DeepSeek retarde R2 et revient aux GPU Nvidia après l’impasse Huawei

DeepSeek s’était imposé comme l’un des noms les plus suivis de l’intelligence artificielle chinoise. Mais, au 15 août 2025, le développement de son prochain grand modèle, R2, se heurte à une contrainte très concrète : la capacité à l’entraîner sur le matériel disponible. Après avoir tenté de s’appuyer sur les accélérateurs Ascend de Huawei, l’entreprise a finalement dû revenir aux processeurs de Nvidia pour faire avancer le projet.

Ce choix n’est pas un simple changement de fournisseur. Il révèle l’écart qui peut exister entre disposer de puces conçues pour l’IA et réussir à les employer, à grande échelle et de manière fiable, pour construire un modèle de langage de pointe. Il place aussi DeepSeek dans une position délicate : l’entreprise doit concilier une course mondiale à la performance avec la priorité donnée par Pékin aux technologies locales.

R2, un lancement annulé après des difficultés d’entraînement

DeepSeek prévoyait de lancer son modèle R2 en mai 2025. Ce calendrier a été abandonné après des problèmes rencontrés avec les puces Ascend de Huawei pendant la phase d’entraînement. Selon les informations rapportées, ces difficultés étaient suffisamment fondamentales pour empêcher le projet d’avancer comme prévu.

DeepSeek avait cherché à utiliser une solution chinoise plutôt que les processeurs Nvidia, qui font figure de référence dans les centres de données dédiés à l’IA. L’objectif correspond à la stratégie industrielle défendue en Chine : réduire la dépendance aux technologies étrangères, notamment pour les composants les plus stratégiques.

Dans le cas de R2, cette tentative n’a toutefois pas produit le résultat attendu. L’entreprise a donc choisi de se tourner de nouveau vers Nvidia pour l’entraînement de son modèle. Il ne s’agit pas nécessairement d’un jugement définitif sur l’ensemble des puces Huawei, mais d’un constat opérationnel sur un usage particulièrement exigeant : entraîner un modèle d’IA avancé.

Le report est significatif pour DeepSeek. Dans un secteur où les laboratoires annoncent régulièrement de nouveaux modèles, quelques mois de décalage peuvent peser sur la visibilité d’une entreprise, sa capacité à attirer des utilisateurs et la perception de son avance technologique.

Entraînement et inférence : pourquoi la distinction compte

Pour comprendre l’enjeu, il faut séparer deux étapes souvent confondues. L’entraînement est la période durant laquelle un modèle traite d’immenses volumes de données afin d’ajuster ses paramètres et d’acquérir ses capacités. C’est une opération longue, gourmande en calcul et très sensible aux problèmes de stabilité ou de compatibilité logicielle.

L’inférence, elle, intervient une fois le modèle entraîné. C’est le moment où il répond à une question, génère du texte ou réalise une autre tâche demandée par l’utilisateur. Cette étape peut elle aussi mobiliser beaucoup de machines lorsqu’un service accueille un grand nombre de personnes, mais ses contraintes techniques ne sont pas identiques à celles de l’entraînement.

Cette différence explique pourquoi DeepSeek peut renoncer, à ce stade, à entraîner R2 sur Ascend tout en continuant à envisager ces puces pour l’inférence. Une plateforme matérielle peut être adaptée à certains déploiements sans encore offrir les conditions nécessaires à l’entraînement d’un modèle de très grande ampleur.

Ce qui a bloqué avec les puces Ascend de Huawei

Les problèmes précis rencontrés par DeepSeek n’ont pas été détaillés publiquement. Les informations disponibles indiquent cependant qu’ils ont été assez sérieux pour interrompre les phases cruciales d’entraînement et provoquer l’annulation du lancement de mai.

Dans le développement d’un grand modèle de langage, les difficultés ne se résument pas à la puissance de calcul brute. Il faut pouvoir répartir les calculs sur de multiples accélérateurs, maintenir des échanges rapides entre les machines et s’appuyer sur un environnement logiciel robuste. Une défaillance, une incompatibilité ou un ralentissement à l’un de ces niveaux peut affecter l’ensemble du travail.

Nvidia bénéficie, sur ce terrain, d’un avantage construit au fil des années. Ses processeurs graphiques sont largement utilisés par les laboratoires et les entreprises du secteur. Autour de ce matériel, les développeurs ont bâti des outils et des pratiques qui facilitent le déploiement de projets complexes. Pour une entreprise comme DeepSeek, revenir à Nvidia peut donc être une décision pragmatique : privilégier une infrastructure connue afin de réduire le risque de nouveaux retards.

Il faut néanmoins éviter une lecture trop générale de cet épisode. Le fait que DeepSeek ait rencontré des difficultés pour R2 ne permet pas, à lui seul, de mesurer les capacités de toute la gamme Ascend ni de tous les usages possibles. Il montre en revanche qu’atteindre le niveau requis par les modèles les plus ambitieux reste un défi pour Huawei et son écosystème logiciel.

