Le 12 juin 2026, on a coupé la frontière
Le 9 juin 2026, Anthropic met Fable 5 en ligne : la version publique de sa nouvelle classe de modèles, la plus performante jamais rendue accessible au grand public. Trois jours plus tard, le 12 juin à 17 h 21 heure de l’Est, le Department of Commerce lui adresse une directive de contrôle à l’export. Le texte est sec : l’accès à Fable 5 et à son grand frère Mythos 5 est interdit à tout ressortissant étranger, qu’il soit hors des États-Unis ou sur le sol américain, employés non-citoyens d’Anthropic inclus. Or Anthropic n’a aucun moyen de trier, requête par requête, un Américain d’un non-Américain. Pour se conformer, l’entreprise n’a d’autre choix que de tout éteindre : les deux modèles disparaissent, pour tout le monde, partout.
Prenez la mesure du précédent. Jusque-là, l’arme américaine dans la course à l’IA visait le compute : on interdisait d’exporter vers la Chine les GPU NVIDIA les plus puissants. Cette fois, le contrôle ne porte plus sur l’outil qui fabrique le modèle, mais sur le modèle lui-même, sur la capacité une fois constituée. Le fameux « kill switch », qu’on agitait comme une hypothèse depuis des mois, vient de s’actionner pour de bon. Et il a frappé moins d’une semaine après un lancement.
Le lendemain, 13 juin, Z.ai publie GLM-5.2 et l’emballe dans une formule : frontier intelligence belongs to everyone. Le calendrier n’a évidemment rien d’innocent, c’est tout l’argument. Un modèle de pointe fermé peut s’éteindre sur décision d’un gouvernement ; un modèle ouvert, lui, se télécharge, s’héberge, se modifie, et aucune administration ne peut le révoquer à distance. La vraie question n’est plus « lequel est le meilleur aujourd’hui » mais « lequel pourrez-vous encore utiliser dans six mois, quoi qu’il arrive ». Tout l’article tient dans ce déplacement : en 2026, l’endroit où tourne le compute et la main qui le tient pèsent autant que les scores.
La frontière s’est dérobée, pour tout le monde sauf Anthropic
Commençons par cadrer honnêtement le niveau, parce que c’est là que la plupart des commentaires dérapent. La mesure indépendante de référence est l’Artificial Analysis Intelligence Index v4.1, qui agrège neuf évaluations désormais pondérées vers les tâches agentiques (Terminal-Bench, GDPval, SciCode, HLE, GPQA…).
| Modèle | Index AA v4.1 | Disponible en Europe ? |
|---|---|---|
| Claude Fable 5 | 60 | Non, coupé le 12 juin |
| Claude Opus 4.8 | 56 | Oui |
| GPT-5.5 | 55 | Oui |
| GLM-5.2 | 51 | Oui (open-weight) |
| Gemini 3.1 Pro | 46 | Oui |
| DeepSeek-V4-Pro | 44 | Oui (open-weight) |
Lu vite, ce tableau dit « GLM-5.2 est quatrième, derrière trois Américains », et on passe à la suite. Relisez-le, parce qu’il raconte quelque chose de plus intéressant. Le sommet, Fable 5, est une anomalie : aucun autre laboratoire n’a sorti un modèle de cette trempe, et même le numéro deux d’Anthropic, Opus 4.8, devance encore tout le peloton. Écartez ces deux-là un instant, ils jouent dans une catégorie à part, et regardez où se livre la vraie bataille du marché, celle entre OpenAI et Google : GPT-5.5 est à 55, Gemini à 46. GLM-5.2, à 51, vient se glisser pile au milieu. Il passe devant Gemini de cinq points et ne concède que quatre points à GPT-5.5. Autrement dit, un modèle ouvert, sous licence MIT, que n’importe qui peut télécharger, joue désormais dans la même cour que la génération courante des géants américains. C’est ça, l’événement, pas la place dans le classement.
Sur les tâches étroites, l’écart se referme encore. Le tableau de Z.ai donne GLM-5.2 au coude-à-coude sur le code et les maths :
GLM-5.2 est premier des modèles open-weight de l’index, là où la médiane des modèles comparables plafonne à 24, et Artificial Analysis le confirme comme tel : c’est une mesure tierce, pas une autocélébration. Simon Willison, le 17 juin, le place deuxième du WebDev Code Arena, derrière le seul Fable 5.
