Magazine LLM Opensource · 25 July 2026

DeepSeek V4 : le géant open-source à 1 000 milliards de paramètres qui bouscule l’ordre établi

Le 24 avril 2026, DeepSeek a dévoilé V4, un modèle Mixture-of-Experts de 1,6 trillion de paramètres totaux, ouvert sous licence MIT, avec une fenêtre de contexte d’un million de tokens et des performances annoncées proches des meilleurs modèles propriétaires. À un coût d’inférence six à sept fois inférieur à celui de Claude Opus 4.7 ou GPT-5.5, ce modèle chinois relance la compétition open-source et pose des questions géopolitiques inédites. Plongée dans ce qui pourrait être le tournant de l’année 2026 pour les LLM ouverts.

De Hangzhou à la domination : comment DeepSeek a construit un rival open-source aux GAFAM

DeepSeek est une entreprise chinoise basée à Hangzhou, spécialisée dans la recherche en intelligence artificielle. Si les détails précis sur son équipe fondatrice et son financement restent peu documentés publiquement, la société s’est imposée en moins de deux ans comme un acteur incontournable des LLM open-source. La chronologie des versions est éloquente : après DeepSeek V2 et V3, puis le modèle de raisonnement R1, DeepSeek a enchaîné avec V4 Preview le 24 avril 2026. Cette accélération s’inscrit dans une stratégie chinoise d’ouverture des modèles, en réponse directe aux restrictions d’exportation américaines sur les puces NVIDIA haut de gamme.

DeepSeek utilise notamment des puces Huawei (les Ascend 910B) pour contourner les limitations, comme le rapporte une analyse de VentureBeat. Cette dépendance au matériel chinois n’est pas anodine : elle permet à DeepSeek de maintenir une capacité d’entraînement malgré l’embargo, mais soulève aussi des questions sur la performance relative de ces puces face aux H100 ou B200 américaines. L’entreprise a néanmoins réussi à pré-entraîner V4 sur plus de 32 trillions de tokens en précision mixte FP4 et FP8, un exploit technique qui témoigne d’une optimisation logicielle poussée.

La stratégie open-source de DeepSeek est claire : en publiant les poids sous licence MIT, elle cherche à capter la communauté des développeurs mondiaux, à créer un écosystème autour de ses modèles, et à s’imposer comme une alternative crédible aux GAFAM. Comme le souligne un article de Forbes, cette approche « reshape the open-source AI race » en offrant des performances quasi état-de-l’art à un coût dérisoire. Mais ce choix n’est pas sans controverse, comme nous le verrons plus loin.

1 000 milliards de paramètres, 49 milliards actifs : plongée dans l’architecture MoE de V4

DeepSeek V4 repose sur une architecture Mixture-of-Experts (MoE) qui permet d’activer seulement une fraction des paramètres totaux pour chaque token traité. Le modèle se décline en deux variantes :

Les sources s’accordent sur ces chiffres (deepseek.fr, akaor.fr, deepseek-fr.ai). Le nombre exact d’experts dans le MoE n’est pas divulgué, mais le mécanisme de routage est optimisé par un nouveau système d’attention baptisé DeepSeek Sparse Attention. Cette attention hybride combine une attention dense locale (HCA) et une attention sparse globale (CSA), permettant de gérer efficacement la fenêtre de contexte d’un million de tokens sans explosion du coût mémoire.

La gestion du contexte long repose vraisemblablement sur des techniques de RoPE (Rotary Position Embedding) et de cache mémoire optimisé, bien que les détails précis ne soient pas confirmés indépendamment. DeepSeek propose deux modes de fonctionnement : Thinking (raisonnement pas à pas, similaire à la chaîne de pensée) et Non-Thinking (réponse directe). Cette flexibilité permet d’adapter le comportement du modèle selon la tâche.

Le pré-entraînement a été réalisé en précision mixte FP4 et FP8, ce qui réduit considérablement l’empreinte mémoire et accélère l’inférence. Les poids sont publiés sur Hugging Face sous licence MIT, permettant à quiconque de télécharger et d’exécuter le modèle localement.

Benchmarks : que valent vraiment les scores annoncés par DeepSeek ?

DeepSeek a communiqué des résultats de benchmarks impressionnants, mais il faut les prendre avec précaution en l’absence de vérification indépendante exhaustive. Voici les scores revendiqués par l’entreprise, compilés à partir de plusieurs sources (NxCode, deepseekv.pro, VentureBeat) :

• SWE-bench : 81 % (V4-Pro) – un score qui place le modèle au niveau des meilleurs modèles de codage.
• Codeforces : 3206 (V4-Pro) – un niveau compétitif, dépassant de nombreux modèles propriétaires.
• MMLU-Pro : égal à GPT-5.4 selon studeria.fr.
• HumanEval : non précisé dans les sources, mais les performances en programmation sont saluées comme les meilleures du marché open-source.

