LongCat-2.0 : le géant chinois de la livraison de repas vient de créer un modèle IA sans une seule puce Nvidia

Il y a des associations d’idées qui ne viennent naturellement à l’esprit de personne. Livraison de nourriture et intelligence artificielle de pointe font clairement partie de ce lot. Et pourtant, c’est très exactement l’histoire qui se déroule sous nos yeux depuis le 30 juin 2026 : Meituan, l’équivalent chinois de Uber Eats ou Deliveroo, vient de publier en open source l’un des modèles d’IA les plus impressionnants de l’année et le détail technique qui l’accompagne est encore plus surprenant que son origine.

LongCat-2.0 pèse 1,6 trillion de paramètres, place son architecture au niveau des meilleurs modèles fermés du marché sur le code informatique, et a été entièrement entraîné de bout en bout, de l’apprentissage initial jusqu’à sa mise en service sur un parc de plus de 50 000 puces chinoises. Pas une seule carte graphique Nvidia dans toute la chaîne. C’est une première mondiale pour un modèle de cette taille, et elle mérite qu’on prenne le temps de comprendre pourquoi elle change la donne dans la course technologique entre les États-Unis et la Chine.

Meituan : L’improbable laboratoire d’IA

Pour la plupart des lecteurs occidentaux, le nom Meituan n’évoque probablement rien de précis. En Chine, c’est pourtant l’une des applications les plus utilisées au quotidien souvent décrite comme l’équivalent chinois de Uber Eats, sauf que l’entreprise a considérablement élargi son périmètre au fil des ans : réservation de voyages, découverte et notation de commerces locaux, VTC, et désormais, intelligence artificielle de pointe.

L’entrée de Meituan dans le monde de l’IA n’est pas totalement improvisée. L’entreprise a posé une première pierre dès 2023, en rachetant la startup Light Year Beyond pour 281 millions de dollars, avant d’annoncer officiellement ses propres ambitions de développement de modèles d’IA en 2025. LongCat-2.0 s’inscrit dans la continuité de deux modèles antérieurs de la même famille : LongCat-Flash, un modèle de 560 milliards de paramètres publié en 2025, et sa version allégée LongCat-Flash-Lite.

💰  Signal financier intéressant : au premier trimestre 2026, Meituan a augmenté ses dépenses de recherche et développement de 22%, pour atteindre 7 milliards de yuans. À l’annonce de LongCat-2.0, l’action de l’entreprise a grimpé de 4,7% à Hong Kong même si le titre reste, à cette date, 85% en dessous de son pic historique de 2021, rappel que l’ambition IA de Meituan s’inscrit dans un contexte boursier globalement compliqué pour l’entreprise.

Ce que signifie vraiment « entraîné sur puces chinoises »

C’est le cœur technique de cette histoire, et il mérite une explication précise, parce que la nuance change tout. Jusqu’à présent, plusieurs modèles chinois dont DeepSeek V4 Pro qu’on a déjà évoqué indirectement sur ce blog à travers notre couverture de l’écosystème IA chinois, utilisaient déjà des puces domestiques, mais uniquement pour la phase d’inférence : c’est-à-dire le moment où le modèle, déjà entraîné, répond aux questions des utilisateurs.

🎓  Rappel de vocabulaire technique : entraîner un modèle d’IA se déroule en deux grandes phases. Le pré-entraînement, la phase la plus gourmande en calcul, où le modèle apprend à partir d’énormes quantités de données brutes, un peu comme un étudiant qui lit des milliers de livres avant de passer un examen. L’inférence, ensuite, c’est le moment où ce modèle déjà formé répond effectivement à vos questions, l’équivalent de l’étudiant qui passe son examen en utilisant ce qu’il a appris.

