DeepSeek-R1 : pourquoi son arrivée bouscule Nvidia et les géants de l’IA

L’irruption de DeepSeek-R1 n’a pas seulement donné aux internautes un nouvel assistant conversationnel à essayer. Elle a fait basculer, en quelques jours, une conviction qui structurait l’euphorie autour de l’intelligence artificielle : pour obtenir des modèles de pointe, il faudrait nécessairement mobiliser toujours plus de capitaux, de puces graphiques et de centres de données. Le 27 janvier 2025, cette interrogation s’est traduite brutalement en Bourse, avec une chute historique de Nvidia.

La jeune entreprise chinoise DeepSeek n’a pas démontré que les géants américains étaient dépassés, ni que les investissements massifs dans les infrastructures d’IA étaient devenus superflus. En revanche, elle a apporté un contre-exemple très visible à l’idée selon laquelle les performances les plus élevées ne pourraient être obtenues qu’à des coûts hors de portée. C’est cette possibilité, plus encore que le lancement d’un chatbot supplémentaire, qui oblige désormais le secteur à revoir ses certitudes.

DeepSeek-R1, le modèle qui a déclenché le débat

DeepSeek est une start-up chinoise issue de l’écosystème du fonds quantitatif High-Flyer. Après avoir publié DeepSeek-V3 en décembre 2024, l’entreprise a lancé DeepSeek-R1 le 20 janvier 2025. Ce modèle de langage est conçu pour répondre à des questions complexes, notamment en mathématiques, en programmation et en logique, en montrant souvent une phase de raisonnement avant sa réponse finale.

Cette famille de modèles s’inscrit dans un mouvement important de l’IA générative : la diffusion de modèles dont les poids, c’est-à-dire les paramètres issus de l’entraînement, peuvent être téléchargés et étudiés. DeepSeek a également rendu disponibles des modèles plus petits, obtenus par distillation. Ce procédé consiste à entraîner un modèle plus léger à reproduire une partie des capacités d’un modèle plus puissant. Pour les développeurs, cela peut permettre des usages sur des infrastructures moins coûteuses.

L’accès au service conversationnel de DeepSeek est gratuit au moment de sa sortie. L’entreprise propose aussi une interface de programmation, ou API, destinée aux développeurs qui veulent intégrer le modèle à leurs propres outils. Cette combinaison, accès grand public et coûts d’usage faibles pour les entreprises, explique la vitesse à laquelle le service a attiré l’attention.

Des performances élevées, mais comment les interpréter ?

DeepSeek-R1 a été remarqué parce que ses résultats publiés se rapprochent de ceux des modèles de raisonnement les plus avancés. Dans son rapport technique, DeepSeek indique par exemple un score de 79,8 % sur AIME 2024, une évaluation de problèmes de mathématiques, contre 79,2 % pour OpenAI o1-1217 dans la comparaison présentée par l’entreprise.

Ces résultats ne suffisent toutefois pas à désigner un vainqueur absolu. Les benchmarks mesurent des compétences précises dans des conditions définies : résoudre des exercices de concours, produire du code ou répondre à des questions scientifiques. Ils ne reflètent pas toujours la fiabilité dans une situation professionnelle, la qualité d’une réponse en français, la sécurité, la rapidité du service aux heures de pointe ou la capacité à refuser une demande problématique.

Il faut aussi distinguer plusieurs produits souvent confondus dans les comparaisons. ChatGPT est une interface grand public proposée par OpenAI, Claude est l’assistant d’Anthropic, tandis que DeepSeek-R1 désigne un modèle qui peut être utilisé via le service de DeepSeek ou déployé par des tiers. Comparer un modèle à un assistant complet ne revient donc pas à comparer exactement les mêmes services.

Le coût de DeepSeek, un chiffre à remettre en contexte

L’argument économique est au cœur de l’onde de choc. Dans son rapport sur DeepSeek-V3, l’entreprise indique que l’entraînement final a nécessité 2,788 millions d’heures de GPU H800 et avance un coût de 5,576 millions de dollars. Rapporté aux sommes parfois évoquées pour les très grands modèles américains, le montant a fortement marqué les investisseurs.

