DeepSeek : l'IA chinoise qui a secoue le monde tech en 2025
Publié le 7 novembre 2026, par la rédaction
DeepSeek est une startup chinoise d'intelligence artificielle fondée en 2023 par Liang Wenfeng, le fondateur du fonds hedge High-Flyer Quantitative Investment Management à Hangzhou. En janvier 2025, la publication du modèle DeepSeek-R1 a provoqué un séisme dans l'industrie technologique mondiale : ce modèle atteignait des performances comparables à GPT-4 d'OpenAI sur de nombreux benchmarks, pour un coût d'entraînement revendiqué bien inférieur. Cette annonce a fait plonger les actions de Nvidia de 17 % en une journée de trading, effaçant près de 600 milliards de dollars de capitalisation boursière, et a relancé les interrogations sur l'avance technologique américaine dans l'IA.
Au sommaire
Origine et contexte de DeepSeek
DeepSeek a été fondée en 2023 par Liang Wenfeng, entrepreneur technologique qui avait auparavant cofondé High-Flyer, un des fonds de trading algorithmique les plus importants de Chine. La startup opère depuis Hangzhou, capitale de la province du Zhejiang et hub technologique chinois (Alibaba, Ant Group y ont leur siège). Liang Wenfeng est réputé pour avoir constitué une large collection de GPU Nvidia (plusieurs milliers de A100) avant que les restrictions américaines à l'exportation n'entrent en vigueur fin 2022, ce qui a donné à DeepSeek une base de calcul substantielle pour ses recherches.
DeepSeek opère dans un contexte particulier : les restrictions américaines sur les exportations de semi-conducteurs avancés vers la Chine (notamment les GPU Nvidia A100 et H100 qui sont les standards de l'industrie pour l'entraînement des grands modèles de langage) ont contraint les entreprises chinoises à travailler avec moins de puissance de calcul que leurs concurrents américains. DeepSeek a donc développé des techniques d'optimisation pour entraîner des modèles performants avec moins de GPU, ce qui est précisément ce que ses publications techniques revendiquent avec des résultats remarquables.
DeepSeek en chiffres clés
Fondation : 2023. Fondateur : Liang Wenfeng. Siège : Hangzhou (Chine). Principaux modèles : DeepSeek-V2 (mai 2024), DeepSeek-V3 (décembre 2024), DeepSeek-R1 (janvier 2025). Architecture : Mixture of Experts (MoE) pour les modèles V2/V3. Coût d'entraînement revendiqué de DeepSeek-V3 : environ 6 millions de dollars. Accès : API commerciale et modèles open-source sur Hugging Face. Impact boursier : chute de 17 % de l'action Nvidia le 27 janvier 2025.
Les modèles DeepSeek
DeepSeek a publié plusieurs modèles d'importance croissante. DeepSeek-V2 (mai 2024) a été le premier modèle DeepSeek à attirer l'attention internationale. Il utilisait une architecture "Mixture of Experts" (MoE), dans laquelle le modèle est divisé en nombreux "experts" spécialisés dont seulement une fraction est activée pour chaque token traité. Cette architecture permet d'avoir un modèle avec un grand nombre de paramètres total mais un coût d'inférence plus faible, car seule une partie du modèle est activée à chaque fois. V2 a été publié en accès ouvert (open-weight) avec une performance remarquable pour son niveau de ressources allouées.
DeepSeek-V3 (décembre 2024) a représenté une amélioration significative et a atteint des performances proches des meilleurs modèles d'OpenAI sur de nombreux benchmarks. Ce modèle aurait été entraîné en 2,788 millions d'heures GPU H800 sur environ 2 mois, pour un coût revendiqué d'environ 6 millions de dollars. À titre de comparaison, l'entraînement des modèles de la famille GPT-4 d'OpenAI aurait coûté entre 50 et 100 millions de dollars selon les estimations de l'industrie. DeepSeek-R1 (janvier 2025) est le modèle de raisonnement avancé de DeepSeek, conçu pour exceller dans les tâches nécessitant un raisonnement en plusieurs étapes (mathématiques, logique, programmation). Il a été comparé à o1 d'OpenAI et ses performances se sont révélées très compétitives sur les benchmarks spécialisés.
