Tencent accélère dans l’IA : une stratégie qui prend forme, au prix d’un pari de 52,8 milliards de RMB

Le deuxième trimestre 2026 a fourni à Tencent un premier test grandeur nature de sa stratégie dans l’intelligence artificielle. Le groupe chinois cherche à relier trois éléments : ses modèles propriétaires, une gamme d’applications capables de toucher des millions d’utilisateurs et les infrastructures de calcul nécessaires pour faire fonctionner l’ensemble.

Les premiers résultats sont encourageants sur le plan opérationnel. Le chiffre d’affaires a atteint 204,8 milliards de RMB, en hausse de 11 % sur un an. Les revenus de la division FinTech et services aux entreprises ont progressé de 9 %, à 60,3 milliards de RMB. 236

Mais cette accélération a un coût immédiat : les dépenses d’investissement ont bondi et la génération de trésorerie a été mise sous pression. La lecture la plus juste est donc celle d’une stratégie qui commence à fonctionner, sans constituer encore la preuve d’une rentabilité durable de l’IA.

Des résultats solides, pendant que les dépenses d’IA s’envolent

Les activités historiques de Tencent continuent de fournir au groupe les moyens de financer ce nouveau cycle d’investissement. Le bénéfice brut a augmenté de 13 %, à 118,4 milliards de RMB, tandis que le résultat d’exploitation a progressé de 9 %, à 75,6 milliards de RMB. 23

Selon Reuters, la croissance trimestrielle a principalement été portée par la publicité et par des revenus de jeux toujours solides. L’IA agit donc d’abord comme un amplificateur des métiers existants — ciblage publicitaire, contenu, engagement ou productivité — plutôt que comme une source de revenus autonome déjà arrivée à maturité. 1

Le changement le plus spectaculaire concerne les dépenses d’investissement. Elles ont atteint 52,8 milliards de RMB, soit 176 % de plus qu’un an auparavant. Les dépenses d’investissement opérationnelles se sont élevées à 51,8 milliards de RMB, en hausse de 190 %. Tencent explique que ces sommes financent notamment les infrastructures nécessaires à l’entraînement et à l’inférence des modèles, ainsi que le déploiement de capacités d’IA dans ses produits et services. 23

Investing.com rapporte par ailleurs un flux de trésorerie disponible négatif de 13,8 milliards de RMB sur le trimestre. Une autre analyse estime qu’il aurait atteint 37,6 milliards de RMB hors paiements anticipés liés à l’achat de capacités de calcul ; il s’agit toutefois d’une présentation ajustée, et non du chiffre publié. 58

Cette nuance est importante : le recul de la trésorerie reflète surtout une concentration des dépenses sur des capacités destinées aux prochaines années, plutôt qu’une dégradation mécanique des activités historiques de Tencent.

1. La couche « intelligence » : Hunyuan Hy3 passe de la recherche à la production

La première brique de la stratégie repose sur la famille de modèles Hunyuan. La version de production de Hunyuan Hy3 a été intégrée à Yuanbao, WorkBuddy, certains jeux et Weixin. Le modèle n’est donc plus seulement présenté comme une démonstration technologique : il est confronté à des usages réels, qui peuvent à leur tour alimenter son amélioration. 1114

Tencent met en avant le rapport coût-performance de Hy3 pour des tâches concrètes comme le développement logiciel, la bureautique, la modélisation financière ou la conception d’interfaces. Dans sa présentation des résultats, le groupe indique que l’utilisation quotidienne moyenne de jetons a atteint environ sept fois le niveau de la version preview de Hy3 sur l’ensemble des canaux pendant la période payante. Le modèle figurait également dans le top 3 d’OpenRouter selon la consommation de jetons. 14

Ces indicateurs témoignent d’une adoption et d’une efficacité d’usage, mais ils ne garantissent pas à eux seuls une rentabilité durable.

Tencent a également ouvert Hy3 à l’international via son API et la version internationale de WorkBuddy. Un modèle Hunyuan Hy4, plus important, est en développement pour une sortie plus tard en 2026. 411 Le groupe se donne ainsi un chemin allant du déploiement interne à l’accès externe, tout en conservant un lien direct entre ses modèles et les applications qui génèrent leur utilisation.

2. La couche « applications » : diffuser l’IA à travers tout un écosystème

La stratégie de Tencent ne repose pas sur un seul chatbot. La direction présente Yuanbao et Xiaowei comme des portes d’entrée vers l’adoption de l’IA par le grand public. WorkBuddy et CodeBuddy sont, eux, décrits comme des références du marché chinois de la productivité assistée par IA. 1718

Le portefeuille comprend aussi Marvis et QClaw. L’objectif est de déployer des agents dans plusieurs environnements : usages grand public, travail de bureau, programmation et interactions orientées vers les appareils. Cette approche réduit la dépendance à une application unique et permet à Tencent de tester plusieurs modèles d’usage et de monétisation. 26

Cette stratégie de distribution s’appuie sur les points forts historiques du groupe. La publicité, les jeux, Weixin — l’écosystème chinois de messagerie et de services — et les services aux entreprises offrent déjà des environnements à grande échelle dans lesquels l’IA peut améliorer le ciblage, la création de contenu, la productivité ou l’engagement des utilisateurs. 13

Le pari de Tencent n’est donc pas simplement de vendre l’accès à un modèle. Il consiste à faire augmenter la valeur de métiers qui disposent déjà d’une large distribution grâce à une intelligence logicielle plus performante.

