DeepSeek, le choc qui oblige l’Europe à repenser sa stratégie de l’IA

L’arrivée de DeepSeek dans le débat mondial sur l’intelligence artificielle a fait voler en éclats une idée confortable : celle d’une compétition cantonnée aux grands laboratoires américains et à quelques challengers européens. En quelques semaines, le modèle chinois s’est imposé comme un symbole de la montée en puissance technologique de Pékin. Pour la spécialiste de géopolitique Asma Mhalla, il représente un « choc majeur pour l’Europe », sommée de mesurer ce que cette percée révèle de ses propres dépendances.

L’enjeu dépasse largement la comparaison entre deux assistants conversationnels. DeepSeek met en scène une compétition qui porte à la fois sur les modèles d’IA, les puces électroniques, l’électricité, les données, les talents et les règles qui encadreront les usages. L’Europe ne part pas de zéro, mais elle doit transformer ses atouts scientifiques et réglementaires en capacités industrielles durables.

DeepSeek, bien plus qu’un nouveau chatbot

DeepSeek est une entreprise chinoise à l’origine de modèles de langage génératifs, c’est-à-dire des systèmes entraînés sur de très grandes quantités de textes et capables de produire, résumer, traduire ou raisonner à partir d’une consigne. Leur essor s’inscrit dans une séquence accélérée : après DeepSeek-V3, présenté fin décembre 2024, l’entreprise a lancé DeepSeek-R1 le 20 janvier 2025, un modèle particulièrement mis en avant pour des tâches de raisonnement.

Le terme « modèle » mérite d’être précisé. Il ne désigne pas seulement une application visible du grand public, mais le moteur statistique qui peut ensuite être utilisé dans une interface de discussion, un outil de programmation, un service de recherche documentaire ou un logiciel d’entreprise. ChatGPT est ainsi un produit reposant sur des modèles d’OpenAI, tandis que DeepSeek désigne à la fois l’acteur et une famille de modèles.

La publication technique consacrée à DeepSeek-V3 avance des chiffres qui ont particulièrement retenu l’attention. L’entreprise indique avoir mobilisé 2 048 puces Nvidia H800 pendant 55 jours pour l’entraînement de son modèle et estime à 5,576 millions de dollars le coût de calcul de cette phase finale. Ce montant n’est pas le coût total de l’entreprise, ni celui de toute sa recherche, mais il nourrit une question essentielle : peut-on créer des modèles compétitifs sans concentrer des budgets toujours plus massifs dans les infrastructures de calcul ?

La publication d’origine souligne aussi une efficacité énergétique présentée comme cinquante fois supérieure. Une telle comparaison appelle toutefois de la prudence. Mesurer l’énergie d’un système d’IA exige de préciser le modèle comparé, le matériel utilisé, la phase examinée, entraînement ou utilisation, ainsi que la méthode de calcul. Il n’existe pas de protocole universel permettant d’établir un classement simple entre tous les grands modèles. Le signal envoyé par DeepSeek reste néanmoins puissant : la performance ne dépend pas seulement du nombre de puces accumulées, mais aussi de l’architecture logicielle et de l’efficacité de l’entraînement.

Pourquoi DeepSeek est devenu un signal géopolitique

Asma Mhalla rapproche les réactions américaines face à DeepSeek d’un « moment Spoutnik ». L’expression renvoie au lancement du premier satellite artificiel soviétique, Spoutnik 1, le 4 octobre 1957. À l’époque, le choc ressenti aux États-Unis n’était pas seulement scientifique. Il avait provoqué une prise de conscience sur le risque de décrochage technologique et sur la nécessité d’investir dans la recherche, l’éducation et l’industrie.

L’analogie ne signifie pas que DeepSeek reproduit l’événement de 1957. Elle traduit le sentiment qu’un acteur jugé moins central dans la course aux modèles de pointe peut déplacer soudainement les repères établis. La surprise vient de la combinaison revendiquée par DeepSeek : des performances élevées, des choix techniques visant l’efficience et une diffusion relativement ouverte de certains modèles. Cela rend l’innovation plus difficile à réduire à une bataille de budgets entre une poignée de groupes.

