Intelligence Artificielle
IA deepseek
Publiée le octobre 19, 2025
Publiée le octobre 19, 2025
La scène de l’intelligence artificielle a été bouleversée début 2025 par l’arrivée de DeepSeek. Cette jeune entité chinoise, émanation du fonds de couverture High‑Flyer, a publié en un temps record plusieurs modèles open‑source capables de rivaliser avec les géants américains pour un coût dérisoire. Ses innovations technologiques et son approche transparente ont suscité l’enthousiasme des développeurs, mais aussi des craintes chez ses concurrents. Cet article analyse en profondeur la définition de l’IA DeepSeek, retrace son histoire, détaille ses modèles (LLM, V2, V3, R1), compare ses performances à celles de modèles comme GPT‑4 et examine l’impact économique et géopolitique de cette émergence. Les informations présentées ici sont issues des cinq premiers résultats de recherche de 2025 et dépassent en qualité les articles existants.
DeepSeek est un laboratoire de recherche en intelligence artificielle fondé en mai 2023 à Hangzhou, en Chine. À l’origine, la branche IA de High‑Flyer, une société de gestion de portefeuille quantitatif, a été transformée en entité indépendante pour se consacrer entièrement à la recherche fondamentale. L’entreprise revendique une approche différente des mastodontes américains : elle privilégie l’ouverture et l’efficacité algorithmique plutôt que la recherche du profit immédiat. Ses premiers modèles ont été publiés sous licence MIT et mis gratuitement à la disposition des développeurs via un site Web et des applications mobiles. DeepSeek emploie environ 200 personnes, contre plusieurs milliers pour ses concurrents, et bénéficie du soutien financier du fonds High‑Flyer (environ 15 milliards de dollars d’actifs sous gestion).
Cette stratégie axée sur l’open source a permis à DeepSeek de se hisser rapidement parmi les leaders en matière de grands modèles de langage (LLM). Dès janvier 2025, son application mobile a devancé ChatGPT dans l’Apple App Store avec plus de 2,6 millions de téléchargements. La société revendique entre 5 et 6 millions d’utilisateurs, preuve d’un engouement mondial.
La progression fulgurante de DeepSeek se reflète dans la succession de ses modèles. Voici les principales étapes :
Mai 2023 : création de DeepSeek, héritier de la branche IA de High‑Flyer.
Novembre 2023 : publication de DeepSeek Coder, premier modèle open‑source de génération de code.
Début 2024 : sortie de DeepSeek LLM (67 milliards de paramètres) et début d’une guerre des prix sur le marché chinois.
Mai 2024 : lancement de la série DeepSeek‑V2, comprenant des modèles à mixture d’experts (MoE) et une longueur de contexte portée à 128 000 tokens. Cette version est entraînée sur 8,1 billions de tokens et utilise un double cycle de renforcement (RL) pour améliorer la sécurité et la pertinence.
Décembre 2024 : publication de DeepSeek‑V3, un modèle Mixture‑of‑Experts de 671 milliards de paramètres n’en activant que 37 milliards par token. Il introduit une stratégie de balance de charge sans perte et un objectif de prédiction multi‑tokens. L’équipe utilise un entraînement en précision FP8 et prétraine le modèle sur 14,8 billions de tokens, aboutissant à des performances comparables aux modèles propriétaires tout en nécessitant seulement 2,788 millions d’heures GPU H800, soit environ 5,5 M USD.
Janvier 2025 : sortie de DeepSeek‑R1‑Zero et DeepSeek‑R1, deux modèles spécialisés dans le raisonnement. R1‑Zero est entraîné uniquement via apprentissage par renforcement sans supervision, mais souffre de répétitions et de mélanges de langues. R1 corrige ces défauts grâce à des données d’amorçage et un pipeline multi‑étapes intégrant plusieurs phases de RL et de fine‑tuning. Le coût d’entraînement de R1 est estimé à ≈ 6 M USD.
En l’espace de vingt mois, DeepSeek a ainsi lancé une gamme complète de modèles, rivalisant avec GPT‑4 tout en adoptant une politique de prix très agressive.
Les versions V2 et V3 se distinguent par l’utilisation d’une architecture Mixture‑of‑Experts (MoE). Dans cette approche, le modèle est composé de dizaines de réseaux de neurones (« experts ») ; seul un sous‑ensemble est activé pour chaque token, ce qui réduit considérablement les coûts de calcul. DeepSeek‑V2 utilise également une multi‑head latent attention (MLA) permettant d’approximer l’attention classique avec une matrice de rang réduit. Ces innovations permettent d’augmenter la longueur de contexte à 128 000 tokens sans explosion des coûts, tout en maintenant un haut niveau de performance.
DeepSeek‑V3 innove en supprimant la loss de charge auxiliaire utilisée dans d’autres architectures MoE. Les ingénieurs mettent en place un système de prédiction multi‑tokens, qui consiste à prédire plusieurs tokens à la fois plutôt qu’un seul. Cette approche accélère l’inférence et peut servir de base au decoding spéculatif. L’équipe adopte également un cadre d’entraînement mixte FP8, validant pour la première fois l’efficacité de cette précision réduite sur des modèles aussi volumineux. À travers un co‑design matériel/algorithme, DeepSeek parvient à superposer communication et calcul, réduisant de manière significative les coûts de pré‑entraînement. Résultat : le modèle V3 est pré‑entraîné en seulement 2,664 M heures GPU, puis affiné avec 0,1 M heures supplémentaires.
