DeepSeek R1 : pourquoi le modèle chinois bouscule l’économie de l’IA

L’intelligence artificielle semblait engagée dans une course sans fin : des modèles toujours plus grands, des centres de données toujours plus vastes et des investissements chiffrés en dizaines de milliards de dollars. La publication de DeepSeek R1, le 20 janvier 2025, a fait irruption dans ce récit. Ce modèle chinois ne prouve pas que la puissance de calcul est devenue inutile. Il montre en revanche que l’architecture logicielle, les méthodes d’entraînement et l’usage ciblé des ressources peuvent modifier fortement l’équation économique.

L’intérêt ne tient pas seulement à une nouvelle application de conversation. DeepSeek a mis à disposition les poids de son modèle de raisonnement, c’est-à-dire les paramètres qui lui permettent de générer des réponses. Les développeurs peuvent donc l’étudier, l’adapter et, sous certaines conditions matérielles, l’exécuter hors du service de l’entreprise. Dans un secteur dominé par des systèmes fermés, cette décision a amplifié son retentissement.

DeepSeek R1, un modèle conçu pour raisonner étape par étape

DeepSeek R1 est un grand modèle de langage spécialisé dans le raisonnement. Face à une question de mathématiques, de programmation ou de logique, il est entraîné à consacrer davantage d’étapes à la recherche d’une solution avant de produire une réponse finale. C’est la même famille d’usage que celle visée par OpenAI o1, plus pertinente pour les problèmes complexes qu’un simple assistant chargé de compléter rapidement une phrase.

La société chinoise DeepSeek s’appuie pour R1 sur son modèle de base DeepSeek V3. Elle explique avoir combiné apprentissage par renforcement, une méthode qui récompense les bonnes réponses, et affinage supervisé à partir d’exemples. Son rapport décrit aussi un apprentissage par renforcement appliqué au raisonnement, notamment pour encourager la vérification et la correction des réponses.

Les comparaisons publiées par DeepSeek ont attiré l’attention parce que R1 se situe au niveau d’o1 sur plusieurs épreuves exigeantes. Il faut toutefois les lire avec prudence : ces résultats sont communiqués par l’éditeur lui-même, et les benchmarks ne résument ni la fiabilité dans toutes les situations ni l’expérience concrète d’un utilisateur.

Ce tableau donne une image plus nuancée que l’affirmation selon laquelle R1 « dépasse ChatGPT ». Il devance o1 sur certains indicateurs, mais pas sur tous. Surtout, ChatGPT est un produit qui peut faire appel à plusieurs modèles et outils, tandis que R1 désigne un modèle précis. La véritable avancée médiatique de DeepSeek réside dans l’association de performances élevées, d’une diffusion ouverte des poids et d’une promesse de coûts réduits.

Pourquoi DeepSeek utilise-t-il moins de calcul à chaque réponse ?

L’explication se trouve en grande partie dans l’architecture dite du mélange d’experts, ou MoE. Au lieu de mobiliser l’ensemble du réseau neuronal pour chaque morceau de texte généré, le modèle dispose de nombreux sous-réseaux, les « experts ». Un mécanisme de routage sélectionne seulement les experts les plus utiles pour traiter une partie de la requête.

DeepSeek V3 compte 671 milliards de paramètres au total, mais n’en active qu’environ 37 milliards par jeton généré, selon son rapport technique. Un paramètre est une valeur numérique ajustée pendant l’entraînement, qui participe aux capacités du modèle. Tous les paramètres sont bien stockés, mais tous ne sont pas sollicités à chaque étape de calcul.

Il faut ici corriger une image souvent employée. DeepSeek ne se contente pas d’« allumer les puces nécessaires » au sens littéral. Le principe porte d’abord sur l’activation sélective de parties du modèle. Cette sélectivité peut réduire la quantité de calcul nécessaire à l’inférence, c’est-à-dire au moment où l’IA répond, sans sacrifier automatiquement ses performances.

Elle n’est pas une solution magique. Faire fonctionner un modèle MoE exige tout de même beaucoup de mémoire pour conserver ses paramètres et une infrastructure capable de répartir efficacement le travail entre les processeurs graphiques. La vitesse finale dépend aussi des logiciels, du nombre d’utilisateurs simultanés, de la longueur de la réponse et du matériel disponible.

Le journaliste Robert Booth, du Guardian, a souligné l’importance de cette approche pour l’industrie : la compétition ne se joue plus seulement sur la taille brute des modèles ou le nombre de puces accumulées. L’efficacité de l’entraînement et de l’inférence devient une variable stratégique à part entière.

Les 5,576 millions de dollars ne résument pas le coût de DeepSeek R1

Le chiffre qui a le plus circulé est spectaculaire : 5,576 millions de dollars. Il est toutefois fréquemment présenté de manière trop large. Dans sa documentation, DeepSeek l’associe au coût de calcul pour l’entraînement initial de DeepSeek V3, son modèle de base, effectué avec 2 048 GPU Nvidia H800 pendant 2,788 millions d’heures de calcul GPU.

Ce montant ne correspond donc pas à une facture complète et définitive pour créer DeepSeek R1. Il n’inclut pas nécessairement tous les travaux de recherche antérieurs, la constitution des données, les expérimentations qui n’ont pas abouti, les salaires, les infrastructures, ni les étapes spécifiques de post-entraînement de R1. Il reste néanmoins révélateur : DeepSeek affirme avoir entraîné un modèle très compétitif avec une dépense de calcul bien inférieure aux montants habituellement associés aux projets les plus ambitieux de la Silicon Valley.

