DeepSeek : ce que son essor révèle vraiment sur la course mondiale à l’IA

L’irruption de DeepSeek dans l’actualité mondiale de l’intelligence artificielle ne tient pas seulement à un assistant conversationnel de plus. En quelques semaines, cette jeune entreprise chinoise a réuni trois ingrédients explosifs : des modèles affichant de solides résultats sur des tests de référence, des coûts de calcul annoncés comme très inférieurs à ceux habituellement évoqués dans la Silicon Valley, et la mise à disposition de plusieurs modèles dont les poids peuvent être téléchargés. Le tout survient dans une course technologique et géopolitique déjà très tendue entre les États-Unis et la Chine.

Fondée en 2023 et établie à Hangzhou, DeepSeek est liée au fonds quantitatif chinois High-Flyer, cofondé par Liang Wenfeng. Sa trajectoire ne permet pas encore de conclure qu’elle a changé à elle seule l’équilibre de l’IA mondiale. En revanche, elle oblige à distinguer les faits techniques, les promesses commerciales et les interprétations parfois hâtives qui entourent son ascension.

Les repères pour comprendre l’épisode DeepSeek

DeepSeek avait déjà publié des modèles de langage avant l’hiver 2024. Mais deux sorties ont véritablement propulsé son nom au premier plan : DeepSeek-V3, dévoilé fin décembre 2024, puis DeepSeek-R1, présenté le 20 janvier 2025. Le premier est un grand modèle généraliste capable notamment de rédiger, coder, traduire et répondre à des questions. Le second est orienté vers le raisonnement, c’est-à-dire les tâches de mathématiques, de logique et de programmation qui exigent plusieurs étapes de résolution.

Le mot « paramètre » désigne les valeurs numériques ajustées pendant l’entraînement d’un modèle. Il donne une idée de son échelle, mais ne résume ni sa qualité ni son efficacité. DeepSeek-V3 repose sur une architecture dite mixture of experts, ou experts multiples. Au lieu de solliciter toute la taille du réseau à chaque token, le système oriente chaque fragment de texte vers une partie seulement de ses experts. Cette méthode peut réduire le calcul nécessaire tout en conservant un modèle de grande taille.

Cinq idées reçues à examiner une par une

1. DeepSeek n’est pas une copie démontrée d’OpenAI

Réduire DeepSeek à une simple copie d’OpenAI ne décrit pas correctement ce que l’entreprise a publié. Ses rapports techniques détaillent des choix d’architecture, des procédés d’entraînement et des optimisations qui lui sont propres. DeepSeek-V3 combine notamment une architecture à experts multiples et un mécanisme d’attention conçu pour réduire les besoins en mémoire lors du traitement de longs textes.

Cela ne signifie pas que DeepSeek évolue hors de l’écosystème mondial de la recherche. Les grandes familles de modèles de langage s’appuient sur des idées largement partagées, comme les transformeurs, l’apprentissage par renforcement ou la distillation. La distillation consiste à utiliser les réponses d’un modèle plus puissant pour aider à entraîner un autre modèle. C’est une technique connue dans le domaine, mais son usage peut contrevenir aux conditions d’utilisation d’un service selon la manière dont les données sont obtenues.

Fin janvier 2025, OpenAI a indiqué disposer d’éléments laissant penser que des entreprises chinoises, dont DeepSeek, pouvaient tenter d’employer la distillation à partir de ses modèles. Cette allégation n’équivaut pas à une preuve publique qu’un modèle DeepSeek serait une copie intégrale de ChatGPT ou de GPT-4. Au 2 février 2025, aucune conclusion publique ne permet d’établir une telle affirmation.

2. Ses modèles ne sont pas faibles, mais aucun benchmark ne tranche tout

Les résultats publiés pour V3 et R1 expliquent l’attention reçue. Sur des évaluations de mathématiques, de code et de connaissances générales, DeepSeek-V3 se situe à un niveau comparable à plusieurs modèles de premier plan. DeepSeek-R1 affiche, de son côté, 79,8 % sur AIME 2024 et 97,3 % sur MATH-500 dans les résultats communiqués par l’entreprise. Ces tests mesurent des compétences précises, notamment la résolution de problèmes mathématiques.

Ce sont des signaux techniques importants, pas un verdict définitif. Un modèle peut exceller sur un test dont les réponses sont vérifiables, puis se montrer moins convaincant dans une conversation longue, une recherche documentaire, une langue moins représentée ou une demande professionnelle ambiguë. Les benchmarks peuvent aussi être influencés par le format des questions, la méthode de sollicitation du modèle et le risque qu’une partie des données de test soit proche des données d’entraînement.

Comparer DeepSeek à OpenAI, Google ou Anthropic exige donc de regarder plusieurs critères : exactitude factuelle, raisonnement, programmation, vitesse, coût d’utilisation, protection contre les usages dangereux, respect des consignes et qualité dans les langues concernées. La réponse n’est pas forcément la même pour tous les usages.

3. L’innovation de DeepSeek est surtout une affaire d’intégration et d’efficacité

Dire que DeepSeek « n’invente rien » serait tout aussi réducteur que d’affirmer qu’elle aurait révolutionné seule l’IA. Les idées fondamentales qui composent ses modèles ne sont pas toutes nouvelles. L’intérêt de son travail réside dans la façon de les assembler et de les optimiser à grande échelle : routage des experts, gestion de la mémoire, apprentissage par renforcement appliqué au raisonnement, puis publication de modèles plus petits entraînés à reproduire une partie des capacités de R1.