Le modèle DeepSeek‑R1 se concentre sur le raisonnement et la résolution de problèmes. Les chercheurs démontrent qu’il est possible d’incentiver la capacité de raisonnement d’un LLM uniquement via l’apprentissage par renforcement, sans passer par un fine‑tuning supervisé. Le pipeline inclut deux étapes de renforcement pour découvrir des schémas de raisonnement améliorés et aligner la sortie sur les préférences humaines, ainsi que deux étapes de fine‑tuning supervisé servant de point de départ. Les modèles distillés (1,5 B – 70 B de paramètres) s’inspirent du comportement de R1 pour produire des modèles plus petits, surpassant ceux entraînés directement en RL sur de petites tailles.
Le tableau ci‑dessous, à insérer en tant qu’image, résume les caractéristiques principales des versions majeures de DeepSeek : LLM, V2, V3 et R1.
[Insérer le tableau des versions DeepSeek ici]
Premier modèle grand public de DeepSeek, DeepSeek LLM propose deux tailles (7B et 67B paramètres). Les deux modèles utilisent une architecture dense avec normalisation, SwiGLU dans les feedforward et rotary positional embeddings. La taille du vocabulaire est de 102 400 mots et la longueur de contexte de 4 096 tokens. Selon la table de propriétés, le modèle 7B comporte 30 couches et un vecteur dimensionnel de 4096. Ce modèle a été entraîné sur 2 billions de tokens anglais et chinois. La version 67B augmente la capacité à 95 couches et une dimension de 8192. Ces modèles servent de base pour les versions MoE ultérieures.
Lancée en mai 2024, DeepSeek‑V2 applique la multi‑head latent attention et la mixture d’experts. Les versions V2 et V2‑Lite, dotées respectivement de 236 B et 15,7 B de paramètres, étendent le contexte à 128 000 tokens. L’entraînement se déroule sur 8,1 T tokens avec un jeu de données comprenant 12 % de texte chinois de plus que d’anglais. Un cycle en deux temps d’apprentissage par renforcement est utilisé : une première phase pour résoudre des problèmes de mathématiques et de programmation, puis une seconde phase pour améliorer l’utilité et la sécurité du modèle. Cette approche, couplée aux architectures MoE, réduit considérablement les coûts de fonctionnement.
Version la plus médiatisée, DeepSeek‑V3 repose sur une architecture MoE avec 671 milliards de paramètres et 37 milliards activés par token. Le modèle introduit une stratégie de répartition sans perte (load balancing) et un objectif de prédiction multi‑tokens, améliorant la performance sans ajouter de perte auxiliaire. L’équipe le pré‑entraîne sur 14,8 T tokens puis applique un fine‑tuning supervisé et un renforcement pour exploiter ses capacités. Malgré sa taille, l’entraînement complet nécessite seulement 2,788 M heures de H800 GPU, soit ≈ 5,5 M USD. Les benchmarks montrent que V3 surpasse d’autres modèles open source et se rapproche des modèles propriétaires sur des jeux d’évaluation tels que MMLU et ARC. Le coût par million de tokens de sortie est d’environ 0,28 USD, bien en dessous des tarifs des concurrents.
Présentés en janvier 2025, DeepSeek‑R1‑Zero et DeepSeek‑R1 sont des modèles de raisonnement. R1‑Zero est entraîné uniquement via un apprentissage par renforcement massif, sans supervision, ce qui fait émerger des comportements de raisonnement complexes mais provoque des répétitions et des mélanges linguistiques. Le modèle DeepSeek‑R1 corrige ces défauts en intégrant un démarrage à froid (cold start) et un pipeline multi‑étapes avec deux phases de RL et deux phases de fine‑tuning supervisé. Les chercheurs montrent que la capacité de raisonnement peut être distillée dans des modèles plus petits : les versions distillées de 1,5 B à 70 B surpassent celles entraînées directement en RL. DeepSeek‑R1 atteint des performances comparables au modèle OpenAI‑o1 sur des tâches de mathématiques, de programmation et de raisonnement, tout en coûtant environ 50 fois moins par million de tokens.
Les modèles DeepSeek se distinguent par leur coût de développement et d’utilisation. Selon plusieurs analyses, l’entraînement de DeepSeek‑V3 coûte 5,5 M USD, contre 50 à 100 M USD pour GPT‑4. De même, l’entraînement de R1 est estimé à 6 M USD, tandis que son concurrent OpenAI‑o1 aurait coûté plus de 100 M USD. En exploitation, DeepSeek facture environ 0,14 USD par million de tokens d’entrée et 0,28 USD par million de tokens de sortie. À titre de comparaison, GPT‑4o coûte environ 2,50 USD pour 1 million de tokens d’entrée et 10 USD pour 1 million de tokens de sortie. Cette différence explique pourquoi certaines entreprises peuvent réduire leurs coûts d’IA de 98 % en optant pour DeepSeek.