Ce que Meituan revendique avec LongCat-2.0, c’est une première : un modèle de taille frontière (mille milliards de paramètres et plus) ayant réalisé l’intégralité de ces deux phases, du pré-entraînement jusqu’à la mise en service, sur des puces entièrement chinoises. Concrètement, l’entraînement s’est déroulé sur un cluster de plus de 50 000 accélérateurs Huawei Ascend 910C, orchestrés via la bibliothèque de communication collective HCCL développée par Huawei elle-même, l’équivalent chinois des technologies NVLink et NCCL que Nvidia utilise pour faire communiquer ses propres puces entre elles.

Meituan précise également que l’entraînement, qui a porté sur plus de 30 000 milliards de tokens (l’unité de base du texte pour une IA), s’est déroulé sans le moindre retour en arrière ni pic de perte irrécupérable, un indicateur technique qui, dans le jargon de l’entraînement de grands modèles, signale une stabilité remarquable pour une infrastructure aussi massive et relativement nouvelle.

Les spécifications techniques décortiquées

Au-delà du symbole de souveraineté technologique, LongCat-2.0 embarque plusieurs innovations d’architecture qui méritent d’être expliquées simplement, pour qui ne baigne pas quotidiennement dans le jargon de l’IA.

Caractéristique	Valeur	Ce que ça signifie concrètement
Paramètres totaux	1,6 trillion	La taille brute du modèle parmi les plus grands au monde
Paramètres actifs par token	≈ 48 milliards	Seule une fraction du modèle ‘travaille’ à chaque instant
Architecture	Mixture-of-Experts (MoE)	Le modèle active seulement les sous-parties pertinentes pour chaque tâche
Fenêtre de contexte	1 million de tokens (native)	Capacité à traiter d’immenses documents ou bases de code en une fois
Puces d’entraînement	50 000+ Huawei Ascend 910C	Zéro dépendance à Nvidia, du début à la fin
Volume d’entraînement	30 000+ milliards de tokens	Un volume de données considérable, gage de robustesse

Deux innovations techniques méritent une attention particulière. D’abord, la LongCat Sparse Attention (LSA), un mécanisme d’attention à complexité linéaire développé maison par l’équipe Meituan, qui permet de gérer une fenêtre de contexte d’un million de tokens sans que le coût de calcul n’explose de façon disproportionnée, un défi technique classique pour tout modèle qui cherche à traiter de très longs documents.

Ensuite, un système baptisé « Zero-Compute Experts » (experts à calcul nul), conçu pour que les éléments d’exécution routiniers passent par des sous-réseaux plus légers, éliminant ainsi une bonne partie du gaspillage de calcul qui pénalise habituellement les modèles les plus massifs. C’est cette combinaison d’architecture MoE et d’optimisations maison qui permet à un modèle de 1,6 trillion de paramètres de ne réellement mobiliser qu’environ 48 milliards de paramètres actifs à chaque instant, un rapport d’efficacité qui explique pourquoi son coût d’usage reste raisonnable malgré sa taille impressionnante sur le papier.

Les tests : Où LongCat-2.0 se situe vraiment

Avant même que Meituan ne révèle officiellement l’identité du modèle le 30 juin 2026, LongCat-2.0 circulait déjà sous le nom de code « Owl Alpha » sur OpenRouter, une plateforme qui centralise l’accès à de nombreux modèles d’IA où il grimpait discrètement en tête des classements d’utilisation, sans que la communauté sache exactement quel laboratoire se cachait derrière.

Comparaison	Résultat rapporté
Face à GPT-5.5 (OpenAI) sur SWE-bench Pro	LongCat-2.0 le dépasse
Face à Claude Opus 4.6 (Anthropic) en programmation	LongCat-2.0 le dépasse
Face à Claude Opus 4.8 (Anthropic) en recherche complexe	LongCat-2.0 reste en retrait
Positionnement général	Dans la même conversation que Gemini 3.1 Pro et GPT-5.5

⚠️  Comme toujours avec les tests auto-rapportés par le laboratoire qui a développé le modèle, ces chiffres méritent d’être accueillis avec la prudence habituelle qu’on applique systématiquement sur ce blog, on l’a déjà souligné à propos de Grok 4.5 et de GLM-5.2. Ils proviennent des communications officielles de Meituan et de tests précoces de la communauté, pas encore d’une évaluation indépendante à grande échelle par des organismes tiers reconnus.

