DeepSeek bouscule l’IA : ce que le modèle chinois change vraiment

Pendant plusieurs années, la course à l’intelligence artificielle a semblé obéir à une règle simple : pour atteindre les meilleures performances, il fallait réunir des milliers de puces de pointe, des données massives et des budgets de plusieurs milliards de dollars. L’arrivée de DeepSeek-R1, publié le 20 janvier 2025, a brusquement remis cette idée au centre du débat. Le modèle chinois n’a pas fait disparaître les leaders américains, mais il a montré qu’une autre voie technique et économique pouvait attirer l’attention du monde entier.

La secousse dépasse la seule réussite d’un nouveau chatbot. Les résultats annoncés par DeepSeek, l’ouverture de ses modèles et le coût d’entraînement mis en avant ont alimenté une question majeure : les géants de l’IA ont-ils besoin de dépenser autant pour rester à la frontière technologique ? Le 27 janvier, la réaction spectaculaire des marchés, notamment contre Nvidia, a illustré l’ampleur de cette interrogation.

DeepSeek-R1, un modèle de raisonnement au cœur de l’attention

DeepSeek est une entreprise chinoise spécialisée dans l’intelligence artificielle. Avec R1, elle ne propose pas seulement un assistant conversationnel susceptible de répondre à des questions ou de rédiger un texte. Le modèle a été conçu pour mieux traiter des problèmes demandant plusieurs étapes de raisonnement, par exemple en mathématiques, en programmation ou en logique.

Cette catégorie de systèmes est particulièrement stratégique. Dans une conversation ordinaire, un modèle peut parfois produire une réponse convaincante sans véritablement résoudre le problème posé. Les modèles dits de raisonnement cherchent, eux, à consacrer davantage de calcul à des tâches complexes avant de formuler leur réponse. C’est sur ce terrain qu’OpenAI, avec sa gamme o, a placé une part importante de la compétition récente.

DeepSeek a affirmé que DeepSeek-R1 atteignait des résultats comparables à ceux de modèles de référence sur plusieurs évaluations de raisonnement. Ces tests constituent des repères utiles, mais ils ne résument pas à eux seuls l’expérience réelle : la fiabilité d’un assistant dépend aussi de sa capacité à suivre une consigne, de la stabilité de ses réponses, de ses langues prises en charge, de ses garde-fous et de sa rapidité.

L’intérêt pour R1 vient donc moins d’une promesse d’« intelligence générale artificielle », notion que DeepSeek ne démontre pas, que d’un signal beaucoup plus concret : il est possible d’obtenir un niveau élevé sur des tâches ciblées avec des choix d’architecture et d’entraînement différents.

Que signifie vraiment le coût de 6 millions de dollars ?

Le chiffre a beaucoup circulé car il contraste fortement avec les investissements annoncés par les grandes entreprises américaines. Il mérite toutefois d’être interprété précisément. Les 6 millions de dollars évoqués correspondent, de façon arrondie, au coût annoncé pour un entraînement de DeepSeek-V3, le modèle de base sur lequel s’appuie notamment le travail autour de R1. Le rapport technique de DeepSeek chiffre ce poste à 5,576 millions de dollars.

Il ne s’agit donc pas automatiquement du coût total de création de DeepSeek-R1, ni du budget de recherche complet de l’entreprise. Ce montant ne permet pas, à lui seul, de comptabiliser les dépenses précédentes de recherche, les données, les salaires, les infrastructures, les essais infructueux ou le fonctionnement du service auprès du public. C’est néanmoins un indicateur important de l’efficacité recherchée par l’entreprise pendant une phase précise de l’entraînement.

Le cas DeepSeek rappelle aussi une caractéristique souvent oubliée de l’IA : les progrès ne viennent pas uniquement de l’ajout de puissance informatique. Ils peuvent provenir de modèles qui n’activent qu’une partie de leurs paramètres à chaque requête, de meilleurs jeux de données, d’algorithmes d’entraînement plus efficaces ou de méthodes de raisonnement qui exploitent mieux le calcul disponible.

Cela ne signifie pas que les grandes infrastructures deviennent inutiles. Entraîner, servir et améliorer des modèles très utilisés exige toujours des centres de données et des puces spécialisées. En revanche, le succès de DeepSeek renforce l’idée qu’un acteur disposant de moins de ressources apparentes peut réduire une partie de son retard grâce à des innovations d’ingénierie.

Pourquoi Nvidia a-t-il chuté en Bourse ?

Le 27 janvier 2025, Nvidia a perdu près de 590 milliards de dollars de capitalisation boursière en une séance. Cette baisse spectaculaire ne signifie pas que l’entreprise aurait perdu la même somme en trésorerie. La capitalisation représente la valeur totale des actions cotées : elle évolue chaque jour en fonction du prix que les investisseurs accordent à l’entreprise.

La réaction du marché traduit une crainte simple. Si de nouveaux modèles parviennent à des performances élevées avec moins de puissance de calcul ou avec des puces moins coûteuses, la demande future pour les processeurs graphiques les plus chers pourrait être revue à la baisse. Nvidia est devenu l’un des principaux bénéficiaires de l’explosion des dépenses dans l’IA générative, car ses GPU sont très utilisés pour entraîner et exploiter les grands modèles.

Mais le raisonnement inverse est également possible. Des modèles plus efficaces peuvent faire baisser le coût d’accès à l’IA, multiplier les usages et, à terme, augmenter la demande globale de calcul. La baisse boursière révèle donc surtout une réévaluation brutale des anticipations, pas une démonstration que l’ère des GPU est terminée.

