DeepSeek R1, le choc chinois qui oblige l’IA américaine à se réinterroger

En quelques jours, le nom de DeepSeek est passé des cercles spécialisés de l’intelligence artificielle aux écrans des investisseurs du monde entier. L’application de cette jeune entreprise chinoise s’est imposée dans les classements de téléchargements de l’App Store américain, devant ChatGPT à la fin janvier 2025. Surtout, son nouveau modèle DeepSeek-R1 a donné un contenu très concret à cette soudaine notoriété : il prétend rivaliser avec les meilleurs systèmes américains sur des tâches complexes, pour une fraction du coût habituellement associé à ces modèles.

L’épisode dépasse donc largement la réussite d’une application. Il interroge le récit dominant de la course à l’IA, selon lequel disposer des plus grands volumes de puces de pointe et investir toujours davantage serait la condition indispensable pour rester en tête. Le 27 janvier, cette interrogation a provoqué une onde de choc boursière spectaculaire, particulièrement pour Nvidia. Elle rappelle aussi qu’un assistant conversationnel n’est jamais un outil neutre : ses données, ses règles de modération et les positions politiques qu’il relaie comptent autant que ses performances.

DeepSeek, une start-up chinoise devenue phénomène mondial

DeepSeek est une entreprise chinoise spécialisée dans les grands modèles de langage, ces logiciels capables de produire et d’analyser du texte, du code ou des raisonnements à partir d’une consigne. Son fondateur, Liang Wenfeng, a propulsé son entreprise sur le devant de la scène avec la publication, le 20 janvier 2025, de DeepSeek-R1, puis avec le succès fulgurant de son application mobile.

L’appellation de « ChatGPT chinois » est pratique, mais incomplète. Comme ChatGPT, DeepSeek propose une interface de conversation : l’utilisateur pose une question, demande une synthèse, une traduction, du code ou une explication. DeepSeek-R1 se distingue toutefois par son positionnement sur le raisonnement. Face à une question difficile, le modèle peut détailler des étapes intermédiaires avant de proposer sa réponse finale, une approche particulièrement utile pour les mathématiques, la logique et la programmation.

Cette capacité ne signifie pas qu’il faut prendre chaque raisonnement pour argent comptant. Comme tous les modèles de langage, DeepSeek peut se tromper, inventer une référence, mal interpréter une consigne ou donner une réponse convaincante mais erronée. Sa force potentielle réside dans la manière dont il a été conçu et distribué : une partie importante de ses travaux et des poids de ses modèles ont été rendus accessibles, permettant à des développeurs et à des chercheurs de les étudier ou de les adapter.

Pourquoi DeepSeek-R1 attire autant l’attention

Pour comprendre le choc provoqué par R1, il faut distinguer l’application de DeepSeek et les modèles qui la font fonctionner. Fin décembre 2024, l’entreprise avait présenté DeepSeek-V3, un très grand modèle généraliste. Le 20 janvier 2025, elle a publié R1, un modèle orienté vers le raisonnement, ainsi que des versions plus petites issues d’un procédé appelé distillation.

La distillation consiste, schématiquement, à transmettre une partie des capacités d’un grand modèle vers des modèles plus compacts. Ceux-ci sont plus faciles et moins coûteux à faire tourner. C’est un levier essentiel pour élargir l’accès à l’IA : il ne suffit pas de bâtir un modèle impressionnant dans un laboratoire, il faut aussi pouvoir l’utiliser à un prix acceptable.

DeepSeek-V3 repose sur une architecture dite à experts mixtes. Au lieu de mobiliser tous ses paramètres à chaque mot généré, le système n’en active qu’une partie selon la tâche. Le modèle compte 671 milliards de paramètres au total, mais environ 37 milliards sont activés pour chaque token, c’est-à-dire chaque morceau de texte traité. Cette organisation vise à conserver une grande capacité tout en limitant le calcul nécessaire à chaque réponse.