Cette distinction est essentielle pour éviter deux contresens. Le premier serait de conclure que les grands modèles ne demandent plus de capitaux : ils restent extrêmement coûteux à créer et à exploiter. Le second serait d’ignorer le signal envoyé au marché : une équipe peut gagner en compétitivité en optimisant le matériel disponible, les algorithmes et l’organisation de l’entraînement, plutôt qu’en misant uniquement sur une puissance de calcul croissante.

Pourquoi les marchés ont-ils réagi aussi brutalement ?

La popularité de l’application DeepSeek a accéléré la prise de conscience. Le 27 janvier 2025, elle a dépassé ChatGPT parmi les applications gratuites les plus téléchargées sur l’App Store américain. Le même jour, l’action de Nvidia a chuté de 17 %, effaçant environ 593 milliards de dollars de capitalisation boursière à la clôture, un mouvement historique pour une entreprise cotée.

Ce recul ne signifie pas que les GPU de Nvidia seraient soudainement devenus inutiles. Il reflète une inquiétude plus précise : si des modèles très performants peuvent être entraînés et servis avec davantage d’efficacité, les investissements colossaux prévus dans les puces et les centres de données seront-ils tous aussi nécessaires ? Les investisseurs ont immédiatement réévalué cette hypothèse.

DeepSeek ne renverse pas à lui seul le modèle économique de l’IA. Les entreprises américaines conservent des moyens considérables, des produits installés, des capacités d’accès au calcul et des écosystèmes de développeurs très puissants. Mais l’épisode oblige les acteurs comme OpenAI, Meta, Amazon ou Nvidia à justifier plus clairement leurs choix technologiques et leurs dépenses d’infrastructure.

La comparaison avec un « moment Sputnik » relève d’une métaphore. Comme le satellite soviétique de 1957 avait surpris les États-Unis et stimulé la compétition spatiale, DeepSeek rappelle que l’innovation de rupture peut surgir en dehors des pôles habituellement considérés comme dominants. La question est autant géopolitique que technique : qui maîtrise les modèles, les puces, les données, les talents et les plateformes de diffusion ?

Des poids accessibles, mais pas une ouverture totale

DeepSeek R1 a relancé le débat sur les modèles qualifiés d’open source. Ses poids sont publiés et son dépôt indique une licence MIT, ce qui facilite la réutilisation par des chercheurs et des entreprises. DeepSeek a aussi publié des versions plus petites, obtenues par distillation, pour rendre certaines capacités de raisonnement plus accessibles à des matériels moins puissants.

Cette ouverture a des avantages très concrets. Une organisation peut tester un modèle, l’adapter à son domaine, l’héberger dans son environnement et réduire sa dépendance à un fournisseur unique. Pour la recherche, disposer des poids permet aussi de mieux évaluer les performances et les limites du système.

Mais « ouvert » ne veut pas dire que tout est connu. La publication des poids n’équivaut pas forcément à la mise à disposition exhaustive des données d’entraînement, de tous les détails expérimentaux ou de l’ensemble des procédés de fabrication. De plus, télécharger un modèle de très grande taille reste hors de portée de la plupart des particuliers et de nombreuses petites structures.

Données personnelles et censure : deux sujets distincts

L’enthousiasme technique ne doit pas faire oublier les questions de sécurité. Utiliser l’application ou le site de DeepSeek n’est pas la même chose qu’exécuter les poids du modèle sur une infrastructure contrôlée par son organisation. Dans le premier cas, les messages, fichiers et métadonnées peuvent transiter par le service de l’éditeur. La politique de confidentialité de DeepSeek indique que les informations collectées sont stockées sur des serveurs situés en République populaire de Chine.

Pour un usage personnel, la règle est simple : ne pas copier dans un chatbot des mots de passe, données bancaires, dossiers médicaux, documents professionnels confidentiels ou informations permettant d’identifier des tiers. Cette précaution vaut pour tous les assistants d’IA en ligne, quelle que soit leur nationalité, mais la localisation de l’hébergement et le cadre juridique applicable doivent être examinés avec attention par les entreprises et les administrations.

L’autre sujet est celui de la censure. Des utilisateurs et des observateurs ont relevé que le service peut éviter ou limiter certaines réponses portant sur des thèmes politiquement sensibles pour les autorités chinoises. Ces restrictions interrogent la capacité d’un assistant généraliste à fournir une information pluraliste et constante sur tous les sujets. Elles rappellent qu’un modèle n’est jamais seulement un objet technique : ses règles de modération, ses données et le droit auquel obéit son opérateur façonnent aussi ses réponses.

Ce qu’il faut surveiller après l’effet de surprise

À la fin de janvier 2025, trois évolutions seront particulièrement révélatrices. La première est la reproductibilité : chercheurs indépendants et entreprises devront vérifier si les performances de R1 se confirment dans des conditions variées, en français comme dans d’autres langues, et sur des tâches concrètes.

La deuxième concerne le coût réel. Les progrès d’efficacité peuvent rendre l’IA plus abordable à l’usage, mais l’entraînement des modèles de pointe, leur hébergement et leur sécurité resteront des dépenses majeures. Il faudra distinguer les économies mesurées à chaque requête des coûts complets de développement.

Enfin, DeepSeek va tester la capacité des acteurs occidentaux à répondre par l’innovation plutôt que par les seules annonces d’investissement. Si la concurrence pousse les laboratoires à publier des modèles plus efficaces, plus transparents et plus faciles à déployer, les utilisateurs pourraient en bénéficier. À condition que cette accélération s’accompagne d’exigences claires sur la protection des données, la fiabilité des réponses et la responsabilité des éditeurs.