de la même année, le PDG de NVIDIA, Jensen Huang, est apparu au marché de nuit de Ningxia à Taipei en train de manger des omelettes aux huîtres avec Morris Chang, Barry Lam et Rick Tsai. TSMC a capté 72 % du chiffre d'affaires du marché mondial de la fonderie de wafers, tandis que Foxconn, Quanta et Wistron produisent ensemble neuf dixièmes des serveurs IA mondiaux. Mais dans cette cérémonie scientifique qui, en deux jours consécutifs, a conféré sa légitimité à quarante-deux ans d'histoire des réseaux de neurones, aucun nom ne vient de Taïwan. Du laboratoire d'IA de Taïwan établi par le fondateur de PTT, Ethan Tu, au modèle de langage de grande taille en chinois traditionnel TAIDE sur lequel le gouvernement mise, un pari est en cours : passer de « fabriquer l'IA » à « devenir l'IA ».

42 ans de reconnaissance : deux Nobel en deux jours en 2024

Le matin du 8 octobre 2024, à Stockholm. L'Académie royale des sciences de Suède annonce que le prix Nobel de physique de l'année est décerné à deux scientifiques de l'IA : John J. Hopfield, professeur émérite de Princeton âgé de 91 ans, et Geoffrey Hinton, 76 ans, qui avait quitté Google cinq mois plus tôt. Le prix, d'un montant de 11 millions de couronnes suédoises, est partagé à parts égales entre les deux lauréats¹.

Le comité de sélection a justifié son choix par des « découvertes et inventions fondamentales qui permettent l'apprentissage automatique au moyen de réseaux de neurones artificiels » (for foundational discoveries and inventions that enable machine learning with artificial neural networks)¹. C'est la première fois dans l'histoire du Nobel de physique que la récompense est attribuée directement au domaine des réseaux de neurones.

Le lendemain, le 9 octobre, c'est le tour du prix de chimie. Trois lauréats : David Baker de l'Université de Washington, ainsi que deux chercheurs de DeepMind, Demis Hassabis et John Jumper. Baker reçoit la moitié de la somme, Hassabis et Jumper se partagent l'autre moitié². La justification se divise en deux volets : le premier pour la « conception computationnelle de protéines » de Baker, le second pour la « prédiction de la structure des protéines » de Hassabis et Jumper.

Deux jours, deux prix Nobel, tous deux liés à l'IA. Un précédent sans équivalent dans l'histoire des prix Nobel.

Comparons les échéances : lorsque Hopfield publie en 1982 dans les Proceedings of the National Academy of Sciences (PNAS) son article intitulé « Neural networks and physical systems with emergent collective computational abilities », il vient tout juste de passer de la physique de la matière condensée aux neurosciences³. De 1982 à 2024, soit 42 ans exactement. L'article de 1986 où Hinton et Rumelhart transforment l'algorithme de rétropropagation (backpropagation) en un outil utilisable⁴ a attendu 38 ans avant d'être couronné. Quant à AlphaFold, il n'a fallu que 6 ans entre sa première apparition au CASP13 en 2018 et le Nobel 2024.

En définitive, ces deux Nobel ne récompensent pas ChatGPT, mais ces quelques articles vieux de trente ou quarante ans que personne ne comprenait à l'époque. Le décalage entre la recherche fondamentale et les applications industrielles a toujours été de cet ordre.

Geoffrey Hinton, lauréat 2024 du prix Nobel de physique, lors de la semaine Nobel à Stockholm. Photo : Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons.

---

Le dîner à plusieurs milliers de milliards au marché de nuit de Ningxia

Le soir du 29 mai 2024, à la veille de l'ouverture du Computex, un groupe de convives inhabituels est apparu au marché de nuit de Ningxia à Taipei. Le PDG de NVIDIA, Jensen Huang, accompagné du fondateur de TSMC, Morris Chang, du président de Quanta Computer, Barry Lam, et du PDG de MediaTek, Rick Tsai, se sont serrés devant un stand pour manger des omelettes aux huîtres⁵. Les passants ont reconnu Jensen Huang, qui a été instantanément encerclé par des fans et des journalistes, une scène comparable à une chasse aux stars.

La capitalisation boursière combinée des entreprises représentées à ce dîner dépasse plusieurs milliers de milliards de dollars. Mais la vraie histoire ne se joue pas à table, elle se trouve dans la chaîne d'approvisionnement derrière la table : les entreprises que ces personnes représentent soutiennent l'infrastructure physique mondiale du calcul d'IA. Lors de ce voyage à Taïwan, Jensen Huang a déclaré publiquement : « Taïwan est l'un des pays les plus importants au monde. »⁶ Ce n'est pas une formule de politesse. Sans Taïwan, les fondations matérielles de la révolution de l'IA n'existeraient pas.

Jensen Huang, né en 1963 à Taipei, a passé son enfance à Tainan avant d'émigrer aux États-Unis à l'âge de neuf ans⁷. NVIDIA, qu'il a cofondée en 1993, est aujourd'hui synonyme de puces d'IA. Chaque GPU avancé conçu par NVIDIA, des A100 et H100 qui ont entraîné ChatGPT à la dernière série Blackwell, est confié à TSMC pour la fabrication⁸.

Quatre mois plus tard, les deux listes des prix Nobel annoncées à Stockholm ne contenaient aucun nom lié à ce dîner. Ce décalage n'est pas une coïncidence, c'est un fait structurel.

Matériel : une île soutient toute la révolution de l'IA

La position de Taïwan dans la chaîne d'approvisionnement en matériel d'IA est telle que le terme « critique » peine à la décrire.

Côté fabrication de puces, en 2025, TSMC détient 72 % des parts de revenus du marché mondial de la fonderie de wafers⁹. Sur les nœuds les plus avancés (7 nm et moins), la part de marché de TSMC dépasse 90 %. NVIDIA détient environ 86 % du marché des GPU d'IA, et ces GPU sont presque entièrement fabriqués par TSMC¹⁰. La grande majorité de la puissance de calcul mondiale utilisée pour entraîner et exécuter des modèles d'IA naît dans les salles blanches de Taïwan.