L’événement met en lumière la dépendance de tout l’écosystème à quelques hypothèses : la croissance des investissements, la rareté des puces les plus performantes et la conviction que la taille des modèles constitue la principale source de progrès. DeepSeek a fragilisé ces certitudes, au moins temporairement.

Des poids ouverts face aux modèles fermés

L’autre élément marquant est l’approche plus ouverte de DeepSeek. L’entreprise a publié les poids de DeepSeek-R1 et de variantes plus légères. Les poids sont les valeurs numériques acquises par le modèle durant son entraînement. Les rendre disponibles permet à des équipes techniques de télécharger un modèle, de l’exécuter sur leur propre infrastructure, de l’évaluer et parfois de l’adapter à un usage particulier.

Cette stratégie contraste avec les services les plus fermés, accessibles principalement par une interface web ou une API. Pour une entreprise, un laboratoire ou un développeur, l’intérêt est tangible : davantage de contrôle sur le déploiement, la possibilité de conserver certaines données dans son propre environnement et une meilleure capacité à examiner le comportement du modèle.

Il faut toutefois éviter un raccourci fréquent. Des poids ouverts ne signifient pas que tout est ouvert. Les données d’entraînement, les méthodes exactes de préparation de ces données, les infrastructures de calcul et l’ensemble du code utilisé par une société ne sont pas nécessairement publiés. De même, pouvoir installer un modèle ne dispense pas de disposer d’une machine suffisamment puissante, ni de vérifier les conditions de licence des variantes employées.

Données, biais et sécurité : les questions que l’engouement ne doit pas masquer

L’adoption rapide d’un assistant d’IA ne doit pas conduire à négliger la confidentialité. Avant de saisir des informations dans un service en ligne, un particulier comme une organisation doit savoir où les données sont stockées, pendant combien de temps elles peuvent être conservées et dans quelles conditions elles peuvent être utilisées. La politique de confidentialité de DeepSeek indique que les informations collectées sont stockées en République populaire de Chine, un point particulièrement important pour les utilisateurs manipulant des données personnelles, professionnelles ou sensibles.

La prudence vaut d’ailleurs pour tous les chatbots, quelle que soit leur origine. Il est déconseillé de transmettre à un assistant public des identifiants, des dossiers médicaux, des contrats confidentiels, des informations bancaires ou des secrets d’affaires. Une IA conversationnelle peut être utile pour reformuler un texte ou explorer une idée, mais elle n’est pas un coffre-fort.

Les biais constituent un autre enjeu. Un modèle reflète des choix de données, de réglages et de règles de modération. Il peut produire des réponses incomplètes, adopter certains angles culturels ou politiques, ou refuser des demandes de façon inégale. Ces limites ne sont pas propres à DeepSeek, mais la circulation mondiale de modèles développés dans des cadres réglementaires différents rend leur examen plus nécessaire.

Pour les entreprises, l’enjeu n’est donc pas seulement de choisir le modèle le plus impressionnant lors d’une démonstration. Il faut aussi définir quels documents peuvent être soumis au système, qui peut l’utiliser, comment les réponses sont contrôlées et dans quel environnement technique l’outil est déployé.

Janus-Pro élargit la bataille à l’image

DeepSeek ne se limite pas aux assistants textuels. Le 27 janvier 2025, l’entreprise a présenté Janus-Pro, une famille de modèles multimodaux destinée à comprendre et à générer des images. Cette annonce place directement DeepSeek sur un terrain déjà occupé par des outils comme DALL-E 3 d’OpenAI.

Selon les résultats communiqués par DeepSeek, Janus-Pro obtient de bons scores sur plusieurs évaluations automatiques consacrées à la génération d’images. Là encore, ces chiffres sont un élément de comparaison plutôt qu’un verdict définitif. La qualité d’une image dépend de nombreux critères difficiles à résumer : respect précis de la demande, cohérence des détails, diversité, rapidité de création et protection contre les usages frauduleux.

L’importance de Janus-Pro est surtout stratégique. La compétition ne porte plus uniquement sur la rédaction de texte ou le code. Elle s’étend aux systèmes capables de traiter plusieurs formes d’information, texte, image et potentiellement d’autres médias. Pour les utilisateurs, cela pourrait se traduire par des assistants plus polyvalents. Pour les entreprises établies, cela signifie que la pression concurrentielle s’exerce désormais sur davantage de produits.

Ce qu’il faut surveiller après le choc DeepSeek

La première question sera celle de la vérification dans la durée. Les performances de DeepSeek-R1 devront être confirmées dans des usages variés, par des évaluations indépendantes et par les retours de développeurs. Un modèle peut exceller aux problèmes mathématiques tout en étant moins adapté à la rédaction, aux langues moins représentées, au service client ou aux usages nécessitant une grande fiabilité factuelle.

La deuxième question concerne le prix. Si la concurrence pousse les fournisseurs à réduire les coûts d’inférence, à publier davantage de modèles ou à améliorer l’efficacité énergétique, les particuliers et les entreprises pourraient accéder à des outils plus abordables. Cette démocratisation ne supprimera pas pour autant les écarts de moyens : entraîner les modèles les plus avancés reste une opération industrielle.

Enfin, la montée de DeepSeek souligne une réalité géopolitique. L’intelligence artificielle n’est plus seulement dominée par quelques entreprises américaines. Des acteurs chinois, des laboratoires européens et de nombreuses jeunes pousses cherchent des voies distinctes, entre services fermés, modèles aux poids ouverts et solutions spécialisées. La prochaine étape ne sera pas nécessairement l’émergence d’un vainqueur unique, mais une compétition plus dense, où la performance devra aller de pair avec la transparence, la sécurité et l’utilité réelle.