DeepSeek : la puissance brute à prix cassé

Fin décembre 2024, un labo de Hangzhou publie les poids de DeepSeek V3, un modèle de 671 milliards de paramètres dont la dernière phase d’entraînement a coûté environ 5,6 millions de dollars. Le modèle rivalise pourtant avec les meilleurs modèles propriétaires sur le code et le raisonnement. Le 20 janvier 2025, DeepSeek R1 enfonce le clou, et une semaine plus tard Nvidia perd près de 600 milliards de dollars de capitalisation en une séance. La question qui agite alors les marchés tient en une ligne : à quoi servent les dizaines de milliards investis aux États-Unis si un labo chinois obtient un résultat comparable pour une fraction du prix ?

Seize mois plus tard, DeepSeek a livré la génération suivante. Elle a beaucoup bougé depuis son lancement, et la plupart des guides en ligne décrivent encore la situation d’avril. Ce guide fait le point sur la gamme telle qu’elle existe aujourd’hui, les trois niveaux de raisonnement, l’architecture qui fait baisser les coûts, la grille tarifaire à deux vitesses, puis les compromis qu’il faut accepter.

L’entreprise : un fonds quantitatif devenu labo d’IA

DeepSeek a été fondée en juillet 2023 à Hangzhou par Liang Wenfeng, qui dirige aussi High-Flyer, un fonds d’investissement quantitatif. Le fonds utilise l’apprentissage automatique pour ses stratégies de trading depuis des années, et il finance le labo sur ses propres ressources.

Cette origine explique la philosophie maison, qui consiste à tirer le maximum d’intelligence de chaque dollar dépensé. L’équipe compte quelques centaines de chercheurs et d’ingénieurs, bien moins que les grands labos américains. Elle publie ses modèles sous licence MIT : chacun peut les télécharger, les modifier, les redistribuer et les exploiter commercialement.

Le labo communique peu et publie beaucoup. Ses annonces tiennent souvent en une page de documentation et un article technique, sans conférence ni démonstration. Pour suivre DeepSeek, le journal des modifications de l’API et le compte Hugging Face deepseek-ai restent les sources les plus fiables.

La gamme actuelle : trois modèles et deux générations

Trois modèles comptent aujourd’hui. Deux sont servis par l’API officielle, le troisième a quitté l’API mais reste téléchargeable et sert de référence pour l’auto-hébergement.

DeepSeek V4.1-Flash, le nouveau modèle par défaut

Sorti le 10 septembre 2026, V4.1-Flash est le premier modèle d’une nouvelle famille. Il pèse 552 milliards de paramètres, mais il n’en active que 8 milliards pour lire votre demande et 16 milliards pour écrire la réponse. Il comprend nativement les images, accepte un million de tokens de contexte et peut produire jusqu’à 384 000 tokens en sortie. Sur l’API, il s’appelle deepseek-flash, et c’est lui qui répond dans l’application et sur le chat web. Ses poids sont publiés sous licence MIT.

DeepSeek le présente comme le plus petit modèle de sa nouvelle architecture. Sur les tâches d’agent et de code, il dépasse pourtant V4-Pro dans les chiffres publiés par l’éditeur, pour un prix nettement inférieur. Le raisonnement pur et les explications longues restent en revanche le terrain de V4-Pro.

DeepSeek V4-Pro, le modèle phare maintenu

V4-Pro compte environ 1 600 milliards de paramètres, dont 49 milliards activés pour chaque token. Présenté en préversion le 24 avril, il est passé en version finale le 13 août 2026 (version 0813), avec de nets progrès sur les tâches d’agent. Son identifiant API reste deepseek-v4-pro, et ses poids sont eux aussi publiés sous licence MIT.

Depuis le 10 septembre, V4-Pro n’est plus proposé dans l’application ni sur le chat web. DeepSeek avait même annoncé que toutes les requêtes API adressées à V4-Pro basculeraient vers V4.1-Flash le 14 septembre. Face aux protestations des utilisateurs, l’entreprise a fait machine arrière le lendemain.

We have decided to continue providing API services for DeepSeek V4 Pro after September 14, 2026, with the billing method remaining unchanged.

DeepSeek V4-Flash, retiré de l’API mais toujours téléchargeable

V4-Flash pèse 284 milliards de paramètres, dont 13 milliards activés par token. Sa version finale (0731) est sortie le 31 juillet, puis une variante expérimentale capable de lire les images a suivi le 21 août. Les deux ont été retirées de l’API le 10 septembre : l’identifiant deepseek-v4-flash fonctionne encore, mais il est redirigé vers V4.1-Flash. Les poids restent disponibles sur Hugging Face, et V4-Flash demeure le modèle DeepSeek récent le plus facile à faire tourner sur ses propres machines. L’article 3 de la série y revient en détail.