Meituan positionne explicitement LongCat-2.0 comme le « cerveau » potentiel d’agents de code et d’outils d’automatisation existants citant nommément Claude Code (qu’on a largement couvert sur ce blog), OpenClaw et Hermes comme des harnais compatibles avec ce modèle. C’est une déclaration d’intention limpide : Meituan ne cherche pas seulement à publier un modèle impressionnant sur le papier, mais à s’insérer directement dans l’écosystème des outils de développement déjà utilisés quotidiennement par des millions de programmeurs.

Comment y accéder et l’utiliser

LongCat-2.0 est passé de l’annonce à la disponibilité concrète en quelques jours seulement.

• 30 juin 2026 : Annonce officielle, avec la mention « poids du modèle bientôt disponibles » sur GitHub et Hugging Face.
• 4 juillet 2026 : Les poids réels du modèle (141 fragments au format INT8, une forme compressée qui réduit l’espace de stockage nécessaire) sont mis en ligne sur Hugging Face, la plateforme de référence pour héberger et partager des modèles d’IA open source.
• Licence : MIT, l’une des licences open source les plus permissives qui existent, autorisant l’usage commercial, la modification et la redistribution avec un minimum de restrictions.
• Tarification API : un mécanisme agressif où les lectures en cache de contexte (context-cache hits) sont traitées entièrement gratuitement, complété par des promotions limitées dans le temps sur des « packs de tokens ».

💡  Pour rappel, une licence MIT permet à n’importe quel développeur vous y compris, si vous en avez les compétences techniques, de télécharger le modèle, de le modifier, et même de l’intégrer dans un produit commercial, sans payer de royalties ni demander d’autorisation. C’est un contraste net avec les modèles fermés comme GPT-5.5 ou Claude, dont le code et les paramètres internes restent la propriété exclusive de leurs créateurs.

Pourquoi ce timing n’est pas un hasard

Cette sortie intervient à un moment particulièrement chargé sur le plan géopolitique, et la coïncidence de calendrier mérite d’être soulignée pour nos lecteurs qui suivent notre couverture récente de l’actualité IA internationale.

LongCat-2.0 arrive précisément au moment où Washington resserre son emprise sur l’accès aux modèles américains les plus avancés qu’on a détaillé en profondeur dans notre article sur le gating gouvernemental des IA. GPT-5.6 d’OpenAI a été limité à une vingtaine de partenaires validés par le gouvernement américain. Fable 5 et Mythos 5 d’Anthropic ont connu une suspension mondiale de plusieurs semaines avant leur restauration progressive début juillet.

🌍  Cette séquence dessine un contraste saisissant : pendant que les États-Unis referment progressivement l’accès à leurs modèles les plus avancés pour des raisons de sécurité nationale légitimes, comme le soulignait l’alerte conjointe des services de renseignement Five Eyes qu’on a également couverte récemment, la Chine, elle, ouvre grand les portes de LongCat-2.0 sous une licence commerciale parmi les plus permissives qui existent, sans la moindre restriction géographique.

Ce contraste rejoint directement une dynamique qu’on avait déjà identifiée dans notre article sur GLM-5.2 : chaque restriction d’accès imposée à un modèle américain crée mécaniquement une fenêtre d’opportunité commerciale pour les alternatives chinoises, qui n’hésitent pas à s’y engouffrer avec une communication soigneusement calibrée sur la liberté d’accès et l’absence de contrôle géopolitique.

Ce que ça change pour Nvidia et l’industrie mondiale

Au-delà du symbole, cette annonce a des implications concrètes pour l’ensemble de l’industrie des semi-conducteurs, un sujet qu’on suit de près sur ce blog depuis notre couverture de la pénurie de mémoire RAM et de la technologie HBM.

