DeepSeek, le pari chinois qui bouscule la course mondiale aux modèles d’IA

DeepSeek n’est pas seulement le nom d’un nouvel assistant conversationnel apparu dans les boutiques d’applications. En quelques semaines, les publications de cette entreprise chinoise ont déplacé le débat sur la puissance, le coût et l’ouverture des grands modèles de langage. Avec DeepSeek-V3, dévoilé à la fin de décembre 2024, puis DeepSeek-R1, lancé en janvier 2025, la société affirme pouvoir rivaliser sur plusieurs tâches de raisonnement, de code et de mathématiques avec les systèmes les plus avancés du marché.

L’enjeu dépasse la seule démonstration technique. Depuis plusieurs années, l’innovation en intelligence artificielle générative est largement associée à des entreprises américaines comme OpenAI, Google, Anthropic ou Microsoft. L’ascension rapide de DeepSeek rappelle que la course ne se joue ni dans un seul pays ni uniquement chez les groupes les plus connus. Elle soulève aussi une question concrète pour les développeurs, les entreprises et les décideurs : des modèles de très haut niveau peuvent-ils devenir plus accessibles et moins coûteux à déployer ?

DeepSeek, une entreprise née dans l’écosystème de High-Flyer

DeepSeek est une société chinoise spécialisée dans les grands modèles de langage, ces systèmes capables de produire, résumer ou analyser du texte, d’écrire du code et de dialoguer en langage naturel. Elle est issue de High-Flyer, un fonds quantitatif chinois qui utilise déjà des méthodes informatiques et statistiques pour ses activités financières. Cette filiation lui a donné un environnement propice à la recherche en calcul intensif et à la constitution d’équipes d’ingénieurs spécialisées.

La société ne se contente pas d’exploiter un assistant destiné au grand public. Elle met aussi à disposition une interface de programmation, ou API, qui permet à d’autres logiciels d’appeler ses modèles. Surtout, elle a rendu publics les poids de plusieurs de ses modèles. Les poids correspondent aux paramètres numériques appris pendant l’entraînement : ils permettent, avec l’infrastructure adéquate, d’exécuter le modèle en dehors du service en ligne de son créateur.

Cette stratégie explique une grande partie de l’attention reçue par DeepSeek. Un modèle dont les poids peuvent être téléchargés peut être étudié, adapté ou installé dans un environnement maîtrisé par une université, une start-up ou une entreprise. Cela ne signifie pas qu’il est simple à utiliser ni gratuit à faire fonctionner. Les modèles les plus vastes exigent des processeurs graphiques puissants, beaucoup de mémoire et des compétences techniques. Mais le rapport de force change : l’accès ne dépend plus exclusivement d’une API propriétaire facturée par un acteur américain.

V3 et R1 : deux modèles, deux usages complémentaires

DeepSeek a concentré l’essentiel de sa communication récente sur deux modèles. DeepSeek-V3 est un modèle généraliste. Il est conçu pour couvrir un large ensemble de tâches, notamment la conversation, la rédaction, le code et l’analyse. DeepSeek-R1 cible plus spécifiquement les tâches où un système doit dérouler plusieurs étapes de raisonnement, par exemple en mathématiques, en programmation ou dans l’examen d’un problème logique.

V3 utilise une architecture dite à « experts mixtes », souvent désignée par l’acronyme anglais MoE. Plutôt que de mobiliser la totalité du modèle pour chaque demande, cette méthode n’active qu’une partie de ses composants spécialisés. L’objectif est de conserver une grande capacité globale tout en limitant le calcul requis lors de chaque réponse.

Les paramètres sont souvent utilisés comme un indicateur de taille, mais ils ne suffisent pas à évaluer un modèle. La qualité des données, la méthode d’entraînement, l’architecture, la capacité à utiliser des outils et le réglage des réponses comptent tout autant. Un nombre de paramètres élevé ne garantit donc pas, à lui seul, de meilleures réponses dans toutes les situations.