Mais ce chiffre est fréquemment simplifié à l’excès. Il concerne le coût annoncé d’une phase finale de pré-entraînement de DeepSeek-V3, et non une comptabilité complète de DeepSeek-R1. Il ne représente pas nécessairement les années de recherche, les essais antérieurs, les salaires des équipes, l’achat ou l’amortissement de l’infrastructure, l’acquisition des données, ni les coûts de fonctionnement d’un service utilisé par des millions de personnes.

L’efficacité revendiquée reste néanmoins significative. DeepSeek-V3 repose sur une architecture dite à experts multiples. Au lieu d’activer l’intégralité du modèle pour chaque mot généré, le système sélectionne une fraction de ses composants spécialisés. Le rapport de DeepSeek décrit un modèle comptant 671 milliards de paramètres au total, dont environ 37 milliards activés par jeton. Un jeton est une petite unité de texte traitée par le modèle, qui peut correspondre à un mot, une partie de mot ou un signe de ponctuation.

Cette méthode ne fait pas disparaître le besoin en matériel. Elle vise plutôt à tirer davantage de performances de chaque unité de calcul. DeepSeek a en outre utilisé des GPU Nvidia H800, des puces moins performantes que les équipements les plus avancés vendus aux clients américains, mais qui demeurent des composants sophistiqués et coûteux. L’innovation se situe donc dans l’optimisation logicielle, l’architecture et l’organisation de l’entraînement, pas dans une IA créée sans ressources informatiques.

Pourquoi Nvidia a subi une chute historique en Bourse

Le 27 janvier 2025, l’action Nvidia a perdu 17 %. La baisse a effacé environ 593 milliards de dollars de capitalisation boursière, un montant inédit sur une seule séance pour une entreprise cotée. Nvidia était devenue l’un des grands symboles de la ruée vers l’IA grâce à ses processeurs graphiques, ou GPU, essentiels à l’entraînement et au fonctionnement de nombreux modèles génératifs.

La réaction du marché repose sur un raisonnement simple : si des modèles compétitifs peuvent être entraînés et exploités avec moins de puissance de calcul que prévu, les entreprises pourraient un jour acheter moins de GPU, ou ralentir l’augmentation de leurs dépenses. Or, une large part de la valorisation de Nvidia reflète l’anticipation d’une demande durablement exceptionnelle pour ces puces.

Ce raisonnement reste une hypothèse, pas une certitude. D’abord, le lancement de DeepSeek montre aussi l’importance du matériel Nvidia : les H800 utilisés par l’entreprise sont eux-mêmes des GPU Nvidia. Ensuite, réduire le coût d’un usage peut accroître le nombre d’usages. Lorsqu’une technologie devient plus accessible, davantage de sociétés et de particuliers peuvent vouloir l’adopter. L’efficacité peut ainsi diminuer le coût d’une requête tout en augmentant le volume total de calcul nécessaire.

Enfin, l’entraînement n’est qu’une partie de l’équation. Une fois un modèle populaire, son fonctionnement quotidien, appelé inférence, exige lui aussi des serveurs capables de répondre rapidement à un grand nombre d’utilisateurs. La question pour Nvidia n’est donc pas de savoir si DeepSeek utilise des puces, mais si l’efficacité logicielle modifiera suffisamment la trajectoire globale de la demande pour peser sur les revenus futurs.

Microsoft, Alphabet et Meta face à un marché moins uniforme

La secousse ne s’est pas limitée à Nvidia. Le 27 janvier, les actions de Microsoft et d’Alphabet ont également reculé, alors que celle de Meta a progressé. Cette divergence est révélatrice : les investisseurs ne valorisent pas toutes les entreprises de l’IA selon les mêmes critères.

Microsoft est étroitement associé à OpenAI et vend des services d’IA via son cloud Azure. Alphabet développe ses modèles Gemini tout en disposant de ses propres puces spécialisées. Meta, de son côté, a fait de la diffusion de modèles de la famille Llama un élément important de sa stratégie. L’arrivée de DeepSeek rappelle à chacun de ces acteurs que la valeur ne viendra pas seulement du modèle le plus impressionnant, mais aussi de la capacité à le distribuer, à l’intégrer dans des produits et à en réduire le coût d’exploitation.