Une fois les puces produites, elles doivent être assemblées en serveurs pour entrer dans les centres de données. Ce maillon est également dominé par Taïwan. Les trois grands ODM — Foxconn, Quanta, Wistron — produisent ensemble environ 90 % des serveurs d'IA dans le monde¹¹. En 2025, le chiffre d'affaires annuel de chacune de ces trois entreprises a dépassé NT$1 000 milliards (environ 32 milliards USD), et les revenus des serveurs d'IA ont pour la première fois dépassé ceux de l'électronique grand public au deuxième trimestre¹².

La performance des puces d'IA ne dépend pas seulement de la finesse de gravure, mais aussi de la technologie d'empaquetage. La technologie d'empaquetage avancé CoWoS (Chip on Wafer on Substrate) de TSMC est la clé permettant aux GPU haut de gamme de NVIDIA d'atteindre leurs objectifs de performance. En 2026, la seule demande de NVIDIA en wafers CoWoS est estimée à 595 000 unités, soit 60 % de la demande mondiale totale¹³.

Foxconn collabore davantage avec NVIDIA et le gouvernement taïwanais pour construire à Kaohsiung une usine-supercalculateur d'IA de classe 100 mégawatts (MW), basée sur la dernière architecture NVIDIA Blackwell¹⁴. Taïwan passe ainsi du statut de « lieu de fabrication des puces d'IA » à celui de « lieu d'exécution de l'IA ».

L'usine Fab 5 de TSMC à Hsinchu, site physique de la fonderie de puces d'IA. Photo : Wikimedia Commons via fichier TSMC Fab 5.

Le problème est que : le matériel a obtenu son ticket d'entrée, mais où se jouera la prochaine bataille ?

📝 Note du curateur

Le récit courant veut que « la montagne sacrée protectrice de Taïwan soutienne la révolution de l'IA ». Cette formule est commode sur le plan narratif, mais elle inverse en partie la causalité. C'est la révolution de l'IA qui a besoin de GPU et a donc choisi TSMC, et non TSMC qui a grandi grâce à la révolution de l'IA. La vraie tension réside dans : lorsque le GPU devient une marchandise, vers où la valeur du prochain stade va-t-elle glisser ? Les deux prix Nobel de 2024 donnent la réponse : le modèle lui-même — ces 12 pages écrites par Hopfield, cette nuit où Hinton et son étudiant Krizhevsky ont fait passer le taux d'erreur de reconnaissance d'images sur ImageNet de 26,2 % à 15,3 % avec AlexNet en 2012¹⁵, et cet après-midi où l'équipe de Hassabis a permis à AlphaFold d'atteindre un GDT médian de 92,4 au CASP14.

Hopfield 1982 : le modèle de mémoire écrit par un physicien

En 1982, le physicien de la matière condensée de Princeton, John Hopfield, a écrit un article de seulement 12 pages, au titre très long : « Neural networks and physical systems with emergent collective computational abilities », publié dans les Proceedings of the National Academy of Sciences³.

Ce qu'il a fait, en substance, c'est traduire la « mémoire » en langage physique.

En physique, il existe un concept appelé spin glass (verre de spin) : un ensemble d'atomes magnétiques possédant chacun une direction de spin, interagissant entre eux, et le système dans son ensemble trouve spontanément un point d'énergie minimale. Hopfield a transposé ce concept aux neurones : on imagine les neurones comme des spins, les forces de connexion comme des interactions, et le réseau converge spontanément vers un état stable d'« énergie minimale » (energy minimum)³. Chaque minimum d'énergie correspond à une mémoire stockée.

L'élégance de ce modèle réside dans le fait qu'il permet de décrire la mémoire en langage physique. Donnée une piste incomplète, le réseau trouve de lui-même le minimum d'énergie le plus proche et complète ainsi l'ensemble de la mémoire. C'est l'ancêtre mathématique de ce que font aujourd'hui les IA génératives.

En 1982, à Taïwan, l'industrie électronique venait tout juste de démarrer, TSMC n'existait pas encore. Morris Chang (張忠謀) devait attendre 1987 pour fonder cette entreprise qui, 42 ans plus tard, deviendrait la « montagne sacrée protectrice » du pays. Les citations de l'article de Hopfield sur Google Scholar ont atteint plus de 27 000 en 2026¹⁶.

Ce qui est plus intéressant encore, c'est une phrase prononcée plus tard par Hopfield. Il a passé toute sa carrière à faire de la physique de la matière condensée à Princeton, et son incursion en neurosciences était considérée par ses pairs de l'époque comme un « passe-temps ». Ce n'est qu'en 2024, lors de l'annonce du prix Nobel, à l'âge de 91 ans, que l'Académie royale des sciences de Suède lui a demandé ses impressions lors d'un entretien téléphonique : il a déclaré se sentir inquiet face au fait que « personne ne comprend ni ne contrôle la direction que prend l'IA »¹⁷.

L'homme qui a posé les fondements mathématiques de l'IA moderne rappelle à tous, le jour où il reçoit son prix, de faire preuve de prudence.

_John J. Hopfield, lauréat du prix Nobel de physique 2024, semaine Nobel à Stockholm. Photo : Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons._

Hinton : cet article de 1986, et l'avertissement de 2023 en quittant Google

Geoffrey Hinton, né en 1947 à Wimbledon (Londres), est un autre de ces hommes que l'histoire a mis 38 ans à reconnaître¹⁸.

En 1986, Hinton, avec David Rumelhart et Ronald Williams, publia dans Nature un article sur la rétropropagation (backpropagation)⁴.

Le principe de cet algorithme : lorsque le réseau de neurones commet une erreur, le signal d'erreur est rétropropagé vers chaque couche, qui ajuste alors ses poids de connexion. C'est ainsi que s'entraînent aujourd'hui tous les modèles d'apprentissage profond.