Cette séquence intervient dans un contexte de rivalité technologique déjà prononcé entre Washington et Pékin. Les États-Unis ont renforcé leurs restrictions à l’exportation de certaines puces avancées vers la Chine. Or les processeurs graphiques, ou GPU, sont devenus des ressources stratégiques pour entraîner les grands modèles de langage. Ils conditionnent non seulement la puissance de calcul disponible, mais également la vitesse à laquelle une équipe peut tester, corriger et améliorer un modèle.

Dans ce paysage, l’IA n’est plus seulement une technologie d’usage. Elle devient une composante de la puissance économique et politique, au même titre que les semi-conducteurs, le cloud, les réseaux de télécommunications ou l’énergie. Une dépendance durable à des fournisseurs extérieurs peut peser sur les choix des entreprises, des administrations et des chercheurs européens.

Le défi européen : passer des principes aux capacités

L’Europe dispose de centres de recherche reconnus, d’ingénieurs, d’entreprises innovantes et d’un marché de plusieurs centaines de millions de personnes. Elle reste toutefois confrontée à une difficulté concrète : développer et déployer l’IA de pointe suppose de réunir des financements patients, des infrastructures de calcul, des jeux de données de qualité, des compétences et des débouchés industriels. Aucun de ces éléments ne suffit isolément.

C’est précisément le sens du « réveil » technologique appelé par Asma Mhalla. Il ne s’agit pas de reproduire mécaniquement le modèle américain ou chinois, ni de considérer qu’un seul modèle européen résoudrait toutes les difficultés. Il s’agit de bâtir une capacité durable à choisir ses technologies, à les évaluer, à les adapter et, lorsque nécessaire, à les produire.

La souveraineté technologique n’implique pas l’autarcie. Une entreprise ou une administration européenne peut utiliser des outils venus de l’étranger tout en conservant des marges de décision. Mais ces marges diminuent lorsque les modèles, les infrastructures de cloud, les composants matériels et les compétences critiques sont détenus hors du continent. La disponibilité de modèles aux poids ouverts peut élargir les options, sans supprimer les besoins de calcul, de cybersécurité ou de gouvernance des données.

En décembre 2024, l’entreprise commune européenne pour le calcul à haute performance, EuroHPC, a sélectionné sept sites pour accueillir les premières AI Factories. Ces infrastructures ont vocation à faciliter l’accès des chercheurs, des jeunes pousses et des entreprises aux ressources de calcul nécessaires pour développer l’IA. C’est un levier important, mais il devra s’inscrire dans la durée et s’accompagner de projets scientifiques et industriels capables de les exploiter.

La régulation européenne est nécessaire, mais elle ne remplace pas l’innovation

Face à DeepSeek, l’Europe possède un instrument singulier : l’AI Act, le règlement européen sur l’intelligence artificielle. Entré en vigueur le 1er août 2024, il organise un cadre fondé sur le niveau de risque des systèmes d’IA. Ses dispositions s’appliqueront progressivement. Depuis le 2 février 2025, les premières règles concernant notamment certaines pratiques interdites et l’obligation de culture de l’IA pour les organisations concernées commencent à s’appliquer.

Ce texte constitue un choix politique : l’innovation ne doit pas s’affranchir des droits fondamentaux, de la sécurité ou de la transparence. Dans le cas des systèmes les plus puissants, la question n’est pas seulement de savoir s’ils sont performants. Il faut aussi pouvoir documenter leurs risques, prévenir les usages dommageables et permettre aux utilisateurs de comprendre dans quelles limites ils opèrent.

Mais la régulation ne produit pas spontanément des puces, des centres de données ou des modèles compétitifs. Elle peut créer un environnement de confiance, clarifier les obligations des entreprises et protéger les citoyens. Elle ne remplace ni les laboratoires de recherche, ni les financements, ni l’accès au calcul. Le risque, pour l’Europe, serait d’opposer deux objectifs qui doivent avancer ensemble : exiger une IA responsable et disposer d’une capacité réelle à l’inventer.

