Le 30 juillet, une équipe de recherche publiait sur arXiv le cadre AgenticCANN, un système d’évolution agentique augmenté par la connaissance pour la génération automatisée d’opérateurs Ascend C, le langage de programmation des NPU de Huawei. Le document, identifié sous la référence arXiv:2607.26661, présentait des conséquences stratégiques potentiellement profondes. C’est la première fois que cette tâche est abordée, et son implication est directe : si les grands modèles de langage peuvent programmer le matériel chinois de manière autonome, la dépendance de la Chine vis-à-vis des logiciels de NVIDIA — le véritable fossé de CUDA — pourrait toucher à sa fin. Ce n’est pas une guerre des puces ; c’est une guerre pour le talent de programmation, et l’automatisation vient de changer les règles.

Le problème que personne n’avait résolu : programmer Ascend C

L’optimisation des opérateurs Ascend C est critique pour les performances d’inférence sur les NPU de Huawei, mais elle exige une connaissance approfondie du matériel sous-jacent. L’écosystème entourant ce langage est jeune : il compte moins de documentation, moins d’exemples et une base d’ingénieurs bien inférieure à celle de CUDA, dont le modèle de programmation cumule deux décennies de bibliothèques, d’outils et d’une communauté mondiale de développeurs. Cette asymétrie a été le talon d’Achille de la stratégie de souveraineté technologique chinoise : fabriquer des puces avancées est une chose ; les programmer avec efficacité en est une autre.

Les grands modèles de langage avaient déjà démontré leur potentiel dans la génération automatisée de kernels CUDA. Mais Ascend C pose des défis uniques qui, selon le résumé même du travail, restaient inexplorés. AgenticCANN n’est pas une adaptation mineure de techniques existantes : c’est le premier système qui aborde la génération automatisée d’opérateurs pour ce langage.

AgenticCANN : évolution agentique pour un écosystème jeune

L’approche combine deux éléments. Le premier est l’évolution agentique : des agents autonomes qui itèrent et améliorent les solutions de manière incrémentale. Le second est l’augmentation par la connaissance : le système apprend de la structure spécifique du matériel et des modèles d’optimisation déjà validés. Ainsi, la connaissance approfondie des NPU de Huawei, qui exigeait traditionnellement des années d’expérience, peut être extraite, codifiée et appliquée automatiquement.

De la pénurie d’ingénieurs à l’abondance d’agents

Le contexte géopolitique est essentiel pour mesurer la portée de cette avancée. Les États-Unis ont restreint l’exportation de puces avancées vers la Chine et ont également limité l’accès aux outils de conception et, de facto, à la formation d’une communauté de développeurs autour d’écosystèmes alternatifs. NVIDIA a construit sa domination non seulement sur le matériel, mais sur CUDA : un monopole logiciel qui transforme toute alternative en un pari risqué pour les ingénieurs. Si un programmeur chinois doit choisir entre CUDA, avec sa vaste documentation et ses bibliothèques, et Ascend C, avec un écosystème naissant, la décision rationnelle à court terme est souvent CUDA.

AgenticCANN attaque directement cette barrière. Si les grands modèles de langage peuvent générer des opérateurs Ascend C optimisés de manière autonome, le besoin d’une grande communauté de développeurs spécialisés se réduit drastiquement. Il ne s’agit pas d’éliminer les ingénieurs, mais de multiplier leur productivité : un système agentique peut itérer sur de multiples variantes, évaluer leurs performances et sélectionner les meilleures en une fraction du temps qu’une équipe humaine nécessiterait.

La pièce manquante sur l’échiquier de la souveraineté numérique

Pendant des années, le débat sur la souveraineté technologique chinoise s’est concentré sur la fabrication des puces. Mais fabriquer une puce n’est que la première étape : sans un écosystème logiciel mature, le matériel est une promesse non tenue. La dépendance à CUDA a été une dépendance silencieuse mais décisive ; même avec des puces propres, l’absence d’outils de programmation consolidés a limité leur adoption dans les applications d’intelligence artificielle.

Le moment n’est pas non plus anodin. ByteDance projette des revenus annualisés en intelligence artificielle, selon SCMP, ce qui la place en tête de la Chine dans la monétisation de cette technologie. Kimi K3, le modèle de Moonshot AI, est déjà disponible pour les entreprises via Fireworks AI dans Microsoft Foundry, offrant aux clients d’Azure un parcours géré pour l’exécuter via des API compatibles OpenAI. Et l’Union européenne a lancé un appel pour établir jusqu’à sept gigafactories d’intelligence artificielle, avec financement public. Dans ce scénario, la capacité de programmer son propre matériel de manière automatisée n’est pas un avantage marginal : c’est la condition pour que l’intelligence artificielle chinoise ne dépende pas de l’infrastructure de ses adversaires.

L’automatisation comme nouvelle frontière de la compétition

AgenticCANN suggère que la Chine est en mesure de réaliser ce qui semblait impossible : contourner la barrière logicielle. Si la génération automatique de kernels fonctionne pour Ascend C, l’écosystème de calcul chinois pourrait faire face à CUDA non pas en rivalisant sur les mêmes termes, mais en changeant le terrain de jeu. Il ne faudra pas une communauté de développeurs de la taille de celle de NVIDIA ; il faudra de meilleurs agents d’intelligence artificielle capables de programmer le matériel propre.

Restent des questions ouvertes. Le document est récent — publié il y a à peine quelques heures — et n’a pas encore passé l’examen de la communauté scientifique. Aucun benchmark indépendant ne compare les performances des opérateurs générés par AgenticCANN aux optimisations manuelles. Mais la direction est sans équivoque : l’automatisation de la programmation matérielle est la prochaine frontière de la compétition technologique mondiale. Pendant que l’Occident débat de la régulation des modèles d’intelligence artificielle, la Chine utilise ces mêmes modèles pour éliminer sa plus grande faiblesse structurelle. La question n’est plus de savoir qui fabrique les meilleures puces, mais qui peut les programmer sans dépendre d’armées d’ingénieurs. Si ce travail se confirme, la réponse pourrait changer l’équilibre du pouvoir technologique.