Cet algorithme a été formulé en 1986, mais il a fallu attendre la convergence de trois facteurs pour qu'il explose : une puissance de calcul suffisamment bon marché, des volumes de données massifs, et des chercheurs prêts à parier sur cette voie. Les deux premiers étaient réunis au début des années 2010 ; le troisième a trouvé ses figures de proue en Hinton et ses deux étudiants Alex Krizhevsky et Ilya Sutskever. En 2012, leur réseau de neurones convolutif AlexNet, entraîné sur GPU, remporta le concours de reconnaissance d'images ImageNet avec un taux d'erreur top-5 de 15,3 %, distançant largement le deuxième à 26,2 %¹⁵. Ce fut le moment où l'industrie entière comprit que la rétropropagation fonctionnait vraiment.

En mars 2013, Google racheta pour 44 millions de dollars la petite entreprise d'Hinton, DNNresearch, intégrant le chercheur de 65 ans à ses effectifs¹⁸. Pendant la décennie suivante, il fut le savant en IA le plus prestigieux de la Silicon Valley.

Puis, le 1er mai 2023, le New York Times publia un entretien : Hinton quittait Google.

La raison de son départ n'était pas la retraite. Dans l'entretien, il expliqua vouloir « pouvoir parler librement des risques de l'IA, sans avoir à considérer l'impact sur Google »¹⁹. Il mit en garde : les systèmes d'IA pourraient bientôt surpasser l'intelligence humaine, être détournés par des acteurs malveillants, et « il est difficile de voir comment on pourrait l'empêcher »¹⁹. Il alla jusqu'à dire qu'il « regrette en partie » le travail de toute sa vie¹⁹.

Lors de l'annonce du prix Nobel de physique 2024, il renouvela son avertissement lors d'un entretien téléphonique : il faut se méfier de la possibilité que l'IA échappe à tout contrôle²⁰.

L'inventeur de l'algorithme d'entraînement de l'apprentissage profond et l'inventeur du modèle de mémoire associative se tinrent ensemble, en ce jour d'octobre 2024, sur la tribune de l'Académie royale des sciences de Suède, tous deux avertissant que cette technologie pourrait être plus dangereuse qu'on ne l'imagine. Cette scène évoque, en contrepoint, l'expression d'Oppenheimer face au nuage champignon dans le désert du Nouveau-Mexique en 1945.

Deux mois plus tard, le 8 décembre 2024, Hinton prononça sa conférence Nobel dans l'Aula Magna de l'université de Stockholm. Intitulée « Machines de Boltzmann », elle porta sur ce travail précoce, dans la lignée de Hopfield, qui intégrait les distributions de probabilité thermodynamiques dans les réseaux de neurones. On y comprit que l'article de 1986 sur la rétropropagation n'était pas une intuition isolée, mais l'aboutissement d'un ensemble de concepts nés à l'intersection de la physique et des sciences cognitives dans les années 1980 :

Chaîne officielle de l'Académie royale des sciences de Suède : conférence de Geoffrey Hinton pour le prix Nobel de physique 2024, « Machines de Boltzmann », le 8 décembre 2024. Des machines de Boltzmann qu'il a conçues avec Sejnowski dans les années 1980, à la rétropropagation, jusqu'aux LLM d'aujourd'hui — quarante ans entiers. Dans les 5 dernières minutes, il réexpose une fois encore ses inquiétudes sur les risques de l'IA, cette fois depuis la tribune du Nobel.

De PTT au laboratoire d'IA : les deux aventures entrepreneuriales d'Ethan Tu

Revenons sur cette île qu'est Taïwan. Au moment où Hopfield rédigeait son modèle de mémoire, Taïwan ne faisait que commencer à créer des départements d'informatique.

En 1995, Ethan Tu, étudiant de deuxième année en informatique à l'Université nationale de Taïwan, a mis en place PTT dans sa chambre de dortoir avec un ordinateur 486 et des logiciels open source, qui est devenu par la suite le plus grand tableau d'affichage électronique de Taïwan. Trente ans plus tard, PTT compte encore des centaines de milliers d'utilisateurs quotidiens, un véritable fossile vivant de la culture internet taïwanaise.

Ethan Tu a ensuite rejoint Microsoft, où il a participé au développement de l'assistant vocal Cortana. En avril 2017, il a quitté son salaire de la Silicon Valley pour revenir à Taïwan et fonder le « Taiwan AI Labs » (Taiwan AI Labs), la première institution de recherche en IA à but non lucratif et ouverte d'Asie²¹.

Sa motivation était limpide : Taïwan possède des talents logiciels de classe mondiale, mais ces talents partent tous pour la Silicon Valley. Il voulait créer une plateforme offrant un lieu de recherche en IA à ceux qui souhaitent revenir ou rester.

Le produit le plus connu de Taiwan AI Labs est « Yating Transcript » (雅婷逐字稿), un système de reconnaissance vocale optimisé pour le chinois traditionnel et l'accent taïwanais. Pendant la pandémie de COVID-19, le laboratoire a également développé des outils de détection de fausses informations et une IA médicale par apprentissage fédéré²². Le point commun de ces projets : ils résolvent tous des problèmes locaux de Taïwan, en utilisant des données locales de Taïwan, au lieu de simplement traduire des modèles américains.

L'histoire d'Ethan Tu, de PTT à AI Labs, est en quelque sorte le reflet du développement logiciel de Taïwan : ce n'est pas la capacité technique qui manque, mais l'écosystème qui permettrait de retenir les talents.

💡 Le saviez-vous ?

En 1986, l'année où Hinton a publié la rétropropagation, le PIB de Taïwan s'élevait à environ 77,9 milliards de dollars, le PIB par habitant à environ 4 007 dollars, et le parc scientifique de Hsinchu n'était opérationnel que depuis six ans²³. Ces trois événements se produisaient simultanément sur la même planète, mais il a fallu attendre 26 ans plus tard, sur le jeu de données ImageNet, pour que cette ligne historique se rejoigne. L'échelle temporelle de la recherche fondamentale est toujours plus longue que ce que le récit industriel laisse ressentir.