R1 met en avant une autre idée importante : la capacité à produire une réponse finale dépend parfois d’un travail intermédiaire. Pour les problèmes difficiles, les modèles peuvent décomposer la question, tester une piste, repérer une erreur et recommencer. DeepSeek affirme avoir amélioré ce type de comportement grâce à l’apprentissage par renforcement, une méthode qui récompense les réponses jugées correctes selon des critères définis pendant l’entraînement.

Les évaluations publiées par l’entreprise font état de bons résultats sur des tests de raisonnement, de programmation et de mathématiques. Ces mesures sont utiles pour comparer des systèmes dans un cadre donné, mais elles ne remplacent pas des essais indépendants dans des conditions réelles. Un modèle très performant dans un benchmark peut encore se tromper sur une information récente, inventer une référence ou échouer face à une consigne ambiguë.

Pourquoi le coût annoncé de V3 a marqué le secteur

Le chiffre qui a le plus frappé l’industrie concerne l’entraînement de DeepSeek-V3. Dans son rapport technique, l’entreprise indique avoir utilisé 2,788 millions d’heures de GPU Nvidia H800 pour l’entraînement principal du modèle. Elle chiffre ce poste à 5,576 millions de dollars. Elle précise également que V3 a été préentraîné sur 14 800 milliards de jetons, les unités de texte manipulées par les modèles.

Ce montant a été largement commenté parce qu’il paraît faible au regard des sommes habituellement associées aux modèles de pointe. Il faut toutefois le lire avec prudence. Il correspond à une estimation du coût de l’entraînement principal et non à la totalité de l’investissement nécessaire pour créer un système d’IA compétitif. La recherche préalable, les salaires, l’achat ou la location d’infrastructures, la collecte et le traitement des données, les expérimentations qui n’aboutissent pas, l’évaluation et le maintien en production ne sont pas nécessairement inclus dans ce calcul.

L’intérêt de l’annonce est donc moins de désigner un « prix » définitif d’un modèle que d’illustrer une piste : des choix d’architecture et d’optimisation peuvent réduire la quantité de calcul nécessaire. Dans un secteur où les GPU de pointe sont rares, coûteux et stratégiques, l’efficacité peut compter autant que la force brute.

Les puces H800 citées par DeepSeek sont également significatives dans le contexte géopolitique. Les restrictions américaines sur les exportations de composants avancés vers la Chine ont placé l’accès au calcul au cœur de la rivalité technologique. La progression d’un acteur chinois avec des ressources contraintes relativise l’idée qu’une avance matérielle suffit, à elle seule, à verrouiller l’innovation logicielle.

Des accusations de distillation qui alimentent les tensions

La percée de DeepSeek s’est accompagnée de controverses. OpenAI et Microsoft ont accusé l’entreprise d’avoir tiré parti de leurs modèles. Microsoft a indiqué enquêter sur une possible extraction de données via l’API d’OpenAI par un groupe susceptible d’être lié à DeepSeek. OpenAI a, de son côté, évoqué des indices de « distillation » de ses modèles, une pratique qui contreviendrait à ses conditions d’utilisation si elle était réalisée à partir de ses services.

La distillation est une technique connue dans l’apprentissage automatique. Un modèle, dit élève, apprend à reproduire certaines sorties ou certains comportements d’un modèle plus puissant, dit professeur. Elle peut être employée de manière légitime lorsqu’un détenteur de modèle organise lui-même cet entraînement. Le litige apparaît lorsqu’un acteur utiliserait les réponses d’un service tiers en violation de ses règles d’accès ou de ses droits.

DeepSeek réfute les allégations selon lesquelles son avance reposerait sur les travaux de ses concurrents occidentaux et défend le caractère original de ses innovations. À la date du 31 mars 2025, ces accusations illustrent surtout l’importance nouvelle des données de sortie des assistants : elles peuvent constituer une ressource précieuse pour entraîner d’autres systèmes, au même titre que les jeux de données traditionnels.

L’entreprise a aussi signalé avoir subi une cyberattaque de grande ampleur fin janvier 2025, ce qui l’a conduite à limiter temporairement les inscriptions de nouveaux utilisateurs. Cet épisode rappelle qu’un service devenu très visible doit non seulement entraîner des modèles, mais aussi protéger ses infrastructures face à une affluence soudaine et à des attaques malveillantes.

