Moore Threads, l’une des entreprises appelées à diriger l’alternative chinoise aux grands fournisseurs occidentaux de computation pour l’intelligence artificielle, cherche désormais à franchir un pas qui va au-delà du silicium. Basée à Pékin, la société a présenté un service d’assistance à la programmation assistée par IA — sous le nom de « Plan de codage IA » — avec une ambition claire : ne pas se limiter à vendre des GPU, mais aussi contrôler la couche logicielle qui transforme cette puissance de calcul en productivité quotidienne pour les développeurs.

Ce mouvement intervient à un moment où la programmation assistée par des modèles linguistiques est devenue un champ de bataille stratégique. En Occident, des outils comme GitHub Copilot ont standardisé l’utilisation d’assistants dans l’environnement de développement ; parallèlement, des solutions concurrentes cherchent à devenir « l’interface » de la programmation moderne. En Chine, la rivalité est double : d’un côté, on vise à concurrencer en expérience et en résultats ; de l’autre, à réduire les dépendances externes dans un secteur particulièrement sensible aux restrictions commerciales et à la géopolitique technologique.

Du processeur au clavier : pourquoi Moore Threads veut maîtriser l’expérience

La thèse de Moore Threads est que l’avantage concurrentiel ne repose plus uniquement sur la performance brute du hardware. La valeur se déplace vers des plateformes complètes : infrastructure + modèles + outils de travail + intégration avec des workflows réels. Selon cette logique, « Plan de codage IA » se présente comme une suite de développement « verticale », supportée par du matériel domestique et un modèle entraîné pour des tâches de programmation.

Le service s’appuie sur la GPU MTT S5000, basée sur l’architecture Pinghu. Selon les informations publiées à propos de la société, ce processeur est entré en production en 2025 et est devenu l’un des moteurs commerciaux du groupe, à tel point que Moore Threads prévoit une croissance de ses revenus d’environ le triple, grâce à l’adoption du S5000 dans des clustres orientés IA. Ce message rejoint une réalité du marché : lorsque l’accès aux accélérateurs de pointe devient plus complexe ou coûteux, le logiciel qui rend l’informatique locale utile gagne en importance dans la décision d’achat.

Autrement dit, vendre des GPU est essentiel, mais faire en sorte qu’un développeur écrive, débogue et livre du code plus rapidement — sans quitter votre plateforme — crée une habitude. Et l’habitude, en technologie, tend à devenir un verrouillage (lock-in).

Compatibilité comme levier : entrer sans obliger à « repartir de zéro »

Une des clés de cette annonce est la promesse de compatibilité avec des outils populaires. Moore Threads a indiqué que son plan pouvait cohabiter avec des environnements et workflows déjà connus des développeurs, mentionnant une intégration ou un support avec des utilitaires largement utilisés dans l’écosystème de « codage IA ». Cette stratégie vise un objectif pratique : réduire le coût psychologique et technique du basculement. Sur un marché où l’éditeur, les plugins et les raccourcis font partie de l’identité professionnelle, forcer une migration soudaine risque souvent de faire fuir les utilisateurs.

Ce mouvement a aussi une lecture industrielle : si le hardware demeure domestique mais que le développeur garde son workflow, l’adoption peut s’accélérer. Et si l’adoption se généralise, le hardware devient alors plus justifié. C’est un cercle vertueux… à condition que performance et fiabilité soient à la hauteur.

Le rôle du modèle : GLM-4.7 comme argument de compétitivité

Côté modèles, la plateforme s’appuie sur GLM-4.7, développé par Zhipu AI (Z.ai). La documentation publique et les communiqués officiels de Z.ai décrivent GLM-4.7 comme un modèle conçu pour des scénarios réels de développement, le plaçant en bonne position lors d’évaluations de programmation. De plus, il affiche des résultats compétitifs dans les benchmarks sectoriels et de bonnes performances lors de tests axés sur l’ingénierie logicielle. Le message est clair : le « copilote » n’est plus simplement une autocomplétion de lignes, mais capable de résoudre des tâches plus longues, de naviguer dans des bases de code et de se comporter comme un agent exécutant des étapes. Dans cette transition, la qualité du modèle compte autant que la puissance de calcul.

Un marché en pleine effervescence : Alibaba, ByteDance et le « nouveau front-end » du logiciel

Moore Threads ne s’implante pas dans un désert. Alibaba renforce depuis un moment sa présence en programmation assistée avec Tongyi Lingma et la gamme de modèles Qwen orientés code. La société a affirmé que son assistant avait généré des milliards de lignes de code depuis son lancement, chiffre qui sert à la fois de métrique d’adoption et de signal aux entreprises : cela n’est plus expérimental.

La concurrence domestique rejoint également la scène occidentale, mais aussi un phénomène plus vaste : l’IDE et l’éditeur se sont transformés en canaux de distribution. Celui qui contrôle le point où le développeur passe ses heures chaque jour contrôle en grande partie la manière dont se construit le logiciel. Ainsi, la bataille ne consiste pas seulement à « programmer mieux » mais à devenir le standard de facto dans les workflows d’entreprise.

Lecture stratégique : souveraineté, marges et une nouvelle façon de commercialiser les GPU

En définitive, l’annonce de Moore Threads suggère un changement d’identité : passer de fabricant de puces à fournisseur de plateforme. Ce saut peut améliorer les marges (les services et abonnements étant souvent plus prévisibles que la vente ponctuelle de hardware) et renforcer la narrative d’autonomie technologique. Il implique également de nouvelles responsabilités : support, communauté, sécurité, évolution produit et, surtout, confiance.

Car si le développement assisté par IA devient central dans le travail quotidien, tout dysfonctionnement — hallucinations, erreurs subtiles, fuites de code ou mauvaise gestion des données — n’est plus seulement un problème de laboratoire. Il devient un problème de production.

Cependant, cette démarche s’inscrit dans la tendance du secteur : l’infrastructure IA se « commercialise » et descend vers des couches de plus en plus proches de l’utilisateur final. Dans cette dynamique, celui qui parvient en premier à offrir une expérience complète et raisonnablement ouverte pourra occuper une position difficile à déloger.

Questions fréquentes (FAQ)

Qu’est-ce qu’un « plan de codage IA » et en quoi diffère-t-il d’un autocompleté classique ?
Un plan de « codage IA » inclut généralement la génération, le débogage, la refactorisation et l’exécution de tâches plus complexes (par exemple, modifications sur plusieurs fichiers), et ne se limite pas à des suggestions ligne par ligne dans l’éditeur.

Pourquoi est-il crucial que la plateforme soit compatible avec des outils de développement populaires ?
Parce que cela réduit la friction lors de l’adoption : une équipe peut tester l’assistant sans devoir refaire tout son flux, ses plugins ou sa configuration, accélérant ainsi pilotes et déploiements.

Quels avantages offre l’utilisation d’un stack local (hardware + modèle + outils) en entreprise ?
Principalement le contrôle sur l’infrastructure, une dépendance moindre à l’égard de fournisseurs tiers, et, dans certains contextes, plus d’options pour respecter des exigences de conformité, résidence des données ou politiques internes de sécurité.

Un assistant de code avec IA peut-il remplacer une équipe de développement ?
Concrètement, aujourd’hui, il sert surtout à augmenter la productivité : automatisation des tâches répétitives, accélération des tests et de la documentation, exploration de solutions. Mais il nécessite toujours une supervision humaine, une validation et une responsabilité technique.

vía : scmp