Reste l’ironie, et elle est mordante. Ce sommet hors catégorie, le seul cran que personne d’autre n’atteint, c’est justement lui qu’une directive a arraché à l’Europe, du jour au lendemain. Opus 4.8 reste appelable, GPT-5.5 et Gemini aussi ; l’Europe n’est pas démunie. Mais Fable 5, le meilleur modèle du monde quelques jours plus tôt, s’est éteint sur l’ordre d’un gouvernement étranger. La leçon n’est donc pas une pénurie : c’est qu’un modèle fermé, fût-il le plus puissant de la planète, peut s’évaporer en une nuit. Et pendant qu’on débranchait celui-là, un open-weight chinois rejoignait tranquillement la génération courante : celui-là, on le télécharge, et personne ne pourra venir le reprendre.
« Open-weight » ne veut pas dire « open-source »
GLM-5.2 sort sous licence MIT, et on lit déjà, ici et là, que « la licence MIT permet de tout vérifier ». C’est une confusion, et elle est piégeuse. Ce que Z.ai met en ligne, ce sont les poids, les centaines de milliards de paramètres une fois entraînés. Le corpus, le mélange exact des données, la recette de post-entraînement (Z.ai s’appuie sur une infrastructure d’apprentissage par renforcement asynchrone maison, baptisée « slime »), tout cela reste fermé. Vous pouvez exécuter le modèle, le distiller, l’affiner, le redistribuer sans rien demander à personne : c’est déjà beaucoup. Mais le reproduire ou l’auditer ligne à ligne, non. Des poids ouverts ne sont pas du code ouvert.
Cette réserve faite, ce que les poids ouverts débloquent reste le cœur de l’affaire en 2026. Un modèle qu’on héberge soi-même ne dépend d’aucune API distante, donc d’aucune décision unilatérale, ni d’un fournisseur, ni de son gouvernement. C’est précisément le risque qui vient de se matérialiser avec Fable 5. Pour une administration de défense, un hôpital, une banque, n’importe quel secteur régulé, la différence est très concrète : soit « l’IA tourne dans notre enclave et pas un octet n’en sort », soit « nos données traversent un service qu’une loi américaine, le CLOUD Act, peut contraindre à les livrer, même hébergées en Europe ». Le calendrier réglementaire va dans le même sens que l’électrochoc Fable 5 : l’AI Act européen devient pleinement applicable aux usages à haut risque le 2 août 2026, et le Cloud and AI Development Act, proposé le 3 juin, esquisse quatre niveaux de souveraineté. Tout pousse à reprendre la main sur l’endroit où le modèle s’exécute.
Reste une limite qu’il faut nommer, sinon on vend une illusion. Faire tourner des poids chinois dans un datacenter allemand vous rend souverain sur vos données : rien ne quitte l’enclave. Mais pas sur le comportement du modèle : l’alignement, lui, est fixé pendant le post-entraînement. Interrogez GLM, Qwen ou DeepSeek sur Taïwan, Tiananmen ou le Xinjiang, et ils se dérobent ou récitent la position officielle ; aucun fine-tuning léger ne défait proprement ce qui a été appris en profondeur. La souveraineté n’est donc pas un interrupteur qu’on bascule, mais un curseur : on en gagne sur la donnée, on en cède sur le modèle. Mistral vit le même paradoxe à l’échelle européenne : champion du continent, il fait tourner son infrastructure Mistral Compute sur 13 800 superpuces NVIDIA GB300 installées à Bruyères-le-Châtel, en Essonne. Libre sur le logiciel, captif du silicium.
Le compute chinois : faire frontière sans NVIDIA
C’est ici, au niveau systèmes, que la partie se joue, et c’est ici qu’il faut ralentir. Comment un laboratoire privé d’accès aux GPU NVIDIA fabrique-t-il un modèle capable de talonner GPT-5.5 ?