---

AlphaFold : l'autre moitié du Nobel pour l'énigme du repliement des protéines vieille de 50 ans

L'histoire du Nobel de chimie 2024 commence par une question posée en 1972.

Cette année-là, le biochimiste américain Christian Anfinsen, lors de son discours de réception du prix Nobel de chimie, a émis une hypothèse : la structure tridimensionnelle de repliement d'une protéine est entièrement déterminée par sa séquence d'acides aminés²⁴. Si cette hypothèse était vraie, alors théoriquement, il suffirait de connaître une séquence d'acides aminés pour calculer la structure 3D correspondante. Mais ce « devrait » est resté lettre morte pendant un demi-siècle. Le repliement des protéines est qualifié de grand challenge. Tous les deux ans, la communauté scientifique organise le concours CASP où les prédictions de tous sont comparées aux structures expérimentales ; depuis sa création en 1994, 13 éditions se sont tenues sans que personne ne parvienne à percer²⁵.

Ce n'est qu'en 2018, lors de CASP13, que DeepMind a présenté la première génération d'AlphaFold qui a remporté la compétition, mais sa précision n'était pas encore utilisable. Le véritable point de bascule est survenu le 30 novembre 2020 avec CASP14 : AlphaFold 2 a obtenu un score médian GDT de 92,4²⁵. Un GDT de 92,4 signifie que plus de la moitié des prédictions présentaient un écart de position atomique inférieur à un angström par rapport aux valeurs expérimentales, atteignant ainsi le niveau de résolution expérimentale. L'organisateur de CASP, John Moult, a déclaré ce jour-là : « À bien des égards, ce problème est résolu »²⁵.

Un problème qui résistait depuis 50 ans a été résolu en six ans par une équipe de recherche londonienne.

Les choses se sont ensuite accélérées. En juillet 2021, le code source d'AlphaFold 2 a été rendu open source ; la même année, DeepMind a collaboré avec le Laboratoire européen de biologie moléculaire (EMBL-EBI) pour créer une base de données publique des structures protéiques prédites par AlphaFold. En juillet 2022, cette base de données couvrait 1 million d'espèces et environ 200 millions de structures protéiques, soit l'équivalent de la mise à disposition gratuite des modèles 3D de presque toutes les protéines connues sur Terre²⁶.

Le 8 mai 2024, DeepMind a publié AlphaFold 3 dans Nature, étendant la capacité de prédiction des protéines individuelles aux interactions entre protéines, ADN, ARN, ligands et ions²⁷. De la découverte de nouveaux médicaments à la conception de vaccins en passant par l'ingénierie enzymatique, tous les domaines qui nécessitent de comprendre comment s'emboîtent les molécules ont vu leurs fondations réécrites par cet outil.

Demis Hassabis, le créateur d'AlphaFold, n'est pas un biochimiste traditionnel. Il a commencé les échecs à 4 ans, obtenu le titre de maître à 13 ans ; à 17 ans, il a co-développé avec Peter Molyneux le jeu de simulation Theme Park, qui s'est vendu à des millions d'exemplaires²⁸. En 2010, il a fondé DeepMind à Londres avec Shane Legg et Mustafa Suleyman ; en 2014, l'entreprise a été rachetée par Google pour 400 millions de livres sterling²⁸. En 2016, AlphaGo de DeepMind a battu Lee Sedol ; 2020 a vu AlphaFold 2 ; 2024 le Nobel : trois événements espacés de moins de dix ans.

Le fil conducteur est le même pari : utiliser les réseaux de neurones pour résoudre des problèmes que le cerveau humain n'avait pas réussi à résoudre. Le jeu de go a des règles fermées, le repliement des protéines a des règles ouvertes mais des contraintes physiques fortes. Hassabis a choisi le bon terrain de jeu pour ces deux défis.

Côté Taïwan, la recherche sur les glycoprotéines établie sous la présidence de Wong Chi-huey à l'Academia Sinica (2006-2016) est l'investissement académique taïwanais le plus proche de cette frontière²⁹. L'Institut de recherche biomédicale et l'Institut de biochimie de l'Academia Sinica comptent également des équipes qui utilisent les poids open source d'AlphaFold pour des recherches en aval. Mais pour le développement de modèles de base au niveau d'AlphaFold, Taïwan ne dispose actuellement d'aucune structure correspondante.

⚠️ Point de vue controversé

L'attribution du Nobel de chimie à AlphaFold a suscité des débats dans le milieu universitaire : une partie des biologistes structurels estime que le prix aurait dû revenir aux auteurs des expériences clés de diffraction des rayons X ou de résonance magnétique nucléaire, plutôt qu'à un outil informatique élevé au panthéon de la chimie³⁰. L'autre partie considère que ce débat est lui-même dépassé — lorsqu'un algorithme permet en cinq ans à l'humanité de compléter les structures 3D de presque toutes les protéines de la Terre, cela est de la chimie. La controverse entre ces deux positions a graduellement basculé vers la seconde après octobre 2024, mais la tension qu'elle représente n'a pas disparu : à mesure que s'étend le champ des possibles de l'IA, faut-il redessiner les frontières des disciplines traditionnelles ?

TAIDE : pourquoi Taïwan a-t-il besoin de son propre modèle de langage

En avril 2023, six mois après que ChatGPT a déferlé sur le monde, le Conseil national des sciences et technologies de Taïwan (NSTC) a lancé le projet « TAIDE », dont le nom complet est Trustworthy AI Dialogue Engine (moteur de dialogue IA génératif de confiance)³¹.

Pourquoi un pays insulaire de 23 millions d'habitants aurait-il besoin de créer son propre modèle de langage de grande taille ?

La raison ne se limite pas à l'autonomie technique. Le chinois traditionnel représente une part extrêmement faible des données d'entraînement IA mondiales, la plupart des données chinoises provenant de sites en chinois simplifié. Lorsque les Taïwanais utilisent ChatGPT ou d'autres modèles, les réponses obtenues reflètent souvent les habitudes linguistiques et les présupposés de point de vue de la Chine continentale. « 视频 » (shìpín) au lieu de « 影片 » (yǐngpiàn), « 质量 » (zhìliàng) au lieu de « 品質 » (pǐnzhì) : ces différences en apparence minimes soulèvent en réalité la question de la subjectivité culturelle. Le magazine CommonWealth a titré son reportage sur TAIDE : « Prévenir l'invasion culturelle de l'IA chinoise »³².