Pourquoi WorkBuddy est au centre du dispositif

WorkBuddy occupe une place particulière dans cette architecture. Tencent le présente comme un environnement de productivité natif de l’IA et compatible avec plusieurs plateformes, plutôt que comme une suite traditionnelle de logiciels d’entreprise. Le produit doit coordonner plusieurs agents et modèles afin de prendre en charge des tâches complexes de bout en bout. 11

Son avantage revendiqué repose sur son « harness », c’est-à-dire la couche logicielle qui sélectionne et orchestre les modèles selon la tâche à accomplir. Tencent met également en avant une bibliothèque de compétences et le choix entre plusieurs modèles. WorkBuddy se rapproche ainsi davantage d’un espace de travail extensible que d’une interface reposant sur un seul modèle. 1112

Ce positionnement déplace les critères de réussite. La valeur à long terme de WorkBuddy dépendra de la fréquence de retour des utilisateurs, de leur volonté de payer des abonnements ou des jetons, de la qualité des tâches réalisées et de l’élargissement progressif des missions qu’ils lui délèguent. Elle dépendra aussi de la capacité de son écosystème de compétences à s’enrichir.

Tencent fait état d’une croissance rapide du nombre d’utilisateurs, d’une rétention solide et d’une propension à payer encourageante. Ces éléments ne permettent toutefois pas encore d’évaluer précisément le chiffre d’affaires futur du produit. 1521

3. La couche « infrastructures » : le calcul comme avantage stratégique

La troisième couche doit soutenir les deux premières. Tencent indique avoir fortement augmenté ses achats de puissance de calcul pour améliorer les modèles Hunyuan, répondre aux besoins d’inférence de WorkBuddy et CodeBuddy, développer les initiatives d’IA de Weixin et intégrer de nouvelles fonctions d’IA dans ses produits. 23

Le choix stratégique est clair : le groupe souhaite d’abord utiliser cette capacité pour entraîner ses propres modèles et alimenter ses applications, plutôt que de devenir immédiatement un fournisseur généraliste de location de calcul. La direction estime que des modèles et des applications différenciés peuvent créer davantage de valeur à long terme qu’une simple mise à disposition d’une capacité devenue une commodité. 47

Cette priorité explique l’ampleur de la hausse des dépenses d’investissement. Les infrastructures ne sont pas considérées uniquement comme des équipements à amortir ; elles constituent la base opérationnelle nécessaire pour transformer l’utilisation des modèles et des applications en revenus futurs. Tencent a explicitement relié l’augmentation de ses capacités de calcul à cette future conversion. 2

Une possible revente avec plus de 30 % de marge, mais pas le scénario central

La direction a indiqué qu’une partie des capacités de calcul commandées précédemment pourrait, si nécessaire, être revendue à un prix supérieur de plus de 30 % au coût d’achat de Tencent. 2830

Dans un marché où la demande est forte, cette possibilité offre une protection contre le risque de surinvestissement et donne au groupe une certaine flexibilité si le calendrier de déploiement interne évolue.

Il ne faut toutefois pas confondre cette option avec le modèle économique principal de Tencent dans l’IA. La priorité annoncée reste l’utilisation de la capacité pour ses propres modèles et applications. Une revente ou une mise en location peut limiter le risque lié à une commande excessive ; elle ne prouve pas que les produits d’IA ont déjà remboursé l’investissement consenti.

Ce que le deuxième trimestre démontre — et ce qu’il ne démontre pas encore

Les résultats de Tencent permettent de tirer trois conclusions principales :

1. La couche des modèles devient opérationnelle. Hy3 est utilisé dans des produits en production, accessible à des clients externes et amélioré au contact de scénarios réels. 61114
2. La couche applicative dispose de plusieurs canaux de distribution. WorkBuddy, CodeBuddy, Yuanbao, Xiaowei, Marvis et QClaw offrent à Tencent différentes voies d’accès aux usages grand public et professionnels. 2617
3. L’effort d’infrastructure est délibéré et exceptionnellement important. Les dépenses d’investissement ont fortement progressé pour soutenir l’entraînement, l’inférence et le déploiement de l’IA, alors même que la rentabilité sous-jacente du groupe est restée robuste. 23

La grande inconnue reste la monétisation. Tencent a fourni des signaux d’usage, de rétention et de positionnement produit, mais n’a pas donné de calendrier précis indiquant quand les revenus de l’IA pourraient rattraper l’échelle de l’investissement dans les infrastructures. 27

Le groupe mise en pratique sur une boucle de plusieurs années : davantage de calcul améliore les modèles, de meilleurs modèles renforcent les applications, les applications génèrent des usages, puis ces usages finissent par se transformer en revenus.

Au deuxième trimestre, cette boucle a commencé à fonctionner. Il est encore trop tôt pour savoir quelle rentabilité elle produira une fois arrivée à maturité.