Il devait s’agir d’une semaine calme, mi-juillet, pendant que l’Occident pense à ses vacances. Moonshot AI, une startup chinoise fondée en 2023, en a décidé autrement : le 16 juillet 2026, elle a mis en ligne Kimi K3, un modèle de langage de 2 800 milliards de paramètres qu’elle présente comme un rival frontal de Claude et GPT-5.6. En quelques heures, les valeurs technologiques et les semi-conducteurs américains, taïwanais et japonais ont plongé. Une vidéo qui circule sur les réseaux résume l’ambiance : ce modèle « met en PLS tous les géants du digital américain ». Le Recul a vérifié ce qui, dans cette annonce, tient réellement la route — et ce qui relève encore de l’argument commercial.

Ce que Moonshot AI vient de sortir

Kimi K3 est un modèle de type mixture-of-experts (MoE) : sur 896 « experts » internes, seuls 16 sont activés à chaque calcul, une architecture qui vise à combiner la puissance d’un immense modèle avec le coût de calcul d’un modèle bien plus petit. Moonshot revendique aussi une attention linéaire hybride maison baptisée Kimi Delta Attention (KDA), une fenêtre de contexte d’1 million de tokens, et une prise en charge native de la vision. L’annonce coïncide, comme le raconte la vidéo source, avec l’ouverture de la World AI Conference (WAIC) 2026 à Shanghai le 17 juillet. Le calendrier n’a rien d’un hasard : la veille, Pékin avait aussi annoncé la création de la WAICO, une organisation intergouvernementale de gouvernance mondiale de l’IA rassemblant 29 pays fondateurs — une double démonstration, technique et diplomatique, de ce que la Chine veut désormais peser sur la scène de l’intelligence artificielle, et pas seulement la suivre.

L’API de Kimi K3 est disponible depuis le 16 juillet 2026 (api.moonshot.ai, modèle kimi-k3), ainsi que sur l’application Kimi. En revanche — et c’est un point que la vidéo évoque vite — les poids du modèle, ceux qui permettraient de le télécharger et de l’installer sur sa propre infrastructure, ne sont pas encore publiés : Moonshot promet leur mise à disposition pour le 27 juillet 2026, sous une licence « MIT modifiée ». Jusqu’à cette date, Kimi K3 n’est ni open source ni auto-hébergeable, quoi qu’en laisse déjà penser une partie de la presse.

Les benchmarks : ce qui est vérifié, ce qui est gonflé

La vidéo source affirme que Kimi K3 « surpasse Claude Opus 4.8 sur tous les benchmarks » et se classe dans le « top 3 sur absolument tous les benchmarks ». La réalité, telle que mesurée par des évaluateurs tiers, est plus nuancée. Sur l’Intelligence Index d’Artificial Analysis, une référence indépendante agrégeant plusieurs dizaines de tests, Kimi K3 obtient un score de 57,1, qui le classe 4ᵉ sur 189 modèles évalués — derrière GPT-5.6 Sol et Claude Fable 5. Sur un benchmark de programmation spécifique, le FrontierSWE, K3 obtient 81,2, contre 86,6 pour Fable 5 : sur ce test précis, il ne le « surpasse » donc pas, il le suit.

Là où la promesse se vérifie, c’est sur un classement bien identifié : LMArena, un site de comparaison à l’aveugle par des utilisateurs réels (celui que la vidéo appelle « arena.ai »). Kimi K3 y occupe la 1ʳᵉ place de la catégorie « Code – WebDev », avec un bond de 17 places par rapport à la génération précédente (Kimi K2.6, alors 18ᵉ). Sur son propre jeu de 35 évaluations internes — donc non vérifiées par un tiers —, Moonshot revendique environ sept victoires nettes, dont un score de 42,0 sur le test « SWE Marathon » contre 40,0 pour Opus 4.8.

Un chiffre mérite d’être mis en avant, car il tempère directement le narratif de la percée : la précision de Kimi K3 progresse par rapport à la génération précédente, passant de 33 % à 46 % de bonnes réponses sur un jeu de tests — mais son taux d’hallucination progresse presque autant, de 39 % à 51 %. Le modèle a raison plus souvent, mais il invente aussi plus souvent — un compromis rarement mis en avant dans les annonces officielles.