En avril 2024, l'équipe de TAIDE a publié le modèle commercial TAIDE-LX-7B et le modèle académique TAIDE-LX-13B, qui performent bien dans des tâches telles que la rédaction, la traduction et la synthèse³³. En 2026, TAIDE 2.0 est lancé, accompagné du modèle Breeze-8B soutenu par MediaTek, faisant passer l'écosystème LLM de Taïwan de la phase de « rattrapage » à la phase « utilisable »³⁴.

Ce qui est encore plus intéressant, c'est l'éclosion des applications. L'Université nationale Chung Hsing a utilisé TAIDE pour créer le système de recherche de connaissances agricoles « Shen Nong TAIDE » ; l'Université de Tainan a développé un robot conversationnel taïwanais-anglais pour l'enseignement du taïwanais ; l'Université Yang Ming Chiao Tung a quant à elle entraîné des versions taïwanaise et hakka du modèle TAIDE³⁵. Ces applications confirment une chose : les modèles de langage sont à la fois des produits technologiques et des vecteurs culturels. Une IA qui ne comprend pas le Tiān chuān rì (天穿日) et le Mǔzǔ ràojìng (媽祖遶境) ne peut pas véritablement servir les Taïwanais.

Toutefois, l'échelle de TAIDE reste modeste : avec 8 milliards de paramètres pour la version commerciale et 13 milliards pour la version académique, elle accuse un retard de plus de deux ordres de grandeur par rapport au niveau de GPT-4 d'OpenAI (estimé à plus de 1 000 milliards de paramètres). Cet écart s'explique par le budget GPU, non par un manque de capacités. L'entraînement d'un LLM de pointe nécessite une puissance de calcul se chiffrant en centaines de millions de dollars, soit l'équivalent du budget annuel d'un institut de recherche national.

Une cybersécurité IA forgée par le piratage

Taïwan est l'un des pays au monde les plus fréquemment ciblés par des cyberattaques. Cette réalité malheureuse a involontairement engendré une industrie robuste de la cybersécurité IA.

Fondée fin 2017, Aegis Wisdom (CyCraft) est la première entreprise taïwanaise de cybersécurité à combiner l'IA et la surveillance des terminaux. Sa technologie a été citée à sept reprises dans les rapports du cabinet d'études mondial Gartner, et c'est le seul fournisseur taïwanais à avoir passé trois fois l'évaluation de référence américaine MITRE ATT&CK³⁶. En février 2026, Aegis Wisdom a été cotée sur le marché Emerging Stock Board de la Bourse de Taipei, devenant ainsi le premier éditeur de logiciels de cybersécurité IA du marché boursier taïwanais à disposer de capacités de R&D autonomes de niveau international³⁷.

Les clients d'Aegis Wisdom couvrent les agences gouvernementales taïwanaises, les unités de défense, les banques et les entreprises de semi-conducteurs, autant de cibles privilégiées des pirates informatiques parrainés par des États. L'entreprise dispose de filiales au Japon et à Singapour, et exporte son « expérience opérationnelle forgée par le piratage » dans l'ensemble de la région Asie-Pacifique.

Cet exemple illustre une chose : l'avantage de Taïwan en matière d'IA ne provient pas seulement des semi-conducteurs, mais aussi des capacités opérationnelles aiguisées par sa situation géopolitique particulière.

---

Politique : de « l'an 1 de l'IA » au ministère du Développement numérique

Le développement de la politique d'IA de Taïwan peut se comprendre à travers trois jalons.

2017-2018 marque la phase de démarrage. Le ministre de la Science et de la Technologie Chen Liang-ge proclame 2017 comme « l'an 1 de l'IA » et présente la « stratégie "grand plan pour un petit pays en IA" »³⁸, reconnaissant la petitesse du marché taïwanais mais soulignant trois atouts : la fabrication de semi-conducteurs, la chaîne d'approvisionnement TIC et les talents en sciences et ingénierie. En 2018, le premier « Plan d'action pour l'IA de Taïwan » est lancé, avec un investissement de plus de NT$40 milliards sur quatre ans, axé sur la construction de l'infrastructure de calcul IA « Nuage IA de Taïwan » (TWCC)³⁹.

2022 voit l'institutionnalisation. Le ministère du Développement numérique (moda) est créé, intégrant les affaires numériques auparavant dispersées entre le ministère de la Science et de la Technologie, le ministère de l'Économie et le ministère des Transports et des Communications. La portée de cette étape réside dans l'élévation de la politique d'IA, passant de « projet du ministère de la Science et de la Technologie » à « stratégie nationale interministérielle ». La même année, le gouvernement publie les « Lignes directrices pour le développement de la recherche en intelligence artificielle », insistant sur les principes centrés sur l'humain, de transparence et d'explicabilité, d'équité et de non-discrimination.

Depuis 2023 s'opère le virage vers l'IA générative. Le choc de ChatGPT force un changement radical de cap. Le projet TAIDE est lancé, un projet de loi fondamentale sur l'IA est poussé, l'adoption de l'IA dans le secteur public s'accélère. La stratégie de Taïwan est pragmatique : au lieu de rivaliser avec les États-Unis et la Chine sur le volume de publications en recherche fondamentale, elle greffe l'IA sur ses avantages manufacturiers existants. Fabrication intelligente, imagerie médicale, prédiction du taux de rendement des semi-conducteurs : ce sont des domaines où Taïwan dispose de données, de scénarios d'application et de compétitivité.

Le problème, c'est que la liste des lauréats du Nobel de ces deux jours d'octobre 2024 ne compte aucun nom issu de cette voie de la « fabrication intelligente ».

Anxiété : le fossé logiciel de l'empire matériel

Derrière les chiffres éclatants, le développement de l'IA à Taïwan souffre d'un problème structurel : un déséquilibre sévère entre le matériel et le logiciel.

