DeepSeek bouscule l’IA : ce que la start-up chinoise change dans la course mondiale

Au 26 janvier 2025, DeepSeek est devenu le nom à suivre dans l’intelligence artificielle mondiale. La jeune entreprise chinoise ne se contente pas de publier un nouvel assistant conversationnel : avec ses modèles DeepSeek-V3 et DeepSeek-R1, elle avance des performances de premier plan, diffuse largement ses travaux et remet au centre du débat le coût réel de l’IA de pointe. Pour les États-Unis comme pour la Chine, l’enjeu dépasse donc la simple rivalité entre applications.

La montée en visibilité de DeepSeek ne signifie pas qu’un seul laboratoire a renversé la hiérarchie technologique mondiale. Elle montre en revanche qu’il est possible, en dehors des grands groupes américains les plus connus, de concevoir des modèles de langage compétitifs. Cette évolution force à regarder de plus près ce que mesurent les benchmarks, ce que recouvre réellement l’expression « open source » et ce que les performances d’une start-up disent, ou ne disent pas, de la puissance d’un pays.

DeepSeek, une jeune entreprise chinoise à l’ambition mondiale

Fondée en 2023, DeepSeek développe des grands modèles de langage, ces systèmes capables de produire du texte, de répondre à des questions, de programmer ou de résumer des documents. Dans le grand public, ChatGPT est l’exemple le plus connu de cette famille d’outils. Mais derrière l’interface de dialogue, la compétition porte sur des modèles très coûteux à entraîner, sur les puces nécessaires à leur calcul et sur la capacité à les rendre utiles à des millions d’utilisateurs.

L’entreprise s’est rapidement distinguée par une stratégie qui tranche avec celle de plusieurs rivaux américains. OpenAI, Google ou Anthropic proposent principalement des modèles accessibles par leurs propres services ou interfaces de programmation. DeepSeek, de son côté, publie les éléments nécessaires pour utiliser et adapter plusieurs de ses modèles. Cette diffusion donne aux développeurs, aux chercheurs et aux entreprises la possibilité d’examiner plus directement leurs capacités.

Cette ouverture ne rend pas DeepSeek unique : les modèles ouverts occupent déjà une place importante dans l’écosystème de l’IA. Elle devient néanmoins particulièrement remarquée lorsque le niveau de performance annoncé se rapproche de celui de systèmes propriétaires. C’est le cas avec DeepSeek-V3, puis avec DeepSeek-R1, deux modèles aux objectifs distincts mais complémentaires.

DeepSeek-V3 et DeepSeek-R1, deux modèles pour des usages différents

DeepSeek-V3 a été rendu public le 26 décembre 2024. Il s’agit d’un modèle généraliste, conçu pour comprendre et produire du langage, écrire du code ou répondre à des consignes variées. DeepSeek-R1, lancé le 20 janvier 2025, se concentre davantage sur le raisonnement : il cherche à traiter pas à pas des problèmes de mathématiques, de logique ou de programmation qui demandent davantage qu’une réponse immédiate.

Les deux sorties sont souvent associées, mais elles ne répondent pas exactement au même besoin. V3 illustre la capacité de DeepSeek à produire un modèle polyvalent de très grande taille. R1 vise un domaine devenu central depuis l’arrivée de modèles capables de consacrer plus de calcul à une question complexe, plutôt que de fournir une réponse instantanée.

Le laboratoire affirme que DeepSeek-V3 se situe au niveau des meilleurs modèles propriétaires sur plusieurs évaluations, tandis que DeepSeek-R1 rivalise avec OpenAI o1 sur certains tests de raisonnement. Ces comparaisons sont significatives, car elles placent DeepSeek dans la même conversation que les laboratoires américains les plus avancés.

Elles doivent toutefois être lues avec méthode. Un benchmark évalue une tâche précise, avec un jeu de questions et une méthode de notation déterminés. Il ne résume pas la qualité d’un produit dans toutes les langues, sa fiabilité au quotidien, sa résistance aux erreurs, sa sécurité ou son coût d’usage à grande échelle. Les résultats publiés par un laboratoire sont aussi, par nature, des résultats qu’il convient de confronter à des évaluations indépendantes.