Le prix : moins cher au token, pas forcément moins cher à la tâche

Sur le papier, Kimi K3 est agressif : 3 $ par million de tokens en entrée, 15 $ en sortie (0,30 $ pour les tokens mis en cache) — à comparer aux 5 $ / 30 $ de GPT-5.6 Sol. C’est aussi, souligne le développeur indépendant Simon Willison, environ le triple du tarif de son propre prédécesseur K2.6 (0,95 $ / 4 $), et le tarif le plus élevé jamais pratiqué par un laboratoire chinois pour un modèle ouvert. Ce prix par token correspond, presque au dollar près, à celui de Claude Sonnet 5 : Kimi K3 n’est donc pas bon marché dans l’absolu, seulement moins cher que les modèles les plus chers du marché.

L’argument selon lequel K3 serait « moins cher à la tâche » grâce à une meilleure efficacité en tokens ne résiste pas totalement à l’examen. Sur l’évaluation Intelligence Index, Artificial Analysis a mesuré une consommation d’environ 130 millions de tokens de sortie, soit plus du double de la médiane (63 millions) des modèles de raisonnement comparables. Simon Willison, de son côté, a mesuré qu’une requête simple pouvait consommer 13 241 tokens de raisonnement pour seulement 3 417 tokens de réponse utile — un ratio qui fait grimper la facture d’un prompt anodin à environ 25 centimes de dollar, en partie parce qu’un seul niveau d’effort de raisonnement est disponible pour l’instant, contrairement à la plupart des modèles concurrents récents. Le tokenizer lui-même semble peu optimisé : la même invite courte est comptée 95 tokens par Kimi K3, contre 10 à 30 tokens chez des modèles concurrents pour un texte équivalent — signe d’un prompt système caché d’environ 85 tokens. Autre détail à noter pour un usage en Chine : Moonshot pratique une tarification distincte sur son marché domestique (environ 2 ¥ en entrée cache, 20 ¥ en entrée standard, 100 ¥ en sortie, par million de tokens), une différence de prix entre marché intérieur et clientèle internationale courante chez les laboratoires chinois, mais rarement mise en avant dans les comparatifs.

Panique boursière, puis relativisation

La comparaison avec DeepSeek (janvier 2025) s’est imposée immédiatement sur les marchés : à l’annonce de Kimi K3, les valeurs technologiques et les semi-conducteurs ont chuté dans le monde entier, vendredi 17 juillet — la Bourse de Taïwan a perdu plus de 6 %, celle de Tokyo près de 4 %, le Nasdaq 1,5 % (sa pire séance de la semaine), et l’ETF sectoriel VanEck Semiconductor (SMH) est passé sous sa moyenne mobile de soutien pour la première fois depuis avril, à plus de 20 % sous son record de fin juin. Nvidia et Micron ont été particulièrement touchés ; des figures comme David Sacks (conseiller de l’administration Trump sur l’IA) et l’investisseur Bill Ackman ont publiquement tiré la sonnette d’alarme.

Deux nuances s’imposent. D’abord, l’essentiel des pertes s’est résorbé dans la même journée : la majorité des indices ont regagné une bonne part du terrain perdu dès le milieu de séance. Ensuite, et surtout, l’analogie avec DeepSeek a une limite structurelle : le choc DeepSeek de janvier 2025 (environ 590 milliards de dollars de capitalisation Nvidia effacés en une séance) reposait sur l’idée qu’un modèle frontière pouvait être entraîné à très faible coût. Kimi K3, lui, est un modèle premium, au prix aligné sur les systèmes américains haut de gamme — ce qui affaiblit justement l’argument selon lequel la demande de calcul, et donc de puces, serait en train de s’effondrer. Le Recul avait déjà suivi ce scénario lors de la baisse de prix de DeepSeek V4-Pro : cette fois, le ressort n’est pas le même.

Le traitement de l’information diverge aussi selon d’où l’on regarde. La presse occidentale a très largement retenu le récit de la panique boursière et du rattrapage technologique. Les médias d’État chinois, eux (CGTN notamment), ont mis en avant l’attention mondiale suscitée par « l’IA open source chinoise » — un cadrage de fierté technologique et souveraine, sans mention des mêmes inquiétudes de marché. Les deux lectures s’appuient sur les mêmes chiffres, mais n’en retiennent pas la même partie.