Tout part d’une contrainte. Zhipu, la maison derrière Z.ai, figure sur l’Entity List américaine depuis janvier 2025 : les H100 et H200 lui sont fermés. Sa réponse, revendiquée noir sur blanc pour toute la famille GLM-5, est radicale : l’entraînement tourne à 100 % sur des accélérateurs Huawei Ascend 910B, autour de 100 000 puces selon la presse, via le framework MindSpore, sans une seule carte NVIDIA dans la boucle. La fiche du modèle chez Together AI le confirme, tout comme les déclarations de Z.ai relayées mi-juin. C’est une parole d’éditeur, pas un audit indépendant ; mais elle est assumée publiquement, et elle suffit à poser le fait qui compte : un modèle de frontière peut désormais naître entièrement hors de l’écosystème NVIDIA. Un Ascend 910B délivre environ 320 TFLOPS en FP16, entre l’A100 (312) et le H100 (989). Plus faible pièce à pièce, il oblige à compenser autrement : par le nombre, et par l’astuce.
Et l’astuce est algorithmique. GLM-5.2 reprend la DSA DeepSeek Sparse Attention. Mécanisme d'attention introduit par DeepSeek qui ne calcule l'attention que sur un sous-ensemble sélectionné de tokens du contexte, au lieu de relire tout le passé. Réduit fortement le coût en calcul et en mémoire du contexte long, au prix d'un indexeur qui décide quoi regarder. et y greffe « IndexShare » : le même indexeur est réutilisé toutes les quatre couches d’attention sparse, ce qui divise par 2,9 le coût en FLOPs par token à un million de tokens de contexte. L’entraînement pousse la quantification Réduction du nombre de bits codant chaque poids d'un modèle (de 16 bits vers 8, 4, voire moins). Elle divise l'empreinte mémoire d'autant, au prix d'une perte de précision contrôlée, sans changer le nombre de paramètres. Approfondir dans le glossaire INT4 dès le réglage supervisé, et bascule les rollouts d’apprentissage par renforcement en FP8 Format à virgule flottante 8 bits. Format de travail polyvalent pour l'inférence (et l'entraînement) sur GPU récents. Divise par 2 l'empreinte mémoire et le débit nécessaires par rapport au FP16, pour une perte de précision marginale sur la plupart des modèles. Approfondir dans le glossaire , à ne pas confondre avec un pré-entraînement entièrement en FP8 façon DeepSeek. Chaque technique grignote un peu du compute brut que le matériel ne fournit pas. Faut-il en conclure que « la contrainte a forcé l’ingéniosité » ? En partie seulement : la DSA, c’est DeepSeek qui l’a inventée, pas Z.ai, et ces optimisations servent tout autant des laboratoires américains que rien ne bride. La contrainte a accéléré le mouvement ; elle ne l’explique pas à elle seule.
Sur le coût, soyons nets là où d’autres brodent : aucun coût d’entraînement officiel n’a été publié pour GLM-5, 5.1 ou 5.2 : ni run final, ni R&D. C’est un fait, pas un trou qu’on se permettrait de combler. Le seul ancrage chiffré crédible vient d’Epoch AI, qui estime à partir du prospectus d’introduction en bourse de Z.ai un compute de R&D d’environ 216 millions de dollars sur le second semestre 2024 et le premier 2025, dont 12,3 % seulement pour les runs finaux, et une fenêtre qui précède GLM-5. À titre de comparaison, le seul chiffre verbatim de la concurrence est celui de DeepSeek-V3 : 5,576 millions de dollars pour le run final, « hors recherche antérieure et ablations ». Le piège classique est de prendre ce coût marginal pour le coût total ; il exclut la R&D, les runs ratés et le capital du cluster.
Ce n’est pas une coquille, c’est la photographie de deux paris opposés. Les Américains achètent la frontière à coups de gigawatts et de centaines de milliards : un pari d’abondance, où la puissance brute fait la différence. Z.ai, sous embargo, la fabrique à l’économie, parce qu’il n’a pas le luxe de faire autrement. Et un détail retourne l’intuition : la bataille se déplace vers l’inférence, qui devrait représenter environ 70 % de la demande de compute IA en 2026. Or à l’inférence, un Ascend tient à peu près 60 % d’un H100, un retard qui se rattrape en alignant les puces. « Qui contrôle le compute » n’appelle donc pas la même réponse selon qu’on entraîne un modèle une fois ou qu’on le sert un milliard de fois.
Avoir GLM-5.2 chez soi : la vérité de la VRAM
Admettons que la souveraineté vous tienne à cœur et que vous vouliez héberger GLM-5.2 vous-même. Combien ça coûte, concrètement ? La réponse commence par une intuition qu’il faut démonter.
