DeepSeek-R1 est un grand modèle de langage développé par l'entreprise chinoise DeepSeek, publié le 20 janvier 2025. Il a connu un succès retentissant, dépassant ChatGPT en tant qu'application gratuite la plus téléchargée sur l'App Store iOS aux États-Unis dès le 27 janvier 2025. L'efficacité du modèle et son approche open-source ont déclenché une réaction significative du marché, provoquant une chute de 18 % du cours de l'action de Nvidia le même jour, alors que les investisseurs réévaluaient la demande pour du matériel d'IA coûteux.
Cet événement a mis en évidence un changement dans le paysage de l'intelligence artificielle, où des modèles plus petits et plus efficaces pouvaient rivaliser avec leurs homologues plus grands. Le succès de DeepSeek-R1 a été décrit comme « bouleversant l'IA » et lançant « une course mondiale à l'IA », selon des observateurs du secteur. Les poids ouverts du modèle et son code d'infrastructure ont été salués pour contribuer à l'intelligence artificielle open-source, tandis que sa conformité aux politiques de censure du gouvernement chinois a soulevé des préoccupations concernant la vie privée et le contrôle de l'information.
Contexte et développement
DeepSeek a débuté comme une série de grands modèles de langage en novembre 2023, commençant par la série DeepSeek-LLM. L'entreprise, basée en Chine, se concentrait sur le développement d'architectures efficaces capables de concurrencer des acteurs établis comme OpenAI et Google. Les premiers modèles étaient similaires à LLaMA, utilisant des transformeurs denses à décodeur uniquement, mais les itérations ultérieures ont introduit des innovations telles que le mélange d'experts et l'attention latente multi-têtes.
Le 10 janvier 2025, DeepSeek a publié un Chatbot basé sur le modèle DeepSeek-R1 pour iOS et Android. L'application a rapidement gagné en popularité, et dès le 27 janvier, elle était devenue l'application gratuite la plus téléchargée sur l'App Store iOS aux États-Unis, dépassant ChatGPT. Cette adoption rapide a été motivée par l'accès gratuit du modèle et ses performances solides dans les tâches de raisonnement.
La sortie de DeepSeek-R1 faisait partie d'une stratégie plus large de DeepSeek visant à proposer des modèles à poids ouverts. Contrairement à de nombreux concurrents qui gardaient leurs modèles propriétaires, DeepSeek a rendu son code d'infrastructure et ses poids de modèle publiquement disponibles, permettant aux chercheurs et aux développeurs de les utiliser et de les modifier. Cette approche était alignée sur les principes de l'intelligence artificielle open-source et a contribué à sa popularité.
Impact sur le marché de Nvidia
Le choc sur le marché du 27 janvier 2025 a été déclenché par la perception que l'efficacité de DeepSeek-R1 pourrait réduire le besoin de ressources de calcul massives, qui sont au cœur de l'activité de Nvidia. Nvidia était devenu un fournisseur dominant de GPU pour l'entraînement et l'inférence en IA, avec une capitalisation boursière atteignant 3 000 milliards de dollars en 2024. La croissance de l'entreprise était alimentée par la demande des géants de la technologie et des start-ups.
Cependant, DeepSeek-R1 a démontré que des modèles performants pouvaient être entraînés avec moins de ressources, en utilisant des techniques comme le mélange d'experts et des mécanismes d'attention efficaces. Cela a soulevé des questions sur la durabilité du boom du matériel d'IA. Le 27 janvier, le cours de l'action de Nvidia a chuté de 18 %, effaçant des centaines de milliards de dollars de valeur de marché. Cette chute a été l'une des plus fortes baisses journalières de l'histoire de l'entreprise.
L'impact s'est étendu au-delà de Nvidia, affectant d'autres actions liées à l'IA et incitant les analystes à réévaluer la course pour la domination de l'IA. Certains experts ont soutenu que la réaction du marché était exagérée, notant que des modèles efficaces pourraient augmenter l'adoption globale de l'IA, potentiellement en stimulant la demande de matériel à long terme. D'autres y ont vu un signal que l'ère du « scale à tout prix » touchait à sa fin.
Innovations techniques
DeepSeek-R1 s'appuyait sur plusieurs avancées architecturales introduites dans les modèles DeepSeek précédents. L'architecture transformeur, qui sous-tend la plupart des grands modèles de langage modernes, a été affinée avec l'attention latente multi-têtes (MLA) et des couches de mélange d'experts (MoE). Ces innovations ont réduit l'utilisation de la mémoire et les coûts de calcul tout en maintenant les performances.
L'attention latente multi-têtes, introduite dans DeepSeek-V2, compressait les caches clé-valeur pour réduire les besoins en mémoire. C'était un départ du mécanisme standard d'attention multi-têtes utilisé dans des modèles comme LLaMA. L'architecture MoE, qui n'active qu'un sous-ensemble d'experts par jeton, permettait au modèle d'avoir un grand nombre de paramètres sans encourir de coûts de calcul proportionnels.