Qui est Moonshot AI

Kimi K3 est signé Moonshot AI, une entreprise pékinoise fondée en mars 2023 par Yang Zhilin et deux camarades de promotion de l’université Tsinghua. Yang Zhilin, diplômé de Tsinghua puis docteur de Carnegie Mellon (2019), est un ancien de Google Brain et Meta AI, coauteur des architectures Transformer-XL et XLNet — des références bien connues en recherche sur le traitement du langage, ce qui distingue son parcours de nombreux fondateurs de startups IA moins établis académiquement.

La trajectoire financière de l’entreprise est vertigineuse : valorisée environ 4,3 milliards de dollars fin 2025, elle atteint 10 milliards début 2026 après une levée de 700 millions, puis 20 milliards de dollars en mai 2026 à l’issue d’un tour de table de 2 milliards mené par Meituan, avec Alibaba, Tencent, China Mobile et HongShan China parmi les investisseurs — soit environ 3,9 milliards de dollars levés en six mois. Son chiffre d’affaires annualisé (ARR) serait passé de plus de 100 millions de dollars en mars 2026 à plus de 200 millions dès avril, une progression à prendre avec prudence tant ce type de chiffre mesure, dans ce secteur, un rythme de facturation instantané plutôt qu’un profit réel. L’entreprise se restructurerait par ailleurs en vue d’une possible introduction en Bourse à Hong Kong.

« Open weight » dans dix jours : ce que ça veut dire vraiment

La vidéo source a raison sur un point précis : les poids ne sont pas encore publics, et l’attente annoncée (dix jours environ) correspond bien au calendrier communiqué par Moonshot, qui vise le 27 juillet 2026. Mais « open weight » ne veut pas dire « accessible à tout le monde ». Faire tourner un modèle de 2 800 milliards de paramètres chez soi suppose, selon les estimations rapportées, entre 500 Go et 1 To de mémoire et au moins huit GPU Nvidia H100 ou H200 — une facture matérielle de l’ordre de 50 000 à 150 000 dollars. Pour un particulier ou une petite structure, la seule option réaliste reste donc l’API hébergée par Moonshot, ou par un revendeur.

Ce point rejoint un enjeu déjà documenté par Le Recul autour de DeepSeek : utiliser la version hébergée d’un modèle chinois signifie transiter par des serveurs soumis à la loi chinoise sur le renseignement national (2017), qui peut contraindre toute organisation opérant en Chine à coopérer avec les services de l’État, indépendamment des engagements affichés dans une politique de confidentialité. Pour des données personnelles, professionnelles ou sensibles, la prudence recommandée reste la même qu’avec les précédents modèles chinois : réserver l’usage hébergé à des tâches sans enjeu, et attendre une éventuelle version auto-hébergeable en Europe — elle-même soumise, alors, au RGPD et à l’AI Act comme n’importe quelle autre infrastructure. Notre classement des modèles en open source et notre classement des IA de code seront mis à jour dès que les poids et des évaluations indépendantes seront disponibles.

Ce qu’il faut retenir

Le 16 juillet 2026, Moonshot AI a mis en ligne Kimi K3, un modèle de 2 800 milliards de paramètres (16 experts actifs sur 896), avec un contexte d’1 million de tokens.

Sur l’Intelligence Index indépendant d’Artificial Analysis, K3 se classe 4ᵉ sur 189 modèles, derrière GPT-5.6 Sol et Claude Fable 5 — pas « premier sur tous les benchmarks » comme le dit l’annonce, même s’il occupe la 1ʳᵉ place d’un classement précis (LMArena, catégorie code web).

Sa précision progresse par rapport à la génération précédente, mais son taux d’hallucination aussi (39 % → 51 %).

Les poids ouverts, promis pour le 27 juillet 2026, ne changeront rien pour la plupart des utilisateurs : auto-héberger un tel modèle coûte de 50 000 à 150 000 dollars de matériel.

L’annonce a fait chuter les valeurs technologiques mondiales avant un rebond partiel dans la journée — un scénario « DeepSeek 2.0 » que le prix, lui, ne confirme pas vraiment : K3 est un modèle premium, pas un modèle bradé.

Le chiffre à retenir

51 %.

C’est le taux d’hallucination mesuré sur Kimi K3 selon les évaluations reprises par plusieurs analystes techniques indépendants — en hausse par rapport aux 39 % de son prédécesseur K2.6, presque au même rythme que ses gains de précision (33 % → 46 %). Un rappel utile : un modèle qui a davantage raison peut aussi, dans le même mouvement, se tromper davantage.