Pourquoi l’architecture de DeepSeek-V3 attire autant l’attention

La taille annoncée de DeepSeek-V3, 671 milliards de paramètres, peut impressionner. Les paramètres sont les très nombreux réglages mathématiques que le modèle ajuste pendant son entraînement pour repérer des régularités dans les données. Mais DeepSeek-V3 ne mobilise pas l’ensemble de ces paramètres à chaque mot ou fragment de mot traité, appelé « jeton » dans le vocabulaire de l’IA.

Son architecture dite à « mélange d’experts » sélectionne une partie du modèle selon la tâche. DeepSeek indique ainsi n’activer qu’environ 37 milliards de paramètres par jeton. L’idée est comparable à celle d’une organisation qui solliciterait seulement les spécialistes utiles à un dossier, au lieu de réunir tous ses effectifs à chaque décision. Cette méthode peut réduire le calcul nécessaire à l’utilisation du modèle tout en conservant une très grande capacité globale.

La documentation technique de V3 fait aussi état d’un entraînement sur 14 800 milliards de jetons et de 2 788 000 heures de GPU H800. Les GPU sont des processeurs particulièrement adaptés aux calculs massifs nécessaires à l’IA. Ces chiffres rappellent qu’un modèle présenté comme plus efficient reste une infrastructure industrielle : il suppose des données à préparer, des équipes de recherche, des centres de calcul et un matériel hautement spécialisé.

DeepSeek estime à 5,576 millions de dollars le coût du dernier entraînement de V3. Ce montant est souvent interprété trop rapidement. Il correspond au calcul du cycle d’entraînement décrit pour ce modèle, et non à une comptabilité exhaustive incluant nécessairement la recherche précédente, les salaires, les essais infructueux, le stockage des données, l’achat ou l’amortissement des serveurs et le déploiement auprès des utilisateurs.

Que veut dire « open source » pour DeepSeek ?

L’expression « open source » est employée de manière large dans l’IA. Dans son sens le plus exigeant, elle désigne un logiciel dont le code peut être étudié, modifié et redistribué selon une licence ouverte. Pour un grand modèle de langage, plusieurs couches sont à distinguer : le code, les poids du modèle, les données d’entraînement, les recettes d’entraînement et l’infrastructure de calcul.

DeepSeek a rendu disponibles le code et les poids de plusieurs modèles sous une licence permissive. C’est un avantage concret pour les personnes et organisations qui souhaitent les exécuter sur leur propre infrastructure, les tester ou les adapter à un usage spécialisé. Le laboratoire a également publié une description technique détaillée de ses choix d’architecture et d’entraînement.

Cette disponibilité ne signifie pas pour autant qu’un acteur extérieur peut reproduire intégralement le parcours de DeepSeek. Les données utilisées à grande échelle, leur sélection exacte et tous les essais de recherche ne sont pas équivalents à une recette prête à l’emploi. La différence est importante : rendre un modèle téléchargeable abaisse les barrières d’accès, mais entraîner depuis zéro un modèle de frontière demeure une opération très lourde.

L’ouverture peut néanmoins accélérer l’innovation. Des développeurs peuvent mesurer les performances, corriger certains défauts, créer des versions plus légères ou développer des outils dans d’autres langues. Elle peut aussi pousser les fournisseurs de modèles fermés à mieux justifier leurs prix, leurs capacités et les restrictions imposées à leurs clients.

La Chine est-elle en train de dépasser les États-Unis dans l’IA ?

La réponse la plus rigoureuse est : il est trop tôt pour l’affirmer. DeepSeek apporte un élément tangible au débat sur le rapprochement des capacités chinoises et américaines dans les modèles de langage. Ses résultats montrent que les laboratoires chinois ne sont pas condamnés à suivre de loin les publications venues de Californie. Ils ne suffisent pas à établir un basculement général de leadership.