DeepSeek-R1 illustre cette démarche. L’entreprise explique avoir exploré un premier modèle de raisonnement, R1-Zero, entraîné principalement par apprentissage par renforcement. Elle a ensuite présenté R1, qui combine une phase de démarrage avec des exemples et plusieurs étapes d’entraînement. Des versions distillées, de tailles plus modestes, ont également été mises à disposition pour faciliter des usages sur des infrastructures moins imposantes.

La disponibilité des poids de certains modèles est un autre facteur d’influence. Elle permet à des développeurs et à des chercheurs de les examiner, de les adapter ou de les exécuter sur leurs propres machines, dans les limites des licences applicables. Cette ouverture ne veut toutefois pas dire que toutes les données d’entraînement, tous les outils internes et l’ensemble du processus de fabrication sont publics.

4. Son impact est mondial, mais l’ampleur économique reste à prouver

L’effet DeepSeek a dépassé très vite le marché chinois. Le 27 janvier 2025, l’action Nvidia a chuté de près de 17 % à Wall Street, effaçant environ 593 milliards de dollars de capitalisation boursière sur une séance. Les investisseurs ont interprété les annonces de DeepSeek comme un possible signe que des modèles compétitifs pourraient être entraînés avec moins de puissance de calcul que prévu.

Cette réaction ne prouve pas que les besoins en puces avancées vont s’effondrer. À l’inverse, des modèles plus efficaces peuvent aussi élargir le nombre d’entreprises et de services capables d’utiliser l’IA, donc accroître à terme la demande totale de calcul. Les marchés ont surtout réévalué une hypothèse devenue centrale : faut-il nécessairement toujours plus de GPU très coûteux pour faire progresser rapidement les modèles ?

Le chiffre le plus commenté, 5,576 millions de dollars, mérite lui aussi d’être manié avec prudence. Il correspond à une estimation figurant dans le rapport de DeepSeek-V3 pour le seul pré-entraînement final, calculée à partir de 2 788 000 heures de GPU Nvidia H800. Il ne couvre pas les investissements antérieurs, les essais qui n’ont pas abouti, les salaires, les données, les infrastructures, ni le fonctionnement d’un assistant accessible au public. Il montre une piste d’efficacité, non le coût complet de toute l’aventure DeepSeek.

5. DeepSeek n’est pas l’unique défi lancé à la Silicon Valley

Le succès médiatique de DeepSeek ne doit pas masquer la diversité des concurrents. OpenAI, Google, Anthropic, Meta et Microsoft investissent massivement dans les modèles de langage. En Chine, Alibaba avec Qwen et d’autres groupes technologiques développent également leurs propres modèles. En Europe, des acteurs comme Mistral AI cherchent eux aussi à peser dans un marché dominé par quelques très grands laboratoires.

DeepSeek ajoute donc de la pression à une compétition déjà intense. Son message implicite est particulièrement important : le progrès ne dépend pas seulement de la taille des centres de données, mais aussi de l’ingénierie des modèles, de la qualité des données, des méthodes d’entraînement et de la capacité à rendre les systèmes plus efficients. Pour les entreprises établies, le défi consiste autant à maintenir leur avance en qualité qu’à justifier leurs dépenses colossales.

Les données personnelles constituent un sujet distinct des performances

La qualité d’un modèle ne répond pas à la question de la protection des données. La politique de confidentialité de DeepSeek indique que des informations recueillies par le service peuvent être stockées sur des serveurs situés en République populaire de Chine. Pour un particulier, cela doit conduire à une règle simple : ne pas saisir dans un assistant d’IA des informations confidentielles, des identifiants, des données de santé, des documents de travail sensibles ou des données personnelles concernant d’autres personnes.

Les autorités européennes ont rapidement demandé des explications. Le 28 janvier 2025, la CNIL a annoncé interroger DeepSeek sur ses pratiques de traitement des données et sur les informations fournies aux utilisateurs. Le 30 janvier, l’autorité italienne de protection des données a ordonné une limitation du traitement des données des utilisateurs italiens, jugeant les réponses apportées par les entreprises concernées insuffisantes, et a ouvert une enquête.

Il faut distinguer ces démarches d’une condamnation définitive. Elles témoignent néanmoins d’un point essentiel : un service d’IA grand public est évalué à la fois sur ses réponses et sur sa gouvernance des données. L’emplacement des serveurs, les transferts internationaux, la durée de conservation, l’information donnée aux utilisateurs et les mécanismes de recours sont des questions aussi concrètes que les scores obtenus en mathématiques.

Ce qu’il faut surveiller après le choc initial

Au début de février 2025, DeepSeek a déjà réussi une chose rare : déplacer le débat. L’entreprise ne démontre pas que les géants américains sont dépassés, mais elle fragilise l’idée selon laquelle une avance en IA ne peut reposer que sur des budgets de calcul toujours plus élevés. Les résultats annoncés devront être reproduits et testés dans des conditions indépendantes, sur des usages variés et dans plusieurs langues.

La réponse des concurrents comptera tout autant. Si les grands laboratoires accélèrent la publication de modèles plus efficaces, baissent leurs tarifs ou diffusent davantage de poids de modèles, l’effet DeepSeek se verra dans l’ensemble du secteur. Si, au contraire, les tests réels révèlent des écarts importants avec les promesses, l’emballement boursier de janvier apparaîtra comme une réaction excessive.

Enfin, la trajectoire de DeepSeek dépendra aussi de facteurs non techniques : accès aux puces de pointe malgré les restrictions américaines à l’exportation, capacité à attirer des développeurs internationaux, réponses aux régulateurs et confiance des utilisateurs. C’est à l’intersection de ces enjeux industriels, économiques et juridiques que se jouera la portée durable de la startup chinoise.