Performances et benchmarks
Les benchmarks académiques publiés par DeepSeek montrent des performances remarquables sur plusieurs dimensions. Sur les benchmarks de code (HumanEval, MBPP), DeepSeek-V3 et R1 atteignent des scores comparables ou supérieurs à GPT-4o et Claude 3.5 Sonnet. Sur les benchmarks de mathématiques (MATH, AIME), DeepSeek-R1 obtient des résultats compétitifs avec les meilleurs modèles de raisonnement du marché. Sur le benchmark MMLU (qui teste les connaissances générales), DeepSeek-V3 se place dans le top tier des modèles disponibles. Ces résultats ont été validés de manière indépendante par de nombreux chercheurs et entreprises qui ont testé les modèles après leur publication.
Cependant, les benchmarks ont des limites : ils évaluent des capacités spécifiques et peuvent ne pas refléter la performance dans des cas d'usage réels et variés. Des utilisateurs ont signalé que les modèles DeepSeek présentent des restrictions sur certains sujets politiquement sensibles en Chine (Tibet, Tiananmen, Taiwan, Xinjiang). Ces restrictions sont absentes ou moins prononcées dans les modèles américains, ce qui peut limiter l'utilisation de DeepSeek pour des recherches sur ces sujets précis. Par ailleurs, la question de la confidentialité des données envoyées à l'API DeepSeek (hébergée en Chine) soulève des préoccupations légitimes pour les entreprises et gouvernements occidentaux qui traitent des données sensibles.
Qu'est-ce que le Mixture of Experts (MoE) ?
Le Mixture of Experts (MoE) est une architecture de réseau de neurones dans laquelle le modèle est constitué de nombreux sous-réseaux spécialisés ("experts") et d'un mécanisme de routage qui dirige chaque input vers les experts les plus appropriés. Pour un token donné, seule une fraction des experts (souvent 2 à 8 sur des centaines) est activée pour calculer la réponse. L'avantage est qu'on peut avoir un modèle avec un grand nombre de paramètres total tout en gardant un coût d'inférence modéré. Cette architecture, adoptée par DeepSeek et Mistral (Mixtral) entre autres, permet de créer des modèles très efficaces avec un excellent rapport performance/coût de calcul.
La question des coûts d'entraînement
Le chiffre de 6 millions de dollars pour entraîner DeepSeek-V3 a été largement discuté et certains experts ont émis des réserves justifiées. DeepSeek revendique que le coût de la phase d'entraînement finale du modèle était de 5,576 millions de dollars. Mais ce chiffre ne comptabilise pas les coûts de recherche préliminaire, les essais et erreurs ("ablation studies"), le développement des techniques d'optimisation utilisées, et les investissements en infrastructure (achat des GPU, développement des logiciels de traitement, etc.). Les vrais coûts totaux de développement du modèle sont donc nettement supérieurs à 6 millions de dollars si l'on inclut tous ces éléments.
Ce qui est certain, c'est que DeepSeek a développé plusieurs innovations techniques importantes pour réduire les coûts d'entraînement : la quantification des activations (réduction de la précision numérique des calculs pour économiser de la mémoire), des algorithmes d'attention plus efficaces, et des optimisations dans la gestion du cache KV (Key-Value). Ces innovations, publiées dans des articles techniques open-source, ont immédiatement été adoptées par d'autres chercheurs et entreprises d'IA dans le monde, contribuant à une réduction générale des coûts d'entraînement dans l'industrie. C'est peut-être là le legs le plus durable de DeepSeek : non pas un modèle spécifique, mais des techniques d'efficacité qui profitent à toute la communauté de l'IA mondiale.
Les implications géopolitiques
L'émergence de DeepSeek a des implications géopolitiques importantes dans le contexte de la rivalité technologique USA-Chine. Le gouvernement américain avait conçu les restrictions d'exportation de semi-conducteurs vers la Chine précisément pour ralentir le développement de l'IA chinoise en la privant des GPU les plus puissants. La capacité de DeepSeek à développer des modèles très compétitifs avec des GPU moins avancés (les H800, version bridée des H100 encore exportable vers la Chine) remet en question l'efficacité de cette stratégie. Cela a relancé le débat aux États-Unis sur les politiques d'exportation : faut-il durcir encore les restrictions ou est-ce que les restrictions ont un effet limité face à l'ingéniosité des ingénieurs chinois ?
