DeepSeek-R1 est un grand modèle de langage développé par l'entreprise chinoise DeepSeek, publié le 20 janvier 2025. Il s'agit d'un modèle de raisonnement à poids ouverts conçu pour effectuer des tâches logiques et mathématiques complexes avec une grande efficacité. Sa publication a provoqué des perturbations significatives sur les marchés technologiques mondiaux, car ses faibles coûts d'entraînement et d'inférence ont remis en question les hypothèses sur l'ampleur des investissements nécessaires pour les systèmes avancés d'intelligence artificielle.
Le succès du modèle a été décrit comme « bouleversant l'IA » et initiant « une course mondiale à l'IA », selon des analystes du secteur. L'approche open-source de DeepSeek-R1, combinée à des performances comparables à celles des rivaux propriétaires, a incité à une réévaluation du paysage concurrentiel dans le domaine de la IA générative. L'événement a également soulevé des préoccupations concernant la confidentialité des données et la conformité à la censure, entraînant un examen réglementaire dans plusieurs pays.
Choc de marché et vente massive d'actions
Le 27 janvier 2025, DeepSeek-R1 a dépassé ChatGPT en tant qu'application gratuite la plus téléchargée sur l'App Store iOS aux États-Unis. Cette étape a coïncidé avec un fort déclin des actions technologiques, notamment Nvidia, dont le cours de l'action a chuté de 18 % le même jour. La vente massive reflétait les craintes des investisseurs que les dépenses d'investissement élevées en infrastructure informatique par les entreprises américaines ne soient pas nécessaires, compte tenu de l'efficacité démontrée des coûts de DeepSeek.
L'impact sur le marché a été mondial, affectant les grandes entreprises technologiques, notamment Google, AMD et TSMC. L'événement a ensuite été qualifié de « choc DeepSeek » dans les médias financiers, soulignant comment une startup chinoise relativement petite pouvait perturber les valorisations des acteurs établis. La chute de la capitalisation boursière de Nvidia était particulièrement notable, car l'entreprise avait récemment atteint une capitalisation boursière de 4 billions de dollars à la fin de 2024.
Innovations techniques et efficacité des coûts
L'architecture de DeepSeek-R1 s'appuyait sur les modèles antérieurs de DeepSeek, intégrant des techniques de mélange d'experts et d'attention latente multi-têtes. Le modèle utilisait une structure transformeur à décodeur seul avec des experts partagés et routés, ce qui lui permettait d'activer seulement une fraction de ses paramètres par jeton. Cette conception réduisait considérablement les coûts d'inférence par rapport aux modèles denses de capacité similaire.
Le processus d'entraînement de DeepSeek-R1 était particulièrement efficace, utilisant prétendument moins de ressources informatiques que les modèles comparables des entreprises américaines. L'entreprise a publié des rapports techniques détaillés, contribuant à l'écosystème open-source. Son prix d'API, d'environ 0,28 $ par million de jetons d'entrée et 0,42 $ par million de jetons de sortie en février 2025, était bien inférieur à celui de nombreux concurrents, rendant l'IA avancée accessible aux petits développeurs.
Comparaison avec les concurrents
DeepSeek-R1 était positionné comme un concurrent direct de modèles comme Llama et ChatGPT. Contrairement à l'approche à code source fermé d'OpenAI, DeepSeek a publié ses poids et son code d'infrastructure, permettant aux chercheurs et aux entreprises d'exécuter le modèle localement. Cette ouverture a été saluée par la communauté de l'IA, bien qu'elle ait également soulevé des questions sur la durabilité des modèles propriétaires.
Dans les tests de référence utilisés par les entreprises américaines d'IA, DeepSeek-R1 a obtenu des performances comparables aux principaux chatbots dans les tâches impliquant les mathématiques, la logique et la programmation informatique. Ses capacités de raisonnement étaient particulièrement fortes, attribuées à des techniques comme le réglage critique auto-principlé et la modélisation de récompense générative, détaillées plus tard dans un article publié le 3 avril 2025 en collaboration avec des chercheurs de l'Université Tsinghua.
Préoccupations réglementaires et de confidentialité
La conformité de DeepSeek aux politiques de censure du gouvernement chinois et ses pratiques de collecte de données ont attiré l'attention des régulateurs dans plusieurs pays. Les préoccupations portaient sur le contrôle de l'information et la confidentialité des utilisateurs, car les données d'entraînement et les protocoles opérationnels du modèle étaient soumis aux lois chinoises. En réponse, certains gouvernements ont commencé à enquêter sur d'éventuelles restrictions à l'utilisation de DeepSeek dans des capacités officielles.
Le 27 janvier 2025, DeepSeek a subi une cyberattaque « à grande échelle » qui a perturbé les opérations des serveurs. L'entreprise a ensuite limité l'inscription de nouveaux utilisateurs aux numéros de téléphone de la Chine continentale, aux adresses e-mail ou aux connexions via un compte Google. Cet incident a mis en évidence la vulnérabilité du modèle aux acteurs malveillants et les tensions géopolitiques entourant son déploiement.
Impact plus large sur l'industrie de l'IA
La publication de DeepSeek-R1 a accéléré les discussions sur l'échelle des investissements en IA. Des entreprises comme Nvidia et OpenAI s'étaient appuyées sur l'hypothèse que des modèles et des centres de données toujours plus grands étaient nécessaires pour progresser. L'efficacité de DeepSeek a remis en question ce récit, entraînant des débats sur l'avenir du pré-entraînement et le rôle des modèles open-source dans l'industrie.
L'événement a également influencé les discussions politiques, notamment l'ordre exécutif américain sur l'IA et l'Acte sur l'IA de l'UE. Certains décideurs politiques ont soutenu que des modèles open-source comme DeepSeek-R1 pourraient démocratiser l'accès à l'IA, tandis que d'autres ont averti des risques de sécurité. Le choc de marché est devenu une étude de cas sur la manière dont les percées technologiques peuvent rapidement remodeler les paysages économiques et réglementaires.
Développements ultérieurs
Après la publication initiale, DeepSeek a continué à itérer sur ses modèles. Le 30 avril 2025, l'entreprise a publié DeepSeek-Prover-V2-671B, un modèle axé sur les mathématiques pour la démonstration formelle de théorèmes. Le 24 avril 2026, DeepSeek V4 et V4-Pro ont été lancés, suivis de DeepSeek-V4.1-Flash le 9 septembre 2026. Ces modèles ultérieurs se sont appuyés sur les innovations architecturales de R1, maintenant l'engagement de l'entreprise envers les principes open-source.
L'héritage de l'événement de janvier 2025 a persisté, les analystes notant qu'il marquait un tournant dans la course mondiale à l'IA. La combinaison de l'efficacité des coûts, des poids ouverts et des performances compétitives a forcé les acteurs établis à reconsidérer leurs stratégies, tout en soulignant les progrès rapides de la recherche chinoise en IA.
Conclusion
La publication de DeepSeek-R1 en janvier 2025 a été un moment charnière pour l'industrie de l'IA, démontrant que des modèles de raisonnement avancés pouvaient être développés et déployés à une fraction du coût auparavant supposé nécessaire. La vente massive qui en a résulté et l'examen réglementaire ultérieur ont souligné les implications considérables du modèle. Alors que les débats sur la confidentialité et la censure se poursuivent, l'événement a consolidé la position de DeepSeek en tant qu'acteur majeur dans le domaine et a redéfini les attentes pour l'avenir des grands modèles de langage.