DeepSeek-R1 intégrait également des techniques pour améliorer le raisonnement, telles que l'apprentissage par renforcement et l'ajustement par critique auto-principlée. Ces méthodes ont amélioré la capacité du modèle à résoudre des problèmes complexes, y compris le raisonnement mathématique et la génération de code. Les performances du modèle sur des benchmarks étaient comparables à celles des principaux modèles des entreprises d'IA américaines, selon les tests utilisés par ces entreprises.
Utilisation et accessibilité
DeepSeek-R1 a été mis à disposition via le site officiel de DeepSeek et des applications mobiles, gratuitement, sans limite sur le nombre de requêtes. Les utilisateurs pouvaient s'inscrire en utilisant des services de messagerie mondiaux comme Gmail ou Yahoo. La version web avait un plafond de 500 messages par heure pour éviter le spam.
Pour les développeurs et les entreprises, DeepSeek offrait un accès API aux modèles R1 et V3 avec un modèle de tarification basé sur l'utilisation. En février 2025, le prix de l'API était d'environ 0,28 $ par million de jetons d'entrée et 0,42 $ par million de jetons de sortie, ce qui le rendait moins cher que certains services concurrents. Ce coût réduit était un facteur clé dans l'adoption du modèle.
Les poids ouverts du modèle permettaient un déploiement local, ce qui séduisait les organisations préoccupées par la confidentialité des données. Cependant, les pratiques de collecte de données de DeepSeek et sa conformité aux politiques de censure du gouvernement chinois ont suscité l'examen des régulateurs dans plusieurs pays. Certains gouvernements ont interdit l'application sur les appareils officiels, citant des préoccupations de sécurité.
Implications plus larges
Le choc du marché de DeepSeek-R1 a eu des implications significatives pour l'industrie de l'IA. Il a remis en question l'hypothèse selon laquelle seuls des investissements massifs dans le calcul pouvaient produire des capacités d'IA avancées. Cela a suscité des discussions sur l'efficacité du pré-entraînement et le potentiel pour les petits acteurs de concurrencer.
La chute de l'action de Nvidia a été un signal d'alarme pour les investisseurs, mais l'entreprise a continué à innover. Nvidia avait un historique d'acquisitions, y compris Mellanox et Arm (bien que cette dernière ait échoué), et ses GPU restaient essentiels pour les charges de travail d'IA. Les revenus liés à l'IA de l'entreprise ont continué de croître, et sa capitalisation boursière a finalement récupéré.
L'événement a également mis en évidence les dimensions géopolitiques du développement de l'IA. Le succès de DeepSeek a été considéré comme une étape importante pour l'IA chinoise, qui progressait rapidement malgré les contrôles à l'exportation sur les puces avancées. La collaboration entre DeepSeek et l'Université Tsinghua sur des modèles ultérieurs a souligné le rôle des institutions académiques dans la recherche en IA.
Développements ultérieurs
Après le choc initial, DeepSeek a continué à publier de nouveaux modèles. Le 3 avril 2025, en collaboration avec des chercheurs de l'Université Tsinghua, DeepSeek a publié un article dévoilant DeepSeek-GRM, qui combinait la modélisation de récompense générative et l'ajustement par critique auto-principlée pour améliorer la mise à l'échelle au moment de l'inférence. L'entreprise a déclaré que ces modèles seraient open-source.
Le 30 avril 2025, DeepSeek a publié DeepSeek-Prover-V2-671B, un modèle axé sur les mathématiques pour la preuve de théorèmes formels et le raisonnement mathématique. Le 24 avril 2026, DeepSeek a publié DeepSeek V4 et V4-Pro, suivi de DeepSeek-V4.1-Flash en septembre 2026. Ces publications ont poursuivi la tendance des modèles efficaces et à poids ouverts.
L'impact de DeepSeek-R1 sur le marché a été un moment décisif dans l'ère de l'IA générative. Il a démontré que l'innovation pouvait venir de lieux inattendus et que l'économie de l'IA n'était pas figée. L'événement a influencé les stratégies d'investissement, certaines entreprises diversifiant leurs fournisseurs de matériel au-delà de Nvidia, y compris AMD et AWS Trainium.
Conclusion
La sortie de DeepSeek-R1 et la chute subséquente du cours de l'action de Nvidia ont marqué un tournant dans l'industrie de l'IA. L'efficacité du modèle et sa nature open-source ont remis en question les hypothèses dominantes sur l'échelle et le coût. Bien que la réaction du marché ait été spectaculaire, elle a également stimulé des discussions sur l'avenir du développement de l'IA, le rôle du matériel et l'importance de l'accessibilité.
L'événement a souligné le rythme rapide de l'innovation en apprentissage automatique et l'interconnexion de la technologie et de la finance. Alors que l'IA continue d'évoluer, les leçons de DeepSeek-R1 - que l'efficacité et l'ouverture peuvent être aussi précieuses que la puissance brute - sont susceptibles de façonner l'industrie pour les années à venir.