DeepSeek V3 : l’open source ne règle pas à lui seul la question des données

L’ouverture de DeepSeek-V3 a propulsé la jeune entreprise chinoise au centre d’un débat qui dépasse largement les performances des modèles de langage. En publiant des éléments essentiels de son modèle, DeepSeek offre aux chercheurs et aux développeurs une possibilité concrète de l’examiner et de l’exécuter hors de ses propres serveurs. Pour autant, cette démarche ne répond pas, à elle seule, aux questions posées par les données envoyées au chatbot officiel.

La nuance est décisive. Un modèle d’intelligence artificielle peut être ouvert, donc auditable et réutilisable, tout en étant associé à un service en ligne qui collecte des informations sur ses utilisateurs. Il peut aussi être entraîné sur des données qui ne sont pas publiées. Dans le cas de DeepSeek, la transparence technique et la confidentialité des données sont deux sujets liés, mais distincts.

Ce que DeepSeek a réellement rendu accessible

DeepSeek se présente comme un laboratoire qui souhaite « percer le mystère de l’AGI », l’intelligence artificielle générale. Cette expression désigne l’objectif, encore hypothétique, d’une IA capable d’accomplir de très nombreuses tâches intellectuelles avec une souplesse comparable à celle d’un humain. En février 2025, aucun acteur n’a démontré avoir atteint une telle intelligence générale.

En revanche, DeepSeek a bien rendu public DeepSeek-V3, son grand modèle de langage publié le 26 décembre 2024. L’entreprise a mis à disposition les poids du modèle, c’est-à-dire les paramètres numériques issus de son entraînement, ainsi que du code nécessaire à son utilisation. Ces éléments sont proposés sous licence MIT, une licence permissive qui autorise notamment la réutilisation et la modification, sous réserve de conserver les mentions prévues.

Concrètement, un développeur disposant d’une infrastructure informatique adaptée peut télécharger le modèle et l’exécuter lui-même. Il peut aussi analyser une partie de son fonctionnement, adapter le logiciel qui l’entoure, ou bâtir une application sans dépendre uniquement de l’interface web et de l’application mobile de DeepSeek.

Cette ouverture contraste avec les grands modèles propriétaires, dont les paramètres, le code et les méthodes de développement restent généralement secrets. Elle ne signifie toutefois pas que l’intégralité de la recherche de DeepSeek est devenue publique.

Open source, code source et données : trois réalités différentes

L’expression « open source » est souvent employée comme un synonyme de transparence totale. C’est imprécis. Dans le logiciel, l’ouverture désigne d’abord la disponibilité du code et les droits accordés pour le modifier ou le redistribuer. Dans l’IA générative, il faut ajouter au moins deux dimensions : l’accès aux poids du modèle et la documentation des données d’entraînement.

DeepSeek-V3 est un modèle à 671 milliards de paramètres au total, dont 37 milliards activés pour chaque jeton, selon sa documentation technique. Il s’appuie sur une architecture dite de mélange d’experts : au lieu d’activer tous les paramètres à chaque étape, le modèle sélectionne certains sous-réseaux spécialisés. Cette méthode vise à réduire le coût de calcul nécessaire lors de l’utilisation du modèle.

Ces caractéristiques techniques peuvent être étudiées grâce aux publications de DeepSeek. Elles n’équivalent pas à un inventaire des corpus employés pour l’entraînement. Or, connaître l’origine, les conditions d’utilisation, la qualité et la diversité de ces corpus est important pour évaluer les biais, les risques de mémorisation de contenus ou encore les questions de droits d’auteur.

L’ouverture présente néanmoins des bénéfices concrets. Des équipes indépendantes peuvent tester les capacités réelles du modèle, chercher des failles, évaluer ses réponses dans différentes langues et comparer ses performances à celles de concurrents. Elles peuvent surtout choisir un déploiement local ou sur un serveur qu’elles contrôlent, plutôt que d’envoyer leurs requêtes à un service distant.

Pourquoi la vie privée reste au cœur des inquiétudes

La publication de DeepSeek-V3 est antérieure aux principales réactions européennes de janvier 2025. Il serait donc inexact de la présenter comme une réponse directe à ces interventions. L’ouverture du modèle ne change pas non plus, par elle-même, les règles appliquées aux personnes qui utilisent le service hébergé par DeepSeek.

La politique de confidentialité de l’entreprise indique collecter des informations fournies par les utilisateurs, notamment les requêtes envoyées au service, les fichiers téléversés et les échanges avec l’assistance. Elle précise également que les informations collectées sont stockées sur des serveurs situés en République populaire de Chine.

Le document indique que DeepSeek peut utiliser les informations pour fournir, administrer et améliorer ses services et technologies. Autrement dit, il ne faut pas supposer qu’une conversation saisie dans l’application officielle est, par principe, exclue de toute amélioration des systèmes. Les utilisateurs qui manipulent des informations professionnelles, confidentielles ou personnelles ont intérêt à ne pas les copier dans un chatbot public sans avoir vérifié les règles applicables.

