Rapport Stanford HAI : l'écart entre les États-Unis et la Chine en IA a presque disparu, la sécurité reste à la traîne

Le rapport AI Index 2026 de Stanford HAI met à mal le mythe confortable d'un leadership sans partage des États-Unis en intelligence artificielle : sur la qualité des modèles de pointe, la Chine a presque rattrapé les entreprises américaines, tandis que sur la vérification publique de la sécurité, le marché reste très en retard sur ses propres ambitions.

L'AI Index 2026, publié par Stanford HAI le 13 avril 2026, rassemble des données sur les performances des modèles, les investissements, les publications scientifiques, les brevets, l'opinion publique et les pratiques d'IA responsable. Sa principale conclusion est désagréable pour l'industrie américaine : on ne voit plus d'avance technologique durable des États-Unis.

Selon Stanford, les modèles américains et chinois ont plusieurs fois échangé leurs places en haut des classements depuis début 2025. En février 2025, DeepSeek-R1 a brièvement égalé le meilleur modèle américain, et en mars 2026, l'avance du meilleur modèle d'Anthropic s'était réduite à 2,7 %.

Cela ne signifie pas que les États-Unis ont perdu tous leurs atouts. Les entreprises américaines sortent encore plus de modèles de premier plan : 50 contre 30 pour la Chine fin 2025. Les États-Unis ont aussi des brevets de meilleure qualité et des investissements privés sans commune mesure. Mais la Chine mène déjà en volume de publications en IA, en part de citations et en nombre de brevets délivrés. Autrement dit, le marché cesse d'être l'histoire d'un seul leader incontesté. C'est désormais une course serrée, où l'écart peut changer après chaque grande sortie.

Stanford souligne par ailleurs une vulnérabilité structurelle de l'avance américaine. Les États-Unis concentrent 5427 centres de données, soit plus de dix fois plus que n'importe quel autre pays. Mais presque toutes les puces d'IA avancées destinées à cette infrastructure sont fabriquées par une seule entreprise, TSMC, à Taïwan. L'extension de la production de TSMC aux États-Unis a commencé en 2025, mais la logique de la chaîne d'approvisionnement reste fragile : dominer le calcul ne revient pas à contrôler toute la pile technologique.

Plus important encore, l'écart entre les capacités des modèles et la manière dont l'industrie mesure les risques ne se réduit pas, il se creuse. Presque tous les développeurs de modèles de pointe publient des résultats sur des benchmarks de capacités comme MMLU ou SWE-bench, mais les données d'IA responsable paraissent de façon fragmentaire. Les tableaux de Stanford sur la sécurité, l'équité, la factualité et l'agentivité humaine comptent de nombreuses cases vides, si bien que comparer les modèles sur les risques, de l'extérieur, est souvent tout simplement impossible.

Cela ne veut pas dire que les laboratoires ne font aucun red teaming interne ni test d'alignement. Le problème est ailleurs : ces vérifications sont rarement divulguées dans un format unique et comparable.

Dans ce contexte, le nombre d'incidents d'IA documentés continue de croître. L'AI Incident Database a recensé 362 incidents en 2025, contre 233 un an plus tôt, et avant 2022 il y en avait moins de cent par an. Les organisations ne semblent pas non plus prêtes à affronter l'ampleur du problème.

Dans une enquête conjointe d'AI Index et de McKinsey, la part des entreprises jugeant excellente leur réaction aux incidents d'IA est passée de 28 % à 18 % en un an, tandis que celle des entreprises ayant signalé de trois à cinq incidents a grimpé de 30 % à 50 %. Autre difficulté : améliorer une métrique d'IA responsable peut en dégrader une autre. Par exemple, plus de sécurité peut réduire la précision, et un renforcement de la confidentialité peut nuire à l'équité.

La perception du public devient elle aussi plus contradictoire. À l'échelle mondiale, 59 % des personnes interrogées estiment que les produits d'IA apportent plus de bénéfices que de torts, mais 52 % disent que ces services les inquiètent. Les experts sont nettement plus optimistes que les utilisateurs ordinaires : 73 % des spécialistes attendent un effet positif de l'IA sur le travail, contre 23 % de la population américaine ; sur l'économie, 69 % contre 21 % ; sur la médecine, 84 % contre 44 %. En même temps, les États-Unis affichent le plus faible niveau de confiance envers leur propre gouvernement pour réguler l'IA de façon responsable : 31 %, pour une moyenne mondiale de 54 %.

La conclusion du rapport est simple : le débat sur celui qui est devant aujourd'hui en qualité de modèle compte moins que la question de savoir qui sait rendre l'IA vérifiable, sûre et résistante aux défaillances. Les États-Unis gardent l'échelle, le capital et l'infrastructure ; la Chine, le rythme et une masse scientifique et de brevets. Mais la véritable distance encore ouverte ne sépare pas les deux pays : elle sépare la vitesse de développement des modèles de la maturité des mécanismes de contrôle qui les entourent.