GLM-5.2 active 40 milliards de paramètres par token sur 744 au total. La tentation est d’en conclure qu’il « pèse » 40 milliards, et que 48 Go de VRAM suffiraient. C’est précisément là qu’on se trompe. Dans un Mixture-of-Experts, un routeur choisit pour chaque token quelques experts parmi tous les autres, mais il les choisit à l’exécution, et rien ne dit lesquels le token suivant ira solliciter. Il faut donc que tous les experts soient présents en mémoire, en permanence, prêts à répondre. La VRAM suit le nombre total de paramètres (744 milliards), pas le nombre actif (40) ; l’actif, lui, ne commande que le calcul et la bande passante dépensés par token. En pratique, ça donne ceci :
| Précision | Taille des poids | Tient sur |
|---|---|---|
| BF16 | ≈ 1,51 To | nœud multi-GPU datacenter |
| FP8 | ≈ 750 Go | 8× H200 (141 Go pièce) |
| Q4 (GGUF) | ≈ 376 Go | 4× H200 ou 2× RTX PRO 6000 + offload |
| 2-bit dynamique | ≈ 239 Go | Mac 256 Go unifié, ou 1 GPU + 256 Go de RAM |
Et encore, ce ne sont là que les poids. À un million de tokens de contexte, le KV cache Mémoire des vecteurs clé et valeur déjà calculés pour chaque token traité par un LLM. Évite de recalculer l'attention sur tout l'historique, au prix d'une consommation mémoire qui croît avec le contexte. Approfondir dans le glossaire ajoute 80 à 160 Go de plus, et c’est lui qui devient vite la contrainte mémoire dominante, parce qu’il enfle avec la longueur de la conversation pendant que les poids, eux, ne bougent pas. Surtout, « ça rentre » ne veut pas dire « c’est utilisable ». Sur un H200 en 2-bit, le débit mesuré tourne autour de 8,7 tokens par seconde ; sur une machine grand public, comptez 3 à 9. Pour discuter, ça passe. Pour une boucle agentique qui enchaîne des dizaines d’appels d’outils, c’est intenable, sans compter que le 2-bit qui rend le modèle « hébergeable » sur un Mac n’est plus le même modèle que le FP8 qu’on benchmarke.
Vient le choix : acheter ou louer. Une H200 NVL se négocie entre 32 000 et 41 000 € pièce, et un nœud DGX à huit cartes dépasse les 350 000 €, avant l’électricité et l’hébergement que le coût complet d’un serveur GPU détaille poste par poste. À la location, RunPod affiche la H100 autour de 2,47 €/h, la H200 vers 4,04 €/h, la B200 vers 5,42 €/h, et bien moins en spot. Sauf que le calcul « tant d’euros l’heure divisés par tant de tokens » rate l’essentiel. Si une API revient si peu cher, c’est grâce au batching continu Ordonnancement à l'itération : ajouter et retirer des requêtes du batch à chaque pas de génération, au lieu d'attendre qu'un batch entier se termine. Formalisé par Orca (OSDI 2022), popularisé par vLLM. Multiplie par 2 à 4 le débit d'un serveur d'inférence sous forte concurrence. Approfondir dans le glossaire : le fournisseur étale un même GPU sur des milliers de flux à la fois. Le particulier qui loue huit H200 (soit environ 32 €/h, huit fois le tarif unitaire) pour servir un seul flux, lui, paie un taux d’occupation catastrophique. Le seuil où le self-host devient moins cher que l’API ne dépend donc pas du prix du GPU, mais de votre taux d’occupation. En dessous d’un certain trafic continu, l’API l’emporte, et largement.
Dernier piège, celui de l’unité de mesure. Sur des charges agentiques, raisonner en coût par token induit en erreur. GLM-5.2 réfléchit avant de répondre, son mode « Max » déroule de longues chaînes internes, et ces tokens de raisonnement font le gros de la facture. Ce qui compte, c’est le coût par tâche résolue. Sur l’index Artificial Analysis, la même tâche revient à quelques centimes avec DeepSeek-V4-Pro contre plus d’un euro et demi avec Opus 4.8 : un écart de plus de quarante fois, que le prix au token escamote complètement. Et même là, l’ouvert ne vous affranchit pas de tout : entraîné sur Ascend, GLM-5.2 se sert, dans presque tous les déploiements réels, sur du NVIDIA via vLLM. Les poids vous libèrent du fournisseur du modèle ; ils ne vous sortent pas du duopole silicium-runtime.