Trois niveaux de raisonnement, activés par défaut

Les modèles DeepSeek réfléchissent avant de répondre, et cette réflexion se règle. Sur l’API, le mode de réflexion est désormais activé par défaut, avec un effort high. Le paramètre reasoning_effort accepte trois niveaux.

• low : le modèle réfléchit brièvement. Ce niveau convient aux tâches simples pour lesquelles vous voulez tout de même une vérification rapide.
• high : le modèle déroule un raisonnement complet avant de répondre. C’est le réglage par défaut, adapté au code, à l’analyse et aux tâches d’agent.
• max : le modèle pousse la réflexion jusqu’à ses limites. DeepSeek recommande alors de prévoir au moins 384 000 tokens de sortie, et ce niveau se réserve aux problèmes durs de mathématiques, de science ou d’architecture logicielle.

Vous pouvez aussi désactiver complètement la réflexion pour obtenir une réponse directe, plus rapide et moins chère. Le raisonnement est facturé au tarif de la sortie, et c’est donc le premier réglage à surveiller sur la facture. La version téléchargeable de V4.1-Flash va plus loin, avec un effort réglable finement de 1 à 100.

L’architecture : pourquoi DeepSeek coûte si peu à servir

Le tarif plancher de DeepSeek repose sur des choix d’architecture publiés en détail dans ses articles techniques. Aucun n’est anodin, et c’est leur combinaison qui produit l’effet économique.

Le Mixture of Experts, ou l’intelligence clairsemée

Tous les modèles DeepSeek récents reposent sur une architecture Mixture of Experts (MoE). Le modèle est découpé en sous-réseaux spécialisés, les experts, et un mécanisme de routage choisit pour chaque token les quelques experts utiles. Sur V4-Pro, 49 milliards de paramètres travaillent pour chaque token alors que le modèle en contient environ 1 600 milliards. Le coût de calcul se rapproche donc de celui d’un modèle de 49 milliards, tandis que la connaissance stockée correspond à un modèle trente fois plus gros.

Une attention compressée qui rend le million de tokens utilisable

Beaucoup de modèles affichent un contexte d’un million de tokens, mais le servir coûte cher, car le calcul de l’attention grossit très vite avec la longueur du texte. La génération V4 résout ce problème avec une attention hybride à deux étages. La Compressed Sparse Attention regroupe les tokens en petits blocs résumés et ne regarde que les résumés les plus pertinents. La Heavily Compressed Attention écrase des blocs beaucoup plus larges pour garder une vue d’ensemble du contexte à coût quasi nul.

Selon l’article technique de V4, V4-Pro consomme ainsi, à un million de tokens, 27 % des opérations de calcul et 10 % de la mémoire de cache de V3.2. Deux autres briques complètent l’ensemble : des connexions résiduelles contraintes (mHC) qui stabilisent le signal sur les très longs contextes, et un entraînement avec l’optimiseur Muon en précision mixte, FP4 pour les experts et FP8 pour le reste.

V4.1 : un encodeur et un décodeur qui ne travaillent pas au même régime

V4.1-Flash change la structure même du modèle. Ses 40 couches se partagent entre un encodeur causal de 20 couches, qui lit votre demande, et un décodeur de 20 couches, qui rédige la réponse. La lecture mobilise 8 milliards de paramètres actifs, l’écriture 16 milliards. Ce découpage accélère le traitement des longs documents, qui représentent l’essentiel du coût dans les usages d’agent.

La mémoire de travail fond également. D’après DeepSeek, le cache de V4.1-Flash occupe quatre fois moins de mémoire GPU et huit fois moins de stockage SSD que celui de la génération précédente. Le modèle a par ailleurs été entraîné sur un corpus multimodal de 45 000 milliards de tokens, ce qui explique sa compréhension native des images.

Les benchmarks : ce que disent l’éditeur et les évaluateurs

DeepSeek publie ses scores sur la fiche Hugging Face de chaque modèle. Le tableau ci-dessous reprend ceux de la fiche de V4.1-Flash, qui compare les trois modèles de la gamme en effort de raisonnement maximal.

Deux constats ressortent. Sur l’agentique et le code, V4.1-Flash prend la tête de la gamme avec des écarts parfois importants, comme les 11 points gagnés sur DeepSWE face à V4-Pro. Sur le raisonnement scientifique, V4-Pro garde en revanche une avance d’un point et demi, ce qui rejoint les retours d’usage : les réponses de V4.1-Flash sont plus rapides, mais jugées plus courtes et moins fouillées pour les explications.