Les comparaisons de performances publiées par DeepSeek placent R1 à un niveau compétitif face à des modèles de premier plan sur plusieurs évaluations, notamment en mathématiques et en code. Ces résultats doivent néanmoins être lus avec prudence. Les benchmarks mesurent des compétences précises dans des conditions données, pas la fiabilité universelle d’un assistant. Ils ne remplacent ni des tests indépendants, ni une vérification humaine lorsqu’une réponse a des conséquences scolaires, professionnelles, financières ou médicales.

Des coûts annoncés à remettre en perspective

Le chiffre de 5,576 millions de dollars a largement contribué à l’emballement autour de DeepSeek. Dans son rapport technique, l’entreprise l’associe à l’entraînement de DeepSeek-V3 sur des puces Nvidia H800. À première vue, il contraste avec les budgets très élevés généralement prêtés aux grands laboratoires américains.

Mais ce montant ne doit pas être interprété comme le coût total de création de DeepSeek, ni comme la preuve qu’un modèle équivalent à tous les modèles américains peut être obtenu pour moins de 6 millions de dollars. Il correspond au coût de calcul d’une phase d’entraînement décrite par l’entreprise. Il n’inclut pas nécessairement la recherche préalable, les expériences qui n’ont pas abouti, la préparation des données, les salaires, les infrastructures, la sécurité, ni le coût de servir des millions d’utilisateurs au quotidien.

La leçon est ailleurs : l’efficacité des algorithmes peut modifier profondément l’équation économique de l’IA. L’amélioration du matériel reste cruciale, mais l’optimisation des logiciels, la qualité des données et la manière de répartir les calculs peuvent aussi produire des gains considérables. Les restrictions américaines sur l’exportation de technologies avancées vers la Chine ont précisément renforcé l’intérêt de cette sobriété informatique.

Le lundi 27 janvier, la Bourse prend peur

La réaction des marchés a été à la mesure de la surprise. Le lundi 27 janvier 2025, les places boursières asiatiques et américaines ont reculé, les investisseurs s’interrogeant sur les valorisations très élevées des entreprises liées à l’IA. Nvidia, dont les processeurs graphiques sont au cœur de la plupart des infrastructures d’intelligence artificielle, a été particulièrement touchée.

L’entreprise a perdu près de 600 milliards de dollars de capitalisation boursière en une séance, soit une chute historique en valeur absolue pour une société cotée américaine. Cette somme ne correspond pas à une perte de chiffre d’affaires ni à de l’argent sorti des caisses de Nvidia. Elle représente la baisse de la valeur totale attribuée par les marchés aux actions de l’entreprise. C’est toutefois un signal puissant sur les anticipations des investisseurs.

Depuis l’essor de l’IA générative, une conviction a porté une part importante de la hausse des grandes valeurs technologiques : les modèles les plus performants nécessiteraient toujours plus de centres de données, de puces et d’électricité. DeepSeek a mis cette conviction à l’épreuve. Si des concurrents réussissent réellement à obtenir de très bonnes performances avec moins de ressources, les dépenses futures des géants de la tech pourraient être réévaluées.

C’est dans ce contexte que l’investisseur américain Marc Andreessen a parlé d’un « moment Spoutnik ». La formule renvoie au lancement du satellite soviétique Spoutnik en 1957, qui avait pris les États-Unis de court et intensifié la compétition scientifique et technologique de la guerre froide. La comparaison souligne le sentiment de surprise américain, mais elle ne doit pas masquer la réalité : l’IA est déjà une compétition mondiale, menée par des acteurs américains, chinois et européens aux stratégies très différentes.

Le défi américain ne se limite pas aux puces

L’arrivée de DeepSeek bouscule Washington à plusieurs niveaux. D’abord, elle suggère que les restrictions commerciales, si elles limitent l’accès de la Chine aux puces les plus puissantes, ne suffisent pas à empêcher l’innovation. Les ingénieurs peuvent chercher des architectures plus efficaces, mieux exploiter le matériel disponible et réduire le coût de l’inférence, c’est-à-dire le calcul effectué lorsqu’un utilisateur sollicite le modèle.