Le particulier attendra peu, mais pas zéro
Aujourd’hui, l’addition disqualifie le particulier : faire tourner GLM-5.2 à pleine qualité, c’est une affaire de datacenter, pas de bureau. On pourrait en conclure que l’IA de frontière restera réservée à ceux qui peuvent s’aligner huit H200. Ce serait oublier trois courbes qui montent en même temps.
La première est algorithmique. Les mesures d’Epoch AI sont nettes : le compute nécessaire pour atteindre un niveau de performance donné est divisé par deux tous les huit mois environ, plus vite que la loi de Moore. Le plancher matériel d’une capacité donnée s’effondre donc d’année en année. À côté, le coût pour servir cette performance chute encore plus vite, divisé par deux tous les deux mois, deux ordres de grandeur sur l’année. Et le matériel ne reste pas immobile : la VRAM et la bande passante grand public avancent par sauts : de la RTX 3090 (24 Go, 936 Go/s) à la 5090 (32 Go, 1 792 Go/s, +78 % de bande passante sur la 4090), tandis que le datacenter passe de l’A100 (2 To/s) à la B200 (8 To/s).
Empilez ces trois mouvements et la trajectoire se dessine : ce qui exige aujourd’hui un nœud à 350 000 € glissera, palier après palier, vers du matériel quasi grand public, de la même façon qu’un modèle réservé au datacenter il y a dix-huit mois tient désormais, en 2-bit, sur un Mac à 256 Go. C’est une projection, assumée comme telle, pas une certitude. Elle a d’ailleurs un contre-argument honnête : chaque nouvelle génération rouvre un écart que la banalisation n’a pas eu le temps de refermer : le contexte d’un million de tokens, le raisonnement long, l’agentique de long horizon sont autant de fronts neufs. Le sol monte, mais le plafond aussi. La question n’est donc pas de savoir si la frontière deviendra auto-hébergeable, mais avec quel retard, et ce retard, c’est tout l’enjeu stratégique.
Conclusion : qui possède le silicium et des poids de confiance
Le 12 juin a levé une ambiguïté : un modèle fermé est un service, et un service, ça se coupe. GLM-5.2 incarne l’autre option : une capacité qu’on possède. Il serait pourtant naïf d’y voir la victoire propre de l’ouvert sur le fermé, car l’ouvert ne supprime pas la dépendance : il la déplace.
Elle glisse d’abord vers le silicium, qui ne s’affranchit pas au rythme des poids : entraîné en Chine sur Ascend, GLM-5.2 se sert en Europe sur NVIDIA, et jusqu’à Mistral, le champion européen, qui commande lui aussi ses superpuces à NVIDIA. Elle glisse ensuite vers la confiance, et c’est le talon d’Achille de l’ouvert. Anthropic et l’AI Security Institute britannique l’ont montré : environ 250 documents malveillants suffisent à implanter une porte dérobée dans un modèle, quelle que soit sa taille, une poussière dans le corpus, invisible aux benchmarks qui, eux, restent au vert. Vous téléchargez des poids que vous ne pouvez pas auditer. L’auto-hébergement vous débarrasse de l’exfiltration et de la coupure d’accès, mais vous lègue en échange un comportement déjà figé et un corpus opaque. La souveraineté qu’il offre est réelle, et partielle.
Reste la seule formule que les faits autorisent : à la frontière de 2026, posséder un modèle ne suffit plus, et y accéder non plus. Ce qui comptera, c’est de tenir à la fois le compute qui le fait tourner et des poids auxquels on puisse se fier. La prochaine question n’est donc pas « quel sera le meilleur modèle l’an prochain », mais « qui, en Europe, saura produire le silicium et les poids de confiance que ni une directive ni 250 documents ne pourront compromettre ». Le 12 juin a rendu cette question urgente. La réponse, elle, n’existe pas encore.
Sources et méthode
Devises converties au taux indicatif 1 USD = 0,92 EUR (mi-2026). Sauf mention, les chiffres datent de juin 2026. Étiquettes : fait vérifié (source primaire), estimation (ordre de grandeur), hypothèse (raisonnement assumé).