L’intervention de Huawei n’a pas suffi à débloquer R2

Huawei ne s’est pas contenté de fournir ses puces. L’entreprise a envoyé une équipe d’ingénieurs auprès de DeepSeek afin d’aider à leur intégration dans le projet R2. Cette démarche souligne l’importance stratégique du dossier : faire fonctionner un modèle très suivi sur du matériel national aurait constitué une démonstration concrète des progrès de l’écosystème chinois.

Malgré cette assistance, DeepSeek n’est pas parvenu à surmonter les difficultés liées à l’entraînement. La situation rappelle que l’accompagnement technique, aussi qualifié soit-il, ne garantit pas un résultat immédiat lorsqu’il faut adapter un modèle, des bibliothèques logicielles et une infrastructure entière à une nouvelle architecture matérielle.

Pour Huawei, l’enjeu dépasse le cas DeepSeek. Le groupe cherche à faire de ses accélérateurs Ascend une option crédible pour les entreprises qui développent et exploitent des applications d’intelligence artificielle. Réussir l’inférence est déjà important, car cette étape correspond à l’usage quotidien des modèles. Mais l’entraînement des systèmes les plus avancés demeure un test majeur de maturité technologique.

Un revers pour l’objectif d’autonomie technologique de la Chine

La décision de DeepSeek s’inscrit dans un contexte de forte pression en faveur de l’autonomie technologique chinoise. Pékin encourage les entreprises à privilégier les fournisseurs nationaux, particulièrement dans les domaines considérés comme critiques, tels que les semi-conducteurs et l’intelligence artificielle.

Cette orientation répond à une logique de souveraineté : dépendre de composants étrangers expose les entreprises à des contraintes commerciales, politiques et d’approvisionnement. Mais l’affaire R2 montre aussi le coût possible d’une substitution trop rapide. Pour entraîner un modèle concurrentiel, une société doit pouvoir compter sur une plateforme qui fonctionne efficacement au moment où elle en a besoin, pas uniquement sur une technologie prometteuse à moyen terme.

DeepSeek se retrouve ainsi entre deux impératifs. D’un côté, l’entreprise incarne les ambitions chinoises dans les modèles de langage et a intérêt à démontrer qu’un écosystème local peut soutenir cette ambition. De l’autre, elle affronte une concurrence mondiale intense, dans laquelle un délai de développement peut réduire l’impact d’un futur lancement.

Les déclarations récentes de Ren Zhengfei, dirigeant de Huawei, vont dans le même sens : l’expertise de son entreprise en intelligence artificielle reste à consolider. Ce constat ne signifie pas que la Chine renonce à développer ses propres alternatives. Il rappelle plutôt que combler l’écart avec les acteurs les plus établis demande du temps, des investissements et de nombreux retours d’expérience concrets.

DeepSeek joue sa crédibilité dans une course mondiale

Pour DeepSeek, R2 représente davantage qu’une mise à jour technique. Le modèle doit permettre à l’entreprise de maintenir son rythme face aux laboratoires et groupes technologiques qui renouvellent rapidement leurs offres. Son fondateur, Liang Wenfeng, a fait part de son insatisfaction face à la progression de l’équipe et veut que DeepSeek vise plus haut avec R2.

Cette exigence est compréhensible dans un marché où la réputation dépend autant de la qualité des modèles que de la capacité à les livrer au bon moment. Un laboratoire peut disposer d’idées ou d’algorithmes solides, mais l’exécution industrielle compte tout autant : disponibilité des puces, infrastructure de calcul, outils logiciels, recrutement d’ingénieurs et calendrier de lancement.

Le retour vers Nvidia peut donc être interprété comme une tentative de remettre le projet sur des rails plus prévisibles. Il offre à DeepSeek une voie pour poursuivre l’entraînement de R2, mais il souligne simultanément une dépendance persistante à l’égard d’une technologie étrangère pour les tâches les plus difficiles.

Ce qu’il faut surveiller après le report de R2

La première question est celle du nouveau calendrier de DeepSeek. Au 15 août 2025, le lancement prévu en mai a été annulé, sans date de sortie publique confirmée pour R2. La capacité de l’entreprise à reprendre l’entraînement et à présenter son modèle déterminera l’ampleur réelle du retard.

Il faudra aussi observer la place que DeepSeek accordera finalement aux puces Huawei. Si Ascend est utilisée pour l’inférence, cela constituerait déjà un débouché important pour le fabricant chinois et un terrain d’apprentissage concret. En revanche, une adoption future pour l’entraînement dépendra de progrès techniques et logiciels qui ne peuvent pas être présumés à l’avance.

Enfin, l’épisode servira de test pour l’ensemble de l’industrie chinoise de l’IA. Concevoir des accélérateurs est une étape essentielle, mais rivaliser avec les plateformes les plus installées suppose un écosystème complet, des outils fiables et des utilisateurs capables de mener des projets exigeants sans perdre de temps. Pour DeepSeek comme pour Huawei, le dossier R2 rappelle que l’autonomie technologique se mesure moins aux annonces qu’à la capacité de faire fonctionner, à l’échelle, les systèmes les plus ambitieux.