Ces chiffres restent ceux de l’éditeur. Le Center for AI Standards and Innovation (CAISI), l’organisme d’évaluation rattaché au NIST américain, a testé la préversion de V4-Pro sur ses propres benchmarks. Son rapport, publié le 1er mai 2026, place le modèle environ huit mois derrière les meilleurs modèles américains, au niveau de GPT-5, alors que DeepSeek le comparait à des modèles sortis deux mois plus tôt. Le même rapport constate que V4-Pro revient moins cher que GPT-5.4 mini sur cinq des sept tâches mesurées.

DeepSeek V4’s capabilities lag behind the frontier by about 8 months.

Un point faible, enfin, traverse toute la gamme : le rappel factuel encyclopédique. DeepSeek le reconnaissait dès le lancement de V4, et les scores de V4-Flash sur SimpleQA étaient nettement inférieurs à ceux des modèles propriétaires. Pour les questions de connaissance pure, le modèle se trompe plus volontiers, et un système de RAG branché sur vos propres données reste la meilleure parade.

Le prix de l’API : heures pleines et heures creuses

Le prix bas reste l’argument central de DeepSeek, mais la grille a changé deux fois entre août et septembre 2026. Le 16 août, l’API est passée à une tarification à deux vitesses, avec des hausses de 50 % à plus de 300 % selon les postes, que l’entreprise a justifiées par une demande supérieure à ses capacités de calcul. Le 10 septembre, l’arrivée de V4.1-Flash a fait redescendre le prix du modèle Flash. Voici la grille en vigueur, en dollars par million de tokens.

Modèle et période	Entrée en cache	Entrée hors cache	Sortie
V4.1-Flash, heures creuses	0,003 $	0,15 $	0,60 $
V4.1-Flash, heures pleines	0,006 $	0,30 $	1,20 $
V4-Pro, heures creuses	0,022 $	0,66 $	1,98 $
V4-Pro, heures pleines	0,044 $	1,32 $	3,96 $

Les heures pleines suivent le rythme des bureaux chinois : de 1 h à 4 h et de 6 h à 10 h UTC, du lundi au vendredi, hors jours fériés chinois. En heure d’été française, elles tombent de 3 h à 6 h et de 8 h à 12 h. Tout le reste du temps, y compris l’après-midi, la soirée et le week-end, l’API facture le tarif réduit de moitié. Pour un lecteur en France, le plus simple consiste donc à lancer les traitements lourds après le déjeuner.

Le cache automatique change aussi beaucoup la facture. Quand votre requête commence par le même texte qu’une requête récente (le même prompt système, les mêmes définitions d’outils), cette partie commune est facturée au tarif « en cache », cinquante fois moins cher que l’entrée normale sur V4.1-Flash.

Prenons un calcul concret. Une équipe envoie chaque jour un million de tokens en entrée et reçoit 500 000 tokens en sortie, un volume courant pour un pipeline d’extraction ou un assistant interne. Voici ce qu’elle paie sur un mois de trente jours.

• Avec V4.1-Flash aux heures creuses et sans cache, la facture atteint environ 13,50 $, dont 4,50 $ d’entrée et 9 $ de sortie.
• Si la moitié de l’entrée passe par le cache, elle descend à environ 11,30 $.
• Si tout tombe aux heures pleines, elle double et monte à environ 27 $.
• Le même volume sur V4-Pro coûte environ 50 $ aux heures creuses et 99 $ aux heures pleines.

Ces montants ne comptent que la réponse visible. Le raisonnement étant facturé comme de la sortie, une tâche qui réfléchit beaucoup peut doubler ou tripler la ligne « sortie ». Côté crédit gratuit, certains nouveaux comptes reçoivent un solde promotionnel, mais DeepSeek ne le garantit pas : vérifiez votre tableau de bord avant de compter dessus.

Comment accéder à DeepSeek

DeepSeek propose trois points d’entrée, chacun adapté à un profil différent.

Le chat web et l’application mobile

Le chat se trouve sur chat.deepseek.com, et l’application existe sur Android et iOS. L’inscription se fait avec une adresse e-mail, un compte Google ou un compte Apple, et l’interface s’affiche en français. Depuis le 10 septembre, il n’y a plus de choix de mode à faire. Les anciens modes rapide, expert et reconnaissance d’images ont fusionné en un seul, servi par V4.1-Flash, qui ajuste lui-même son effort à la difficulté de la question et active la vision quand vous envoyez une image. C’est le bon canal pour tester, prototyper et découvrir le modèle gratuitement.

L’API, sur platform.deepseek.com

L’API accepte trois formats : Chat Completions d’OpenAI, Messages d’Anthropic et, depuis juillet 2026, Responses d’OpenAI. Il suffit de pointer un SDK existant vers https://api.deepseek.com et d’appeler deepseek-flash ou deepseek-v4-pro. Cette compatibilité permet de brancher DeepSeek dans Claude Code, Codex, OpenCode ou GitHub Copilot sans changer d’outil. L’article 2 donne les réglages pas à pas.