DeepSeek affirme que V4-Pro surpasse Claude Sonnet 4.5 et approche Claude Opus 4.5, tandis que V4 Pro Max (une variante non encore sortie) dépasserait GPT-5.2 et Gemini 3.0-Pro, tout en restant légèrement en dessous de GPT-5.4 et Gemini 3.1-Pro (source : akaor.fr). Ces comparaisons sont toutefois basées sur les propres benchmarks de DeepSeek, et non sur des classements tiers comme LMSys Chatbot Arena ou le leaderboard Hugging Face.

Un point important : les conditions de test (few-shot, température, nombre d’échantillons) ne sont pas documentées dans les sources accessibles. Il est donc difficile d’évaluer la robustesse de ces scores. Néanmoins, plusieurs analystes indépendants (VentureBeat, TechCrunch) confirment que DeepSeek V4 « closes the gap with frontier models », avec un retard estimé à 3-6 mois sur les meilleurs modèles propriétaires. En attendant les résultats du LMSys Chatbot Arena, ces chiffres doivent être considérés comme prometteurs mais non définitifs.

Le choc des prix : comment DeepSeek divise par six le coût d’inférence

L’argument le plus frappant de DeepSeek V4 est son coût d’inférence. Selon VentureBeat, le modèle coûte 1/6e du prix de Claude Opus 4.7 ou GPT-5.5. Un article de Numerama avance même un facteur 7 fois moins cher que Claude Opus 4.6. Les prix API exacts pour V4-Pro et V4-Flash ne sont pas publiés dans les sources, mais la comparaison est éloquente :

Cette différence s’explique par plusieurs optimisations logicielles : quantification FP4/FP8, utilisation de frameworks comme vLLM et TensorRT-LLM, et une architecture MoE qui réduit le nombre de paramètres actifs. La configuration matérielle minimale pour l’inférence serveur n’est pas spécifiée, mais un modèle de 49 milliards de paramètres actifs peut tourner sur un seul GPU H100 (80 Go) avec une quantification adaptée, tandis que V4-Flash (13B actifs) est accessible sur du matériel plus modeste.

Le coût d’entraînement n’est pas divulgué, mais l’utilisation de puces Huawei Ascend 910B et de la précision mixte FP4/FP8 a probablement permis de réduire la facture énergétique et matérielle par rapport aux géants américains.

Open-source chinois : cheval de Troie ou aubaine pour la recherche ?

La publication de DeepSeek V4 sous licence MIT est une aubaine pour la communauté open-source : poids téléchargeables, fine-tuning possible, déploiement local. Mais elle s’accompagne de controverses géopolitiques. Un article de MSN titre sans ambages : « China’s ‘open source’ AI isn’t a gift — it’s a Trojan horse ». Les craintes portent sur plusieurs points :

• Sécurité et confiance : un modèle entraîné en Chine pourrait contenir des biais politiques ou des backdoors. Aucune preuve n’a été apportée, mais la méfiance est réelle dans les gouvernements occidentaux.
• Restrictions d’exportation : les États-Unis limitent l’exportation de puces avancées vers la Chine. DeepSeek contourne en utilisant des puces Huawei, ce qui pourrait renforcer la souveraineté technologique chinoise.
• Dépendance technologique : adopter un modèle chinois pour des applications critiques expose à des risques de coupure ou de surveillance.

En pratique, de nombreuses entreprises et laboratoires de recherche occidentaux utilisent déjà DeepSeek V4, séduits par ses performances et son coût. La question de la confiance reste ouverte, mais la transparence de la licence MIT et la possibilité d’auditer le code atténuent les craintes. Comme le note VentureBeat, « DeepSeek V4 arrives with near state-of-the-art intelligence at 1/6th the cost », ce qui rend difficile pour les entreprises de l’ignorer.

Développeurs et entreprises : que change DeepSeek V4 concrètement ?

Pour les développeurs, DeepSeek V4 offre une compatibilité native avec les API OpenAI ChatCompletions et Anthropic, ce qui facilite la migration. Les poids sont disponibles sur Hugging Face, et des frameworks comme vLLM ou Unsloth permettent un déploiement rapide. Le fine-tuning avec LoRA est possible, comme le montrent les guides pour Qwen 3.5 (similaires en approche).