Des opportunités économiques sous conditions

Pour les entreprises, la perspective de modèles plus efficaces est porteuse d’opportunités. Un modèle moins coûteux à entraîner ou à exploiter pourrait accélérer l’automatisation de certaines tâches répétitives, l’assistance à la rédaction, le traitement de documents, le support client ou l’aide au développement informatique. Dans les petites et moyennes entreprises, où les budgets technologiques sont limités, le prix d’utilisation d’un outil peut déterminer la possibilité même de l’adopter.

Il serait pourtant imprudent de réduire la décision à une comparaison de performances. Avant de déployer un modèle génératif, une organisation doit évaluer plusieurs éléments : la nature des informations traitées, les règles de confidentialité, la sécurité de l’outil, les conditions contractuelles, les capacités de contrôle humain et les obligations réglementaires liées à son secteur. Un modèle performant sur une démonstration ne devient pas automatiquement adapté à un service public, à un hôpital, à une banque ou à une entreprise manipulant des données sensibles.

La diffusion de modèles accessibles peut également stimuler l’écosystème européen. Des chercheurs peuvent les étudier, des développeurs peuvent les adapter à une langue, un métier ou un territoire, et des entreprises peuvent bâtir des applications spécialisées. La valeur économique ne se situe donc pas seulement dans le modèle généraliste le plus imposant. Elle se trouve aussi dans les services, les données de qualité, les interfaces et l’expertise métier qui transforment l’IA en outil utile.

Une réponse collective, au-delà des capitales nationales

L’analyse d’Asma Mhalla invite les pays européens à dépasser le constat pour organiser une réponse commune. La fragmentation reste un handicap : des initiatives nationales isolées peuvent faire émerger de bons projets, mais elles peinent à atteindre l’échelle requise lorsque les coûts de calcul et de recherche se comptent en millions de dollars.

Un réseau européen plus étroit entre universités, laboratoires publics, entreprises technologiques, industriels et administrations pourrait répondre à plusieurs besoins simultanément. Il permettrait de mutualiser certaines infrastructures, de faire circuler les compétences, de soutenir les jeunes pousses et de concentrer les moyens sur des projets stratégiques. Cette coopération devrait aussi s’étendre aux usages : l’Europe peut se distinguer dans des domaines où elle possède déjà des savoir-faire, comme l’industrie, l’énergie, la santé, la mobilité ou les services publics.

La coopération internationale reste également indispensable. Les modèles d’IA circulent au-delà des frontières, tout comme les risques qu’ils peuvent poser : désinformation, vulnérabilités de sécurité, atteintes aux données personnelles ou biais discriminatoires. Des standards partagés sur l’évaluation et la sécurité seraient utiles, à condition qu’ils ne deviennent pas un prétexte à figer la concurrence ou à exclure les acteurs plus petits.

Ce qu’il faut surveiller

Le premier test sera celui de la reproductibilité. Les annonces techniques de DeepSeek devront être confrontées à l’expérience de la communauté : performances dans des cas d’usage variés, coût réel de déploiement, efficacité énergétique mesurée selon des méthodes comparables et facilité d’adaptation par des tiers. La publication de poids de modèles élargit la possibilité de ces vérifications, sans les rendre automatiques.

Le deuxième enjeu concerne l’accès au calcul. Les AI Factories européennes et les supercalculateurs peuvent aider, mais leur impact dépendra de règles d’accès simples, d’un accompagnement des entreprises et d’investissements réguliers. La disponibilité de matériel informatique demeure un facteur central de l’indépendance technologique.

Enfin, DeepSeek oblige l’Europe à clarifier sa propre ambition. La question n’est pas seulement de savoir si elle peut suivre la cadence américaine ou chinoise. Elle est de déterminer sur quels modèles, quelles infrastructures et quels usages elle souhaite conserver une capacité de décision. C’est à cette condition que la régulation européenne pourra devenir un avantage de confiance, plutôt qu’un signe de dépendance acceptée.