La publication des poids des modèles DeepSeek en open source (téléchargeables librement sur Hugging Face) est aussi une décision stratégique notable : en rendant ses modèles disponibles gratuitement au monde entier, DeepSeek crée une pression compétitive sur OpenAI et Anthropic qui ont des modèles fermés, se construit une réputation de transparence et de contribution à l'écosystème open-source, et diffuse potentiellement des technologies d'IA avancées dans des pays qui n'auraient autrement pas eu accès à des modèles de ce niveau. Cela a suscité des inquiétudes dans les cercles de sécurité nationale américains sur la diffusion de technologies sensibles via les modèles open-source sans restrictions d'accès géographiques.
Accès et utilisation
Les modèles DeepSeek sont accessibles de plusieurs manières. L'API DeepSeek est disponible à des tarifs très compétitifs, inférieurs à ceux d'OpenAI et Anthropic pour des capacités comparables en 2025. Le site chat.deepseek.com propose une interface de conversation comparable à ChatGPT, accessible depuis la plupart des pays. Les poids des modèles open-source (DeepSeek-R1 notamment) sont disponibles sur Hugging Face et peuvent être téléchargés et déployés sur sa propre infrastructure, ce qui est particulièrement utile pour les entreprises qui veulent éviter d'envoyer leurs données à des serveurs localisés en Chine.
Des préoccupations de sécurité et de confidentialité ont conduit plusieurs gouvernements et entreprises occidentaux à restreindre ou interdire l'utilisation de DeepSeek sur leurs équipements : l'Italie a temporairement bloqué l'accès, plusieurs administrations américaines ont interdit DeepSeek sur leurs appareils officiels, et des entreprises du CAC40 ont émis des circulaires internes conseillant à leurs employés de ne pas partager d'informations confidentielles avec l'API DeepSeek. Ces restrictions ne s'appliquent pas aux modèles déployés en auto-hébergement à partir des poids open-source, qui restent une solution viable pour les organisations soucieuses de leur souveraineté des données tout en voulant bénéficier des capacités des modèles DeepSeek.
Lire aussi : IA et outils pour étudiants et Big Data : définition et applications.
DeepSeek est-il vraiment moins cher à entraîner que ChatGPT ?
Les 6 millions de dollars revendiqués par DeepSeek pour entraîner DeepSeek-V3 sont à interpréter avec prudence. Ce chiffre correspond uniquement à la phase finale d'entraînement du modèle, pas aux coûts totaux de R&D incluant la recherche en amont, les architectures alternatives testées et rejetées, l'infrastructure de calcul amortie et les années de travail des ingénieurs. Si l'on compare uniquement les coûts de compute pour la phase d'entraînement finale, DeepSeek est clairement plus efficace que les modèles GPT-4 de la même génération. Des chercheurs et analystes estiment que la différence réelle d'efficacité d'entraînement est d'un facteur 3x à 10x. C'est quand même remarquable et représente une vraie avancée technique dans l'industrie de l'IA.
DeepSeek est-il sûr à utiliser pour les entreprises ?
La sécurité de DeepSeek dépend du contexte d'utilisation. Via l'API ou le site web DeepSeek (hébergés en Chine), les données envoyées sont potentiellement accessibles aux autorités chinoises, qui ont accès légal aux données des entreprises chinoises en vertu de la loi chinoise sur la sécurité nationale. Pour des usages professionnels avec des données confidentielles ou sensibles, l'API DeepSeek est donc déconseillée. Via l'auto-hébergement des modèles open-source (téléchargement des poids sur des serveurs propres), les données ne quittent pas votre infrastructure et les risques liés à la législation chinoise ne s'appliquent pas. Pour des usages personnels non-sensibles, DeepSeek via le site web présente des risques similaires à tout service IA grand public.
DeepSeek a bousculé les certitudes de l'industrie technologique en montrant qu'il est possible de développer des modèles d'IA de classe mondiale avec moins de ressources que ce que l'on croyait nécessaire. Cette démonstration, quelle que soit la géopolitique qui l'entoure, est une contribution importante à l'écosystème mondial de l'IA et une invitation pour tous les acteurs à optimiser davantage leurs processus d'entraînement et de déploiement.