La localisation de l’hébergement ne suffit pas, à elle seule, à établir une illégalité. Mais elle soulève des questions concrètes pour les utilisateurs européens : quelles données sont transférées, sur quel fondement juridique, pendant combien de temps sont-elles conservées, qui peut y accéder et quels recours sont effectivement disponibles ? Le Règlement général sur la protection des données, le RGPD, impose des exigences précises aux organisations qui traitent les données de personnes situées dans l’Union européenne.

L’Italie a bloqué le chatbot, l’Irlande a demandé des explications

Les préoccupations ont rapidement pris une dimension réglementaire. Le 28 janvier 2025, l’autorité italienne de protection des données, le Garante, a demandé à DeepSeek des informations sur les données personnelles collectées, leurs sources, les finalités des traitements, la base juridique invoquée et l’éventuel stockage des données en Chine.

Le 30 janvier 2025, l’autorité italienne a annoncé avoir ordonné à DeepSeek de limiter le traitement des données des utilisateurs italiens. Elle a expliqué que les réponses reçues des sociétés concernées étaient insuffisantes. La décision a entraîné l’indisponibilité du chatbot DeepSeek pour les utilisateurs en Italie.

En Irlande, la Commission de protection des données a également indiqué avoir demandé des informations à DeepSeek sur le traitement des données d’utilisateurs irlandais. Ces démarches illustrent le niveau d’attention porté aux nouveaux services d’IA, en particulier lorsque leur succès est très rapide et que leurs conditions de traitement des données restent difficiles à appréhender pour le grand public.

L’open source peut-il améliorer la sécurité ?

Oui, mais il ne constitue pas une garantie automatique. Rendre un modèle disponible permet à une communauté plus large d’évaluer ses comportements inattendus, d’identifier des vulnérabilités dans les logiciels de déploiement et de proposer des correctifs. Des universitaires, des entreprises et des développeurs indépendants ne sont plus contraints de se fier uniquement aux déclarations du fournisseur.

Cette approche favorise aussi une forme de souveraineté technique. Une entreprise française, une université ou une administration pourrait, en théorie, faire tourner un modèle ouvert dans son propre environnement, avec ses propres règles de conservation des journaux et de contrôle des accès. Mais cette possibilité exige des compétences, des serveurs suffisamment puissants et une véritable politique de sécurité. Télécharger un modèle ne transforme pas automatiquement son utilisateur en expert de la protection des données.

L’ouverture comporte aussi des limites. Un modèle très performant peut être réemployé à des fins malveillantes, par exemple pour industrialiser la production de messages trompeurs ou de code informatique dangereux. Les éditeurs de modèles ouverts doivent donc arbitrer entre les bénéfices de la recherche reproductible et les risques de détournement. Cet arbitrage ne se résout pas uniquement par une licence : il implique de la documentation, des évaluations de sécurité et des pratiques responsables chez les personnes qui déploient le système.

Ce que les utilisateurs et les organisations peuvent faire

Pour le grand public, la prudence commence par une règle simple : ne pas confier à un chatbot public des informations dont la divulgation pourrait causer un préjudice. Cela concerne les mots de passe, les coordonnées bancaires, les documents d’identité, les dossiers médicaux, mais aussi des contrats non publiés ou des données sur des clients.

Les organisations devraient, elles, distinguer clairement plusieurs usages : expérimentation individuelle, service en ligne fourni par DeepSeek, et déploiement autonome d’un modèle ouvert. Avant un usage professionnel, elles doivent notamment examiner les conditions contractuelles, la politique de confidentialité, le lieu d’hébergement et les possibilités de désactiver ou de limiter la journalisation des requêtes.

Quelques précautions utiles s’imposent :

• vérifier quel service reçoit réellement les requêtes et où elles sont stockées ;
• ne transmettre que les données nécessaires à la tâche demandée ;
• anonymiser ou pseudonymiser les documents lorsque cela est possible ;
• mettre en place des règles internes pour les salariés et les prestataires ;
• privilégier un déploiement contrôlé lorsque les données traitées sont sensibles.

Ce qu’il faut surveiller

L’affaire DeepSeek met en lumière une évolution importante de l’IA générative : la concurrence ne se joue plus seulement sur les résultats affichés par un chatbot. Elle porte aussi sur le degré d’ouverture des modèles, le coût de leur exécution, le contrôle de l’infrastructure et les garanties offertes aux utilisateurs.

Dans les prochains mois, les réponses de DeepSeek aux autorités européennes seront particulièrement observées. Elles permettront de mieux comprendre comment l’entreprise justifie ses traitements de données, quelles informations elle est prête à fournir et quelles adaptations elle pourrait apporter à son service.

Le débat dépasse toutefois le seul cas de DeepSeek. Les modèles ouverts peuvent favoriser la recherche, l’innovation locale et un meilleur contrôle technique. Mais la confiance repose également sur des engagements vérifiables concernant les données : transparence sur les pratiques réelles, sécurité opérationnelle, respect des règles applicables et possibilités de recours. C’est à cette condition que l’ouverture pourra devenir un avantage durable pour les utilisateurs, et pas seulement un argument de communication.