Restriction Fable 5 / Mythos 5
- Fait : Communiqué Anthropic, Statement on the US government directive to suspend access to Fable 5 and Mythos 5, 12 juin 2026 (anthropic.com).
- Fait : Couverture presse : CNBC (12 juin), CNN et TIME (13 juin) : chronologie, motif (jailbreak), désactivation mondiale.
- Fait : Cadre souveraineté : Conseil de l’IA et du numérique, Dependance Day ? Fable 5, Mythos 5 : l’Europe face à son point de bascule (juin 2026).
GLM-5.2 : specs & niveau
- Fait : Blog Z.ai (Hugging Face, 17 juin 2026) et fiche Together AI (16 juin) : 744 Md / 40 Md actifs, licence MIT, contexte 1 M, DSA + IndexShare, entraînement Ascend.
- Fait : Artificial Analysis Intelligence Index v4.1 (relevé 20 juin) : Fable 5 60, Opus 4.8 56, GPT-5.5 55, GLM-5.2 51, Gemini 3.1 Pro 46. #1 open-weight confirmé indépendamment (Simon Willison, 17 juin).
- Hypothèse : Scores du tableau Z.ai (SWE-bench Pro 62,1, AIME 2026 99,2, Terminal-Bench 81,0) : auto-déclarés, non répliqués par un tiers au 18 juin (Scale SEAL, SWE-bench Pro standardisé : leader vérifié GPT-5.4 à 59,1).
Compute & entraînement
- Fait : Constat d’absence : aucun coût d’entraînement officiel publié pour GLM-5/5.1/5.2.
- Estimation : Epoch AI (23 mars 2026) : R&D compute Z.ai ~216 M USD (fenêtre antérieure à GLM-5).
- Fait : DeepSeek-V3 technical report (arXiv 2412.19437) : 5,576 M USD pour le run final.
- Fait : Z.ai sur l’Entity List depuis janv. 2025. Estimation : Ascend 910B ≈ 320 TFLOPS FP16 ; ~100 000 puces (presse).
Compute américain
- Fait : Stargate 500 Md USD / 10 GW (openai.com, annoncé le 21 janv. 2025). Capex 2026 des 4 hyperscalers ~725 Md USD, +77 % (Tom’s Hardware, CNBC, avr. 2026).
- Estimation : Asymétrie ~×3 000 ; ~70 % de la demande compute en inférence (Barclays).
Self-host : matériel & coûts
- Fait : Tailles GGUF Unsloth (Q4 ≈ 376 Go, 2-bit ≈ 239 Go) ; datasheets NVIDIA/AMD/PNY (A100 80 SXM 2 039 Go/s, H200 4,8 To/s, B200 8 To/s, RTX 5090 1 792 Go/s, RTX 3090 936 Go/s).
- Fait : Tarifs RunPod (H100 ~2,47 €/h, H200 ~4,04 €/h, B200 ~5,42 €/h). Débit ~8,7 tok/s sur H200 en 2-bit.
- Fait : Coût par tâche (index AA) : ~0,04 USD en DeepSeek-V4-Pro vs ~1,78 USD en Opus 4.8.
Tendances & souveraineté
- Fait : Epoch AI : compute pour perf fixe ÷2 / ~8 mois ; coût d’inférence ÷2 / 2 mois.
- Fait : Empoisonnement : Anthropic / UK AI Security Institute / Alan Turing Institute, small samples poison (~250 documents) (anthropic.com).
- Fait : CLOUD Act ; EU AI Act (haut risque applicable 2 août 2026) ; CADA (proposé 3 juin 2026) ; Mistral Compute (13 800 GB300, Bruyères-le-Châtel, Essonne).
- Hypothèse : Alignement figé des modèles chinois ; projection self-host grand public.
Note de méthode. Cet article a été rédigé sept jours après la sortie de GLM-5.2. Les scores de Z.ai sont donnés comme chiffres constructeur tant que des évaluations tierces ne les ont pas répliqués ; l’ancre de niveau retenue est l’index indépendant d’Artificial Analysis. Aucun coût d’entraînement officiel n’existant pour la famille GLM-5, les chiffres de coût sont des estimations explicitement attribuées.