Pour les utilisateurs et les petites entreprises, cette concurrence peut constituer une bonne nouvelle. Elle peut accélérer la baisse des tarifs, multiplier les modèles disponibles et limiter la dépendance à quelques fournisseurs. Pour les groupes établis, elle peut en revanche exercer une pression sur les marges et rendre plus difficile la justification de dépenses toujours plus élevées.

L’enjeu est particulièrement aigu pour les offres fermées facturées à l’usage. Si des modèles aux poids accessibles deviennent suffisamment performants, certaines organisations pourront les exécuter sur leurs propres serveurs ou passer par des prestataires moins chers. Elles conserveront toutefois des raisons de payer des services propriétaires : simplicité de déploiement, garanties de disponibilité, outils de sécurité, conformité et support technique.

Les questions de données et de sécurité ne peuvent pas être séparées du débat

Le succès technique ne dispense pas DeepSeek des exigences de sécurité et de protection des données. Le 29 janvier 2025, les chercheurs de Wiz ont indiqué avoir découvert une base de données DeepSeek publiquement accessible sans authentification. Selon leur signalement, elle contenait notamment des historiques de conversations, des clés d’API et des informations sur les opérations internes. Après le signalement, l’accès n’était plus disponible publiquement.

Cet épisode ne permet pas à lui seul de connaître l’ampleur d’une éventuelle consultation des données par des tiers. Il rappelle en revanche une règle élémentaire : ne pas saisir dans un assistant d’IA des informations confidentielles, des données personnelles sensibles, des identifiants ou des secrets d’entreprise, tant que les garanties de sécurité et les conditions de traitement ne sont pas clairement établies.

La localisation des données est aussi au centre de l’attention. La politique de confidentialité de DeepSeek indique que les informations collectées peuvent être stockées sur des serveurs situés en Chine. Le 30 janvier 2025, l’autorité italienne de protection des données, le Garante, a annoncé avoir bloqué le traitement des données des utilisateurs italiens par DeepSeek, estimant insuffisantes les réponses reçues de l’entreprise sur les données collectées et leur traitement.

Des interrogations ont également été relayées aux États-Unis autour d’une possible utilisation de sorties de modèles concurrents pour entraîner DeepSeek, une pratique souvent désignée sous le nom de distillation. À cette date, ces soupçons ne constituent pas une preuve établie d’un détournement de technologie. Ils illustrent toutefois un conflit appelé à prendre de l’ampleur : dans quelle mesure les contenus produits par un modèle peuvent-ils servir à en entraîner un autre ?

Ce qu’il faut surveiller après le choc DeepSeek

Les prochaines semaines devront d’abord départager l’effet de surprise et le changement durable. Les évaluations indépendantes permettront de mieux juger DeepSeek-R1 sur des usages concrets, au-delà des tests publiés par son concepteur. La stabilité du service, la qualité des réponses dans différentes langues et la facilité de déploiement compteront autant que les scores de benchmarks.

Il faudra aussi suivre la réalité des coûts. Le prix annoncé de l’entraînement est un indicateur marquant, mais la compétitivité d’un modèle se mesure sur tout son cycle de vie : recherche, entraînement, sécurité, mises à jour et fonctionnement à grande échelle. La baisse des coûts pourrait redistribuer le marché sans pour autant réduire les investissements mondiaux dans les centres de données.

Enfin, l’épisode DeepSeek place deux débats au premier plan. Le premier concerne l’ouverture des modèles : elle favorise l’innovation et l’accès, mais demande des règles claires sur la responsabilité et les licences. Le second porte sur les données : une IA bon marché n’est un progrès pour le public que si ses utilisateurs comprennent où vont leurs informations et disposent de garanties crédibles.

DeepSeek ne met donc pas fin à la domination technologique américaine. Mais son arrivée prouve qu’une start-up peut, en optimisant ses modèles et en ouvrant une partie de ses travaux, déplacer en quelques jours le centre de gravité d’un secteur dominé par les plus grandes capitalisations mondiales. C’est précisément cette possibilité qui explique la nervosité des marchés et l’attention des régulateurs.