Les cas d’usage concrets incluent :

• Codage : les scores SWE-bench (81%) et Codeforces (3206) en font un outil de choix pour la génération et la révision de code.
• Raisonnement : le mode Thinking permet des chaînes de raisonnement complexes, utiles pour l’analyse de données ou la résolution de problèmes mathématiques.
• Contexte long : la fenêtre d’un million de tokens permet de traiter des documents entiers (livres, codebases, logs) sans découpage.

Les limites pratiques concernent la latence : un modèle de 49 milliards de paramètres actifs nécessite un GPU puissant pour une inférence rapide. V4-Flash, avec ses 13 milliards actifs, est plus adapté à la production. DeepSeek annonce que V4-Flash offre un bon compromis performance/coût pour les usages légers.

V4-Pro vs V4-Flash : la stratégie à deux vitesses de DeepSeek

DeepSeek adopte une stratégie similaire à celle d’OpenAI (GPT-5.5 vs GPT-5.2) ou d’Anthropic (Opus vs Sonnet) : un modèle « Pro » pour les tâches complexes et un modèle « Flash » plus léger pour la production. Le tableau ci-dessous résume les différences :

DeepSeek prépare également une version V4 Pro Max qui, selon les benchmarks internes, dépasserait GPT-5.2 et Gemini 3.0-Pro, et se rapprocherait de GPT-5.4. Cette segmentation permet de couvrir l’ensemble du marché, des startups aux grandes entreprises.

Vers un nouvel ordre des LLM ? Ce que DeepSeek V4 change vraiment

DeepSeek V4 n’est pas un modèle parfait. Ses scores, bien qu’impressionnants, manquent encore de validation indépendante sur tous les benchmarks. Son origine chinoise suscite des réticences légitimes. Mais il change la donne sur plusieurs plans :

1. Pression sur les prix : en proposant des performances proches de l’état-de-l’art à un coût six fois inférieur, DeepSeek force OpenAI, Anthropic et Google à revoir leur tarification. La guerre des prix s’intensifie.
2. Accélération de l’open-source : la licence MIT et la publication des poids sur Hugging Face rendent ces modèles accessibles à tous, stimulant la recherche et l’innovation.
3. Souveraineté numérique : pour les pays qui souhaitent éviter la dépendance aux géants américains, DeepSeek offre une alternative, même si elle est chinoise.

Les prochains mois seront décisifs : les classements LMSys et les évaluations indépendantes diront si DeepSeek tient vraiment ses promesses. En attendant, V4 est déjà utilisé par des milliers de développeurs, et son impact sur l’écosystème est indéniable. Comme le résume VentureBeat : « DeepSeek V4 arrives with near state-of-the-art intelligence at 1/6th the cost of Opus 4.7, GPT-5.5 ». Le nouvel ordre des LLM est peut-être en train de s’écrire, et il s’écrit en open-source.

Sources

• DeepSeek Benchmarks 2026: V4-Pro & V4-Flash Results
• DeepSeek V4 Review 2026: Benchmarks, Pricing, Architecture
• DeepSeek V4 (2026): 1T Parameters, 81% SWE-bench,… | NxCode
• DeepSeek V4 Open Source: 1M Context, Codeforces 3206, MIT License
• DeepSeek V4-Pro Review: Benchmarks, Pricing, Verdict (2026)
• DeepSeek V4 Pro: 80.6% SWE-bench, Open Source, and How to Use It (2026)
• DeepSeek V4 Officially Released: 1T Parameters, 81% SWE-bench, New Open …
• DeepSeek V4 Release: Specs, Benchmarks & Everything We Know
• China’s DeepSeek V4 And Qwen Reshape The Open-Source AI Race – Forbes
• DeepSeek-V4 arrives with near state-of-the-art intelligence at 1/6th the cost – VentureBeat
• DeepSeek previews new AI model that ‘closes the gap’ with frontier models – TechCrunch
• China’s ‘open source’ AI isn’t a gift — it’s a Trojan horse – MSN
• DeepSeek V4 : nouvelle génération – deepseek.fr
• DeepSeek V4 Pro & Flash : le modèle open-source chinois – infosia.fr
• 7 fois moins cher que Claude Opus 4.7 – Numerama
• DeepSeek V4 : un modèle d’IA open-source – mobigeeks.fr
• DeepSeek V4 – deepseek-fr.ai
• DeepSeek V4 : modèle IA open-weight 1000 milliards – idlen.io

Article recherché et rédigé automatiquement · Magazine Electrosens