Taïwan produit 90 % des serveurs IA mondiaux et la majorité des puces IA, mais dans les maillons « logiciels » que sont le développement de modèles IA, l'écosystème de données et les logiciels de plateforme, sa présence est quasi inexistante. Parmi les vingt plus grands modèles IA mondiaux, y compris GPT, Claude, Gemini et LLaMA, aucun ne vient de Taïwan. Si l'on compare les travaux primés par les deux prix Nobel 2024 — du réseau de Hopfield à la rétropropagation en passant par AlphaFold —, ces trois lignées sont toutes très éloignées de l'industrie taïwanaise.

La cause est une nouvelle version d'un vieux problème. Lorsque les ingénieurs de TSMC peuvent gagner plus de 2 millions de NT$ par an, les start-ups logicielles peinent à attirer les meilleurs talents. Google, Microsoft et NVIDIA ont installé des centres de R&D à Taïwan, leurs salaires et avantages créant un puissant effet d'aspiration. Le premier choix d'un diplômé en informatique de l'Université nationale de Taïwan est souvent une entreprise étrangère ou le département IT de TSMC, plutôt que de rejoindre une start-up IA locale.

Un défi plus fondamental est celui des données. La valeur d'un modèle IA provient de ses données d'entraînement, et le volume de données de qualité en chinois traditionnel est infime comparé à l'anglais ou au chinois simplifié. Les 23 millions d'habitants de Taïwan produisent naturellement un volume de texte bien inférieur à celui du monde anglophone ou de la Chine continentale. Le projet TAIDE tente de résoudre ce problème, mais le désavantage d'échelle des données est structurel.

Le véritable pari de l'IA taïwanaise réside dans les applications verticales plutôt que dans les modèles de base : au lieu de s'affronter frontalement à OpenAI ou Google sur les modèles généralistes, Taïwan choisit de se positionner de manière irremplaçable dans l'IA pour les procédés semiconducteurs, l'imagerie médicale, la cybersécurité et le TAL en chinois traditionnel. Dans ces domaines, Taïwan dispose d'avantages uniques en données et en scénarios que d'autres peinent à reproduire.

---

Le choix de l'IA d'une île

En 2026, Taïwan se trouve dans une position unique : il n'a jamais été aussi indispensable dans la chaîne d'approvisionnement matérielle de l'IA, tout en restant marginal dans l'écosystème logiciel de l'IA.

Ce n'est pas entièrement une mauvaise chose. Historiquement, le modèle de réussite de Taïwan a toujours été de « ne pas être la marque, mais la marque derrière la marque ». Le modèle de fonderie pure inventé par Morris Chang en 1987 a fait de TSMC l'une des dix plus grandes entreprises mondiales par capitalisation boursière. Aujourd'hui, la même logique se rejoue dans l'industrie des serveurs d'IA : Foxconn ne fabrique pas de modèles d'IA, mais tous les modèles d'IA du monde tournent sur des serveurs assemblés par Foxconn.

Mais les règles du jeu de l'ère de l'IA pourraient être différentes. Lorsque le centre de gravité de la valeur glisse du matériel vers le logiciel et les données, la marge de profit de la pure sous-traitance se trouve compressée. Ces deux jours de 2024 où les prix Nobel ont été décernés, tous les lauréats étaient des gens de la couche logicielle. Hopfield a écrit des modèles mathématiques, Hinton a écrit des algorithmes d'entraînement, Hassabis a écrit des méthodes de résolution en biologie. Tous ces travaux tournent sur du matériel fabriqué à Taïwan, mais les médailles n'ont pas été décernées au matériel.

Taïwan doit développer des capacités logicielles et de données sur la base de son hégémonie matérielle : le matériel reste le châssis, les nouvelles couches de valeur s'empilent par-dessus. TAIDE est une tentative, CyCraft en est une, Taiwan AI Labs en est une. Leur point commun : ne pas chercher à faire « la plus grande IA du monde », mais « l'IA qui comprend le mieux Taïwan ».

Il y a 42 ans, quand Hopfield a écrit ces 12 pages à Princeton, personne ne savait que cela deviendrait les fondements mathématiques des modèles de mémoire humaine d'aujourd'hui. Il y a 50 ans, quand Anfinsen a émis l'hypothèse du repliement des protéines dans son discours Nobel, personne n'aurait prédit qu'il faudrait attendre cet après-midi de 2020 pour qu'un groupe de Londoniens la résolve. L'échelle de temps de la recherche fondamentale est plus longue que n'importe quel Computex.

Ce repas au marché de nuit de Ningxia, c'est la position accumulée par Taïwan en ces 42 ans. La prochaine bataille se jouera où — pas devant l'étal d'omelette aux huîtres, mais dans le fait de savoir si Taïwan a le courage de laisser un étudiant qui code en ce moment dans un dortoir de l'Université nationale de Taïwan, dans vingt ou trente ans, remporter le Nobel qui appartiendra à cette île.

---

Lectures complémentaires :

• L'essor de la nation-insulaire de l'IA : développement de l'intelligence artificielle à Taïwan et stratégies futures — Récit précoce du cadre politique, plan d'action pour l'IA, cinq domaines stratégiques, comment la montagne sacrée protectrice des semi-conducteurs s'articule à la révolution de l'IA.
• Laboratoire d'intelligence artificielle de Taïwan — Le parcours complet d'Ethan Tu, de PTT à AI Labs, écosystème de modèles de langage open source TAIDE / TAME / FedGPT.
• École d'intelligence artificielle de Taïwan — Cet appel jamais terminé, et les 1,8 milliard de financement participatif de Chen Sheng-wei pour bâtir l'académie militaire de l'IA : huit ans, plus de dix mille anciens élèves, histoire de la formation des talents.
• Quotidien de l'IA à Taïwan — Chronique de l'entrée de l'IA générative dans le quotidien taïwanais, de la commande au convenience store au traitement par lots des dossiers par l'Assurance maladie, observations au niveau des scénarios.
• Entreprise taïwanaise : TSMC — Leader mondial de la fonderie de wafers, cœur de la fabrication de puces d'IA, du modèle de fonderie pure de Morris Chang à l'histoire de l'encapsulation avancée.
• Industrie des semi-conducteurs — De la conception de circuits intégrés à l'encapsulation et aux tests, panorama complet de l'écosystème taïwanais des semi-conducteurs.
• Développement de l'industrie de la cybersécurité à Taïwan — Comment la pression géopolitique a fait naître une industrie de la cybersécurité IA de niveau Asie-Pacifique.