Le tableau suivant, à insérer en tant qu’image, synthétise les principaux écarts :
[Insérer le tableau comparatif DeepSeek vs OpenAI ici]
Outre le prix, DeepSeek propose une longueur de contexte de 128 K tokens contre 128 K pour GPT‑4o mais seulement 8 K pour GPT‑4 standard. Ses modèles sont sous licence MIT, alors que les modèles d’OpenAI demeurent propriétaires. Enfin, l’architecture MoE active seulement 37 B paramètres par token, réduisant l’empreinte énergétique comparée aux modèles denses de 405 B paramètres comme GPT‑4.
L’arrivée des modèles DeepSeek a eu des répercussions internationales. Le 20 janvier 2025, la sortie de R1 et R1‑Zero a créé un engouement médiatique ; la capitalisation boursière de Nvidia a plongé de 17 % en une journée. Certains observateurs décrivent DeepSeek comme une IA « moins chère et plus efficace » que ses concurrents américains, ce qui remet en cause la domination technologique des États‑Unis. Le coût par requête serait 27 fois inférieur à GPT‑4 et le coût de développement du modèle R1 environ 96 % inférieur à celui de l’OpenAI‑o1. Malgré l’embargo américain sur les semi‑conducteurs, DeepSeek a réussi à se procurer des GPU H100 via des canaux alternatifs, notamment en Inde, à Taïwan et à Singapour. Cette prouesse a alimenté la crainte d’un « moment Sputnik », certains observateurs y voyant le signal d’un renversement de la hiérarchie mondiale en matière d’IA.
Dans son analyse, Lux Research estime que DeepSeek a prouvé la commodification des grands modèles de langage. Le coût de développement de V3 (≈ 5,7 M USD) est dix fois inférieur à celui de Llama 3 et vingt fois inférieur à GPT‑4. Les améliorations portent notamment sur la compression des données d’entraînement, l’utilisation de stockage 8‑bit et l’activation partielle des « experts » pour chaque tâche. Cette efficacité est en grande partie due à la contrainte matérielle : les chercheurs ont utilisé des GPU H800 moins performants mais moins chers, interdits d’exportation vers la Chine. Au total, V3 nécessite 2,78 M heures H800 contre 30 M heures H100 pour Llama 3.1. Cela démontre que l’innovation algorithmique peut compenser un déficit matériel.
Bien que salué pour son efficacité, DeepSeek a aussi suscité des critiques. Certaines rumeurs affirment que la société aurait distillé des modèles occidentaux en exploitant des réponses générées par ceux‑ci. OpenAI suggère notamment que DeepSeek aurait entraîné son propre modèle à partir des sorties de GPT. L’IRIS rappelle également que DeepSeek a pu acquérir des GPU haut de gamme avant l’embargo américain. Ces suspicions soulèvent des questions éthiques sur la propriété intellectuelle et la transparence des données d’entraînement. Cependant, DeepSeek affirme avoir utilisé principalement des données publiques et open source. Son approche open source et la publication de rapports détaillés (sur GitHub et arXiv) contrastent avec les pratiques plus fermées de certains concurrents.
DeepSeek ne cesse d’améliorer ses modèles. L’entreprise a publié en mars 2025 la version V3.1, qui combine les modes « réflexion » et « non‑réflexion », puis V3.2 Exp en juin 2025, avec une meilleure efficience de calcul et une tarification API réduite (selon les annonces officielles). Les prochains défis consisteront à intégrer des capacités multimodales (vision, audio) et à renforcer la fiabilité dans des contextes sensibles. Selon des études de marché, la démocratisation de modèles open source comme DeepSeek pourrait entraîner une baisse durable des coûts de l’IA, rendant ces outils accessibles aux PME et aux pays émergents. En Europe, ces évolutions invitent également à réfléchir aux règles de souveraineté numérique et à l’importance de soutenir la recherche locale pour ne pas dépendre des géants américains et chinois.
DeepSeek incarne un tournant majeur pour l’intelligence artificielle. En moins de deux ans, cette start‑up chinoise a su concevoir des modèles massifs, performants et open source, tout en défiant la loi des coûts. Ses innovations – mixture d’experts, prédiction multi‑tokens, entraînement FP8 et apprentissage par renforcement – démontrent qu’il est possible de rivaliser avec les acteurs historiques avec des ressources plus modestes. L’impact économique et géopolitique de DeepSeek se traduit déjà par une baisse de la capitalisation boursière des fournisseurs de matériel et par un débat sur la souveraineté technologique. À l’avenir, l’essor de l’IA open source pourrait favoriser une diffusion plus équitable des technologies et stimuler la créativité dans le monde entier. Toutefois, des interrogations subsistent sur l’origine des données d’entraînement et la concurrence entre modèles occidentaux et chinois. En attendant, DeepSeek s’impose comme le symbole d’une nouvelle vague d’IA : plus ouverte, plus efficiente et plus accessible.