La puissance en IA se mesure sur plusieurs plans. Il faut considérer la qualité des modèles, mais aussi l’accès aux puces les plus avancées, les capacités de production de semi-conducteurs, les infrastructures de cloud, le financement, les talents, les logiciels et la capacité à transformer une recherche en produits largement adoptés. Sur ces terrains, les États-Unis disposent d’atouts considérables avec leurs entreprises, leurs fournisseurs de cloud et leur industrie des puces, notamment autour de Nvidia.

La Chine poursuit de son côté une ambition stratégique de long terme dans l’intelligence artificielle. L’émergence de DeepSeek illustre la vitalité de cet écosystème et son intérêt pour des approches capables de réduire les besoins de calcul ou de mieux exploiter le matériel accessible. La concurrence ne se résume donc pas à une course aux modèles les plus grands : elle porte aussi sur l’efficacité, la diffusion et l’indépendance technologique.

Les restrictions américaines sur les puces changent les règles du jeu

Depuis 2022, les États-Unis ont mis en place puis renforcé des restrictions à l’exportation visant certains composants de calcul avancé et équipements de fabrication de semi-conducteurs destinés à la Chine. L’objectif affiché est de limiter l’accès de la Chine aux capacités informatiques les plus sensibles, notamment celles utiles aux supercalculateurs et aux applications militaires.

Dans ce contexte, le recours aux GPU H800 mentionnés pour DeepSeek-V3 est révélateur. Ces puces ont été conçues pour le marché chinois dans un environnement réglementaire déjà contraint, avant que les règles ne se durcissent. Les contrôles commerciaux ne stoppent pas mécaniquement la recherche en IA, mais ils peuvent modifier les choix techniques, la disponibilité du matériel et les coûts des projets.

C’est pourquoi les annonces de DeepSeek sont suivies avec attention aux États-Unis. Si des architectures plus économes permettent de maintenir un haut niveau de qualité avec moins de calcul par requête, elles peuvent réduire une partie de l’avantage conféré par l’abondance de puces. Elles ne font toutefois pas disparaître les besoins matériels, ni l’importance des chaînes d’approvisionnement en semi-conducteurs.

Ne pas confondre DeepSeek et QwQ-32B-Preview

Le paysage chinois de l’IA est composé de nombreux acteurs. Le nom QwQ-32B-Preview est parfois associé aux discussions sur les modèles de raisonnement, mais il ne s’agit pas d’un modèle DeepSeek : il appartient à la famille Qwen, développée par Alibaba. Cette précision compte, car elle montre que l’innovation chinoise ne repose pas sur une seule entreprise.

Comparer ces systèmes peut être utile pour suivre les progrès du raisonnement automatisé. Mais chaque modèle possède sa propre architecture, ses données, ses conditions d’accès et ses méthodes d’évaluation. Les performances d’un outil ne doivent pas être attribuées sans distinction à tout un pays ou à l’ensemble de ses entreprises.

Ce qu’il faut surveiller dans les prochains mois

La première question sera celle de la validation : les performances de DeepSeek-V3 et R1 devront être confirmées par des tests indépendants, dans des usages variés et au-delà des benchmarks choisis par leurs concepteurs. La deuxième concernera l’adoption. Un modèle peut exceller dans les évaluations et rencontrer des limites de stabilité, de coût ou d’intégration lorsqu’il est utilisé à grande échelle.

Il faudra également observer la diffusion de versions dérivées par la communauté, l’évolution de l’accès aux puces de calcul et la réponse des laboratoires américains. OpenAI, Google, Anthropic et les acteurs de l’open source ne restent pas immobiles : la compétition peut accélérer la sortie de modèles plus performants, plus accessibles ou plus spécialisés.

Enfin, l’affaire DeepSeek rappelle qu’il serait réducteur de voir l’IA comme un duel figé entre deux pays. Les modèles de langage progressent grâce à des équipes internationales, à des chaînes d’approvisionnement mondiales et à une circulation rapide des idées. La percée d’une start-up chinoise est un signal stratégique fort. Elle confirme surtout que la course à l’IA se joue désormais autant sur l’ingéniosité technique que sur la quantité de capital et de puissance de calcul.