Sources des images

Cet article utilise 4 images du domaine public / sous licence CC, toutes mises en cache dans public/article-images/technology/ pour éviter le hotlinking vers les serveurs sources :

• Estructura tridimensional de la proteïna CBLN1 per AlphaFold amb codificació rainbow — image d'en-tête, structure prédite de la protéine CBLN1 par AlphaFold, codage couleur rainbow N→C terminus. Photo : BQUB25-UPoch (travail personnel, AlphaFold + PyMOL), 2025-11-15, CC BY 4.0.
• Geoffrey E. Hinton, 2024 Nobel Prize Laureate in Physics (3x4 cropped) — dans le texte, portrait officiel de Hinton lors de la semaine Nobel 2024. Photo : Arthur Petron, 2024-12-08, CC BY-SA 4.0.
• John J. Hopfield, 2024 Nobel Prize Laureate in Physics 1 (cropped) — dans le texte, portrait officiel de Hopfield lors de la semaine Nobel 2024. Photo : Arthur Petron, 2024-12-08, CC BY-SA 4.0.
• TSMC Fab 5 — dans le texte, usine Fab 5 de TSMC à Hsinchu, site physique de la fonderie de puces IA. Photo : Wikimedia Commons (cache existant).

---

Références

1. Communiqué de presse du prix Nobel de physique 2024 — Le 8 octobre 2024, l'Académie royale des sciences de Suède a publié l'annonce officielle. Original : « The Royal Swedish Academy of Sciences has decided to award the Nobel Prize in Physics 2024 to John J. Hopfield and Geoffrey Hinton 'for foundational discoveries and inventions that enable machine learning with artificial neural networks.' » Le prix s'élève à 11 millions de couronnes suédoises, partagé à parts égales entre les deux lauréats.↩²³
2. Communiqué de presse du prix Nobel de chimie 2024 — Le 9 octobre 2024, l'annonce a été publiée. Le prix de 11 millions de couronnes suédoises est attribué pour moitié à David Baker « for computational protein design », et l'autre moitié partagée entre Demis Hassabis et John Jumper « for protein structure prediction ».↩²
3. PNAS, 79(8), 2554-2558 — Hopfield, J. J. (1982). "Neural networks and physical systems with emergent collective computational abilities."↩²³
4. Nature, 323, 533-536 — Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). "Learning representations by back-propagating errors."↩²
5. Tom's Hardware : Les légendes des semi-conducteurs se promènent dans un marché de nuit taïwanais — Reportage du 29 mai 2024 sur le marché de nuit de Ningxia, montrant Jensen Huang, Morris Chang, Rick Tsai et C.C. Wei attablés ensemble.↩
6. Taiwan News : Le PDG de Nvidia qualifie Taïwan de « l'un des pays les plus importants au monde » — Déclarations publiques de Jensen Huang lors de sa visite à Taïwan le 30 mai 2024.↩
7. Wikipédia : Jensen Huang — Données biographiques : Jensen Huang, né en 1963 à Taipei, a passé son enfance à Tainan avant d'émigrer aux États-Unis à l'âge de neuf ans.↩
8. Klover.ai : TSMC AI Fabricating Dominance — Tous les GPU avancés de NVIDIA (séries A100, H100, Blackwell) sont fabriqués en sous-traitance par TSMC. Voir↩
9. SQ Magazine : Statistiques sur les puces IA 2025 — Source du chiffre de 72 % de part de marché du chiffre d'affaires du fonderie de TSMC en 2025 ; voir également le rapport contemporain de Motley Fool.↩
10. PatentPC : L'explosion du marché des puces IA — Source du chiffre de 86 % de part de marché des GPU IA de NVIDIA.↩
11. Tech-Now : Taïwan mène le virage mondial des serveurs IA, dépassant les iPhones en 2025 — Données selon lesquelles Foxconn, Quanta et Wistron représentent 90 % des expéditions mondiales de serveurs IA.↩
12. DigiTimes : Foxconn, Wistron, Quanta maintiendront un chiffre d'affaires de plusieurs billions de dollars grâce aux serveurs IA en 2026 — Reportage sur les trois ODM dépassant le billion de dollars de chiffre d'affaires annuel, les serveurs IA surpassant l'électronique grand public.↩
13. 36Kr : Qui se partagera la capacité de production CoWoS en 2026 ? — Données sur la demande de NVIDIA en wafers CoWoS : 595 000 unités, soit 60 % de la capacité mondiale.↩
14. NVIDIA Newsroom : Foxconn construit une usine IA en partenariat avec Taïwan et NVIDIA — Projet d'usine IA de 100 MW à Kaohsiung ; voir également le reportage de CNBC sur la capacité électrique de 100 MW.↩
15. NeurIPS 2012 / NIPS Proceedings — Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). "ImageNet Classification with Deep Convolutional Neural Networks."↩²
16. PanSci : Prix Nobel de physique 2024 — Hopfield et Hinton ouvrent l'ère de l'apprentissage automatique par réseaux neuronaux artificiels — Partenaire de curation de contenu selon MOU du 2026-05-05. Couvre le contexte de la proposition du réseau de Hopfield, l'analogie du spin glass, le cumul des citations de l'article et les liens mathématiques avec l'apprentissage profond contemporain.↩
17. The Guardian : Le lauréat du prix Nobel de physique 2024 John Hopfield met en garde contre les dangers de l'IA — Reportage d'interview téléphonique du 8 octobre 2024 pour le prix Nobel de physique, Hopfield et Hinton émettent le même jour des avertissements sur les risques de l'IA.↩
18. Wikipédia : Geoffrey Hinton — Hinton est né le 6 décembre 1947 à Wimbledon, Londres. En mars 2013, il a rejoint Google après que Google a acquis DNNresearch pour 44 millions de dollars.↩²