Les poids ouverts, sur Hugging Face

V4.1-Flash, V4-Pro (0813) et V4-Flash (0731) sont publiés sous licence MIT. Vous pouvez les télécharger, les affiner, les redistribuer et les héberger commercialement. Le matériel nécessaire varie énormément d’un modèle à l’autre. V4-Flash tient sur deux GPU H200, voire sur une station bien dotée en mémoire grâce aux versions quantifiées de la communauté. V4.1-Flash demande en revanche plus de 600 Go de mémoire GPU, et V4-Pro davantage encore. L’article 3 détaille les configurations.

Ce que vous perdez au passage

Un modèle aussi performant pour quelques centimes paraît trop beau. Le tarif est réel, les compromis aussi, et il vaut mieux les connaître avant de s’engager.

Un écosystème encore mince

DeepSeek propose un chat, une API et des poids. L’application n’offre ni mémoire entre les conversations, ni connecteurs vers vos outils, ni marketplace d’extensions. Côté développeurs, l’entreprise a ouvert en août DeepSeek Harness, un cadre open source pour assembler ses propres agents, mais il reste en préversion. Pour un utilisateur sans équipe technique, l’écart avec ChatGPT, Claude ou Gemini reste important.

Un prix qui dépend de l’heure

Le tarif affiché dépend désormais du moment où la requête arrive. Une application qui répond à des utilisateurs en temps réel le matin paie le tarif plein, et DeepSeek a déjà montré qu’il pouvait relever ses prix du jour au lendemain quand ses serveurs saturent. L’API limite aussi le nombre de requêtes simultanées, à 2 500 pour V4.1-Flash et 500 pour V4-Pro, et renvoie une erreur 429 au-delà.

Une censure politique inscrite dans les poids

DeepSeek refuse de répondre, ou répond dans le sens du gouvernement chinois, sur les sujets sensibles en Chine : Tiananmen, Tibet, Taïwan, Xi Jinping, Falun Gong ou le sort des Ouïghours. Cette censure est apprise par le modèle lui-même, et l’auto-hébergement ne la fait donc pas disparaître. L’article 5 de la série traite ce sujet en détail.

Des données traitées en Chine sur l’API officielle

Les requêtes envoyées à api.deepseek.com sont traitées sur des serveurs soumis au droit chinois. L’Italie a limité le service dès janvier 2025, l’Allemagne a demandé à Apple et Google de retirer l’application de leurs boutiques, et plusieurs autorités européennes ont ouvert des enquêtes. Pour des données personnelles, un hébergeur tiers hors de Chine ou l’auto-hébergement s’imposent, comme l’explique notre guide IA et RGPD.

Des garde-fous de sécurité plus permissifs

Les tests indépendants menés sur R1 puis sur V3 ont montré des taux de contournement très élevés. Aucun test public d’ampleur comparable n’a encore été publié sur V4.1-Flash, ce qui ne permet pas de supposer une amélioration. Pour un produit ouvert au public, il faut donc filtrer les entrées et les sorties dans votre propre application.

V4-Pro a disparu de l’application

Les utilisateurs du chat gratuit n’ont plus accès au modèle le plus fort pour le raisonnement long. Pour s’en servir, il faut passer par l’API ou par un hébergeur tiers, en attendant un éventuel V4.1-Pro.

Le verdict : pour qui DeepSeek est-il le bon choix ?

DeepSeek offre toujours l’un des meilleurs rapports performance-prix du marché, et ses benchmarks, ses tarifs et ses poids sont publics. Le meilleur rapport performance-prix ne fait pourtant pas le meilleur outil pour tous les usages.

Quand DeepSeek est le bon choix

Sur les gros volumes de tokens à budget serré (classification, extraction, traduction, résumé), V4.1-Flash aux heures creuses est difficile à battre. Sur le code et les agents, V4.1-Flash branché dans Claude Code, Codex ou OpenCode donne des résultats solides pour une facture modeste. Pour héberger soi-même un modèle récent et garder la main sur ses données, V4-Flash reste la cible la plus accessible de la gamme.

Quand un autre modèle reste plus adapté

D’autres options restent plus adaptées si vous manipulez des données clients sensibles sans infrastructure d’auto-hébergement, si vous avez besoin d’un écosystème riche de connecteurs, si la conformité européenne est non négociable, ou si votre usage repose sur le rappel factuel pur sans RAG. Les séries consacrées à Mistral, modèle européen, ou à Qwen, autre famille chinoise en open weight, offrent des points de comparaison.

La règle pratique sur la gamme

Commencez par V4.1-Flash, dans le chat puis par l’API, sur un cas d’usage concret. Passez à V4-Pro seulement quand un test sur vos propres données le justifie, en particulier pour les explications longues ou le raisonnement scientifique. Sur cette gamme, Flash sert de défaut et Pro devient l’exception.