Ensuite, l’ouverture relative des modèles de DeepSeek élargit la compétition. Des développeurs peuvent les télécharger, les examiner et créer des services dérivés. Cette diffusion tranche avec la stratégie de certains grands acteurs américains, qui donnent accès à leurs modèles les plus puissants surtout par une interface ou une API contrôlée. Les deux voies ont leurs avantages : l’ouverture facilite l’expérimentation, tandis que le contrôle centralisé peut simplifier les mises à jour et certains garde-fous.

Enfin, la compétition ne porte pas seulement sur le meilleur score à un test. Elle concerne l’accès aux données, la disponibilité des puces, l’énergie des centres de données, les talents en recherche, la capacité à attirer des développeurs et la confiance des utilisateurs. Sur chacun de ces terrains, les États-Unis conservent de sérieux atouts. DeepSeek rappelle simplement que leur avance ne peut plus être considérée comme acquise.

Biais politiques, censure et données : les questions que pose l’application

L’efficacité technique d’un chatbot ne suffit pas à déterminer s’il est digne de confiance. Les utilisateurs doivent aussi se demander ce que le modèle refuse de traiter, quelles réponses il privilégie et où vont les informations qu’ils lui confient.

DeepSeek illustre nettement cette dimension politique. Sur Taïwan, le chatbot reprend une position alignée sur celle du gouvernement chinois, affirmant que « Taïwan est une partie inaliénable de la Chine ». Sur les sujets considérés comme sensibles par Pékin, les réponses peuvent donc être contraintes par un cadre politique particulier. Cela ne distingue pas seulement DeepSeek par rapport à ses concurrents : cela rappelle que tous les assistants sont façonnés par des choix d’entreprises, des règles de modération et des lois nationales.

Le problème est concret pour un élève, un journaliste, une entreprise ou une administration qui utiliserait l’outil pour rechercher des informations sur l’histoire, la géopolitique ou les droits humains. Un assistant peut fournir une réponse fluide, structurée et apparemment assurée tout en omettant un contexte essentiel. La bonne pratique consiste à multiplier les sources, à consulter des documents fiables et à ne pas déléguer le jugement à une conversation automatisée.

La confidentialité exige la même prudence. Les utilisateurs ne devraient pas saisir dans un chatbot public des données personnelles, des mots de passe, des informations médicales, des documents confidentiels ou le contenu non publié d’un projet professionnel. Avant un usage régulier, il est nécessaire de lire les conditions du service et sa politique de confidentialité, en particulier lorsqu’un service est soumis à une juridiction étrangère.

Ce qu’il faut surveiller après le choc DeepSeek

Au 29 janvier 2025, il est trop tôt pour conclure que DeepSeek va renverser les leaders américains de l’IA. Son succès devra se mesurer dans la durée : qualité réelle des réponses, stabilité du service, coût pour les utilisateurs, sécurité, adoption par les développeurs et capacité à publier de nouveaux modèles.

Il faudra également examiner les évaluations indépendantes. Les résultats d’un laboratoire sont utiles pour comprendre ses ambitions, mais seuls des tests répétés par des chercheurs, des entreprises et des utilisateurs permettront de déterminer où R1 excelle, où il échoue et à quel prix il est réellement exploitable. La disponibilité de modèles plus petits dérivés de R1 pourrait accélérer cette vérification.

Pour les entreprises américaines, l’enjeu n’est pas uniquement de répondre par des modèles plus gros. Elles devront démontrer que leurs investissements massifs dans les puces et les centres de données produisent des services plus fiables, mieux intégrés et plus utiles. Pour l’Europe, l’épisode met en lumière une question tout aussi pressante : comment développer des capacités locales, tout en protégeant les données et en imposant des règles claires de transparence ?

DeepSeek n’a pas clos la course mondiale à l’intelligence artificielle. Il vient plutôt d’en déplacer le débat : au-delà de la puissance brute, la prochaine avance pourrait dépendre de la capacité à rendre les modèles performants, accessibles, économes et dignes de confiance.