19. BBC News : Le « parrain » de l'IA Geoffrey Hinton met en garde contre les dangers alors qu'il quitte Google — Le 1er mai 2023, après avoir quitté Google, Hinton exprime à la BBC ses inquiétudes sur les risques de l'IA. Citation originale : « I left so that I could talk about the dangers of AI without considering how this impacts Google », « a part of me now regrets my life's work ». Les détails de l'interview concomitante du NYT sont également cités dans ce reportage.↩²³
20. Nature : Le scientifique de l'IA Geoffrey Hinton remporte le prix Nobel de physique — Nature relate en détail la cérémonie du prix Nobel de physique 2024 et l'interview téléphonique de Hinton.↩
21. Site officiel de Taiwan AI Labs : À propos de nous — Présentation officielle : Ethan Tu a fondé PTT à l'Université nationale de Taïwan en 1995, et est revenu à Taïwan en avril 2017 pour créer Taiwan AI Labs.↩
22. TechNews : Les talents de l'IA à Taïwan, partir ou rester ? Entretien avec le fondateur de Taiwan AI Labs, Ethan Tu — Présentation des projets clés : transcription Yating, IA médicale par apprentissage fédéré, etc.↩
23. Wikipédia : Histoire économique de Taïwan — Données du PIB de Taïwan en 1986 ; le parc scientifique de Hsinchu a été créé en décembre 1980.↩
24. Science, 181(4096), 223-230 — Anfinsen, C. B. (1973). « Principles that govern the folding of protein chains. »↩
25. Nature : « Cela va tout changer » : l'IA de DeepMind fait un bond gigantesque dans la résolution des structures protéiques — Le 30 novembre 2020, rapport sur la publication des résultats du CASP14 : AlphaFold 2 atteint un GDT médian de 92,4 ; l'organisateur du CASP, John Moult, commente : « in some sense the problem is solved ».↩²³
26. DeepMind : AlphaFold révèle la structure de l'univers des protéines — Le 28 juillet 2022, annonce de la base de données des structures protéiques AlphaFold couvrant 1 million d'espèces et environ 200 millions de structures protéiques.↩
27. Abramson, J., Adler, J., Dunger, J. et al. (2024). Prédiction précise de la structure des interactions biomoléculaires avec AlphaFold 3. Nature 630, 493-500 — Le 8 mai 2024, publication d'AlphaFold 3, étendant la prédiction aux complexes protéines-ADN/ARN/ligand/ions.↩
28. Wikipédia : Demis Hassabis — Hassabis commence les échecs à 4 ans ; à 17 ans (1994), il co-développe « Theme Park » avec Peter Molyneux ; en 2010, il fonde DeepMind à Londres ; en 2014, Google l'acquiert pour environ 400 millions de livres sterling.↩²
29. Centre de recherche en génomique de l'Academia Sinica — Centre de recherche sur la structure des glycoprotéines établi sous la direction du président Weng Chi-huey (2006-2016).↩
30. PanSci : Prix Nobel de chimie 2024 — David Baker, Demis Hassabis, John Jumper résolvent le problème du repliement des protéines — Partenaire de curation de contenu selon MOU 2026-05-05. Couvre la controverse du Nobel de chimie AlphaFold, la discussion sur les frontières disciplinaires entre biologie structurale et chimie computationnelle.↩
31. Yuan exécutif : Perfectionner l'infrastructure IA de Taïwan — Construire le moteur de dialogue IA de confiance TAIDE — Explication officielle du lancement du projet TAIDE en avril 2023.↩
32. CommonWealth Magazine : « Prévenir l'invasion culturelle de l'IA chinoise » — Que peut faire TAIDE, le premier grand modèle de langue en chinois traditionnel de Taïwan ? — Reportage thématique sur TAIDE, source du discours sur la subjectivité culturelle des LLM en chinois traditionnel.↩
33. Communiqué du Conseil national des sciences et technologies : TAIDE, un an de résultats — Collaboration public-privé pour faire avancer un grand modèle de langue aux caractéristiques taïwanaises — Sortie en avril 2024 des versions TAIDE-LX-7B (commerciale) et 13B (recherche).↩
34. CloudInsight : État du développement des LLM à Taïwan 2026 — Inventaire complet de l'écosystème des LLM taïwanais, notamment TAIDE 2.0, Breeze-8B, etc.↩
35. Même rapport CloudInsight. Description détaillée des cas d'application tels que le « TAIDE Shennong » de l'Université nationale Chung Hsing, le robot de conversation taïwanais-anglais de l'Université nationale de Tainan, le modèle TAIDE taïwanais-hakka de l'Université nationale Yang Ming Chiao Tung, etc.↩
36. CIO Taiwan : Panorama des acteurs taïwanais de la cybersécurité — Aegis Wisdom Technology — Description détaillée des sept inclusions d'Aegis Wisdom dans Gartner et de ses trois validations de l'évaluation MITRE ATT&CK.↩
37. Site officiel d'Aegis Wisdom : Premier lancement sur le marché de l'innovation, le roi de la cybersécurité IA ! Aegis Cyber coté aujourd'hui — Communiqué de presse du 5 février 2026 concernant la cotation sur le marché de l'innovation.↩
38. Semi-conducteurs : viser la lune, grand défi technologique — Chen Liang-ge : 160 milliards pour l'IA de Taïwan — CommonWealth Magazine, 2017 — Le ministre de la Science et de la Technologie Chen Liang-ge proclame 2017 comme l'année zéro de l'IA et présente mi-août la « grande stratégie pour un petit pays en IA ».↩
39. Conseil national des sciences et technologies : Stratégie de recherche en IA — Cadre politique incluant le budget de 400 milliards du premier plan d'action taïwanais pour l'IA et la construction du TWCC.↩