Une ouverture qui élargit les choix, sans faire disparaître les limites

L’un des apports les plus visibles de DeepSeek réside dans la publication de modèles et de rapports techniques détaillant ses méthodes. Pour un développeur, cette disponibilité peut offrir plusieurs possibilités : exécuter un modèle localement, l’adapter à un vocabulaire métier, tester son comportement ou réduire la dépendance à un fournisseur unique.

Face aux modèles exclusivement proposés par API, cette ouverture favorise aussi l’examen par la communauté. Des chercheurs peuvent tenter de reproduire des résultats, identifier des limites ou évaluer les protections. Les utilisateurs disposent potentiellement d’un meilleur contrôle sur l’endroit où sont traitées leurs données s’ils déploient eux-mêmes le modèle.

Il serait pourtant trompeur de présenter ces systèmes comme accessibles à tous sans contrainte. Installer un modèle de plusieurs centaines de milliards de paramètres requiert une infrastructure considérable. Les versions plus légères, obtenues par distillation, abaissent les besoins matériels mais peuvent perdre une partie des capacités du modèle complet. Enfin, un modèle ouvert conserve les défauts communs à l’IA générative : erreurs factuelles, biais dans les données, réponses imprévisibles et difficultés à expliquer précisément son fonctionnement.

Pour les entreprises, le bon choix ne se résume donc pas à comparer un prix par requête. Il faut aussi évaluer la confidentialité, la conformité, la sécurité, les langues prises en charge, le niveau de support, la stabilité du service et le coût d’exploitation réel. L’ouverture des poids accroît les options disponibles, elle ne supprime pas la nécessité d’une gouvernance rigoureuse.

Ce que DeepSeek change dans la compétition entre la Chine et les États-Unis

DeepSeek ne fait pas disparaître l’avance industrielle des grands groupes américains, qui disposent de vastes infrastructures, de produits largement adoptés et de ressources financières considérables. Mais l’entreprise chinoise fragilise un récit selon lequel seuls quelques laboratoires occidentaux seraient capables de produire des modèles de premier plan.

Son cas souligne aussi la diversité des voies possibles vers la performance. La compétition ne porte pas uniquement sur le nombre de GPU acquis, mais aussi sur le logiciel, les méthodes d’entraînement, l’organisation des équipes, les données et la rapidité avec laquelle les améliorations sont publiées. La Chine dispose d’un vaste marché numérique et d’un écosystème d’entreprises qui investissent dans l’IA. Dans ce contexte, l’apparition d’un nouvel acteur crédible était moins une impossibilité qu’une question de calendrier.

Pour les utilisateurs européens et français, cette évolution élargit surtout le paysage. Il devient plus difficile de raisonner uniquement en opposant un modèle américain à un autre. Les critères de choix incluent désormais l’origine du fournisseur, les règles applicables aux données, les conditions de licence, la possibilité d’héberger le modèle et la capacité à l’auditer.

Ce qu’il faut surveiller après la percée de DeepSeek

La première question sera celle de la reproductibilité. Les chercheurs et développeurs chercheront à déterminer dans quelle mesure les performances annoncées pour V3 et R1 se confirment sur des usages variés, dans différentes langues et hors des benchmarks les plus médiatisés. La deuxième concernera l’économie : les gains d’efficacité revendiqués pourront-ils être durablement reproduits par d’autres équipes ?

Il faudra également suivre les conséquences juridiques des accusations de distillation. À mesure que les modèles deviennent capables de générer des réponses de haute qualité, leurs sorties prennent une valeur économique accrue. Les frontières entre inspiration, évaluation, apprentissage et copie pourraient devenir un terrain de confrontation majeur entre les entreprises d’IA.

Enfin, l’exemple de DeepSeek impose une leçon plus générale : l’intelligence artificielle avance vite, mais son avenir ne se résume pas à un classement de modèles. Les gagnants seront aussi ceux qui parviendront à rendre ces outils fiables, économes, auditables et utiles dans des situations concrètes. La montée en puissance d’un acteur chinois rappelle que cette compétition reste ouverte, technique autant que géopolitique.