Si la revendication de Meituan résiste à un examen indépendant approfondi, elle suggère que l’approche chinoise pour contourner les restrictions américaines à l’export de puces avancées progresse d’un stade « suffisant pour l’inférence » vers un stade « suffisant pour entraîner des modèles frontière de taille trillion ». C’est une nuance technique qui compte énormément : entraîner un modèle depuis zéro est un défi de calcul et de stabilité bien plus exigeant que simplement le faire tourner une fois qu’il existe déjà.

• Plusieurs fabricants chinois de semi-conducteurs (Huawei, Moore Threads, et MetaX) ont immédiatement confirmé que leur matériel supportait LongCat-2.0, une validation croisée qui renforce la crédibilité technique de l’annonce.
• Si cette approche se généralise, elle pourrait accélérer des initiatives de souveraineté IA dans d’autres régions du monde, qui chercheraient à s’inspirer du modèle chinois pour réduire leur propre dépendance aux puces Nvidia.
• Le débat sur l’efficacité réelle des contrôles à l’export américains sur les semi-conducteurs, censés freiner les progrès chinois en IA de pointe, va inévitablement s’intensifier suite à cette annonce.

Les zones d’ombre à connaître

Plusieurs éléments de cette histoire méritent d’être accueillis avec prudence plutôt que comme des faits absolument établis.

• La revendication « zéro Nvidia du début à la fin » repose entièrement sur les déclarations de Meituan elle-même, aucun audit indépendant n’a, à ce jour, formellement confirmé l’intégralité de cette chaîne de production.
• Les tests comparatifs avec GPT-5.5 et Claude Opus proviennent principalement des communications officielles de Meituan, avec seulement des tests préliminaires de la communauté en complément.
• La performance en conditions réelles de production, sur la durée et à grande échelle, reste à démontrer au-delà des tests de lancement.
• Le contexte concurrentiel chinois reste flou sur un point : dans quelle mesure d’autres laboratoires chinois vont-ils rapidement adopter une approche similaire, ou LongCat-2.0 reste-t-il, pour l’instant, une exception plutôt qu’une nouvelle norme de l’industrie.

Un symbole technique qui mérite d’être pris au sérieux, sans emballement

Ce qui me frappe le plus dans cette histoire, ce n’est pas tant le score de LongCat-2.0 sur tel ou tel test, un exercice de comparaison toujours sujet à caution quand les chiffres proviennent en majorité du laboratoire lui-même, mais bien la démonstration technique qu’elle représente. Que Meituan, une entreprise dont l’activité principale reste la livraison de plats à domicile, parvienne à orchestrer l’entraînement stable d’un modèle de 1,6 trillion de paramètres sur une infrastructure entièrement domestique, sans le moindre incident majeur rapporté, est en soi un signal fort sur la maturité croissante de l’écosystème des semi-conducteurs chinois.

Ce qui me semble le plus révélateur pour l’avenir, c’est la logique de calendrier qui se dessine sous nos yeux depuis plusieurs semaines sur ce blog : chaque tour de vis réglementaire américain sur l’accès à ses modèles les plus avancés, que ce soit via le gating gouvernemental de GPT-5.6 ou la suspension de Fable 5 semble s’accompagner, presque mécaniquement, d’une réponse chinoise plus ouverte et plus généreuse en termes d’accès. Ce n’est probablement pas une simple coïncidence de timing, mais une stratégie de positionnement délibérée.

La question la plus intéressante à surveiller dans les mois qui viennent, ce n’est pas de savoir si LongCat-2.0 est techniquement ‘meilleur’ que ses concurrents américains sur tel ou tel critère précis, cette course aux tests évolue de toute façon chaque mois. C’est plutôt de savoir si cette approche d’entraînement entièrement domestique va devenir la norme plutôt que l’exception pour les laboratoires chinois, et ce que ça signifie concrètement pour l’équilibre mondial de la course à l’intelligence artificielle.