Les États-Unis ordonnent le retrait de DeepSeek des systèmes informatiques de leurs administrations civiles fédérales. L’interdiction concerne aussi les logiciels qui utilisent ses modèles, même lorsqu’ils sont proposés par d’autres entreprises.
Une application peut parfaitement exploiter DeepSeek sans jamais afficher son nom. Et c’est précisément ce que Washington entend désormais empêcher dans ses administrations. Dans une décision datée du 24 juillet, mais rendue publique le 19 octobre, le département américain de la Sécurité intérieure (DHS) ordonne le retrait des technologies de l’entreprise chinoise des systèmes informatiques fédéraux civils.
La mesure va donc bien au-delà du simple chatbot et concerne également les fournisseurs de logiciels qui s’appuient sur les modèles de DeepSeek.
Une interdiction jusque dans les logiciels tiers
Les administrations concernées doivent supprimer les produits développés par DeepSeek ou ses filiales, mais aussi les solutions d’autres éditeurs qui utilisent sa technologie. Le texte interdit également tout nouvel achat de ces produits et services. Une procédure de dérogation était toutefois prévue, avec des demandes à déposer dans les soixante jours suivant l’émission de l’ordre.
En revanche, les particuliers américains peuvent toujours utiliser DeepSeek, tout comme les entreprises privées qui ne sont pas soumises à cette décision.
Pour justifier cette exclusion, le DHS évoque les risques de transfert de données sensibles vers la Chine et leur éventuelle exploitation à des fins de renseignement. Washington redoute également la présence de vulnérabilités ou de logiciels malveillants. Ces inquiétudes constituent le fondement de la décision, sans signifier que chaque application utilisant DeepSeek transmet effectivement des informations aux autorités chinoises.
DeepSeek ne se limite plus à son célèbre chatbot
Le laboratoire chinois s’est d’abord imposé avec V3 et R1, deux modèles qui ont bousculé le marché de l’IA générative. Le premier repose sur une architecture dite de « mélange d’experts », qui n’active qu’une partie de ses 671 milliards de paramètres à chaque étape du calcul. Le second s'est particulièrement illustré dans les tâches de raisonnement, les mathématiques et la programmation.
Depuis, DeepSeek a enrichi son catalogue avec V4 Pro et V4.1 Flash, ce dernier privilégiant notamment la rapidité et l’efficacité du calcul.
Mais la particularité de plusieurs modèles DeepSeek tient surtout à leurs poids téléchargeables. Ils peuvent être installés sur des serveurs indépendants, sans passer par l’infrastructure chinoise. Un assistant développé par une entreprise américaine peut donc utiliser cette technologie sans se connecter directement aux services de DeepSeek.
Cette souplesse explique pourquoi Washington vise aussi les logiciels tiers. Elle rend cependant les contrôles plus complexes, puisque l’origine d’un modèle n’est pas toujours visible pour l’utilisateur.
Après Huawei et DJI, l’IA chinoise entre dans le viseur
Les États-Unis ont déjà pris des mesures comparables contre plusieurs champions technologiques chinois, même si les mécanismes juridiques diffèrent.
Huawei figure depuis 2019 sur l’Entity List américaine, ce qui restreint fortement son accès aux technologies soumises aux règles d’exportation des États-Unis. Ces restrictions ont notamment compliqué son approvisionnement en composants électroniques.
Plus récemment, DJI a été touché par les restrictions américaines sur les drones fabriqués à l’étranger. Depuis décembre 2025, les nouveaux modèles concernés ne peuvent plus obtenir les autorisations nécessaires à leur commercialisation aux États-Unis, sauf exemption. Les appareils déjà autorisés peuvent toutefois continuer à être utilisés. Avec DeepSeek, Washington étend cette politique à une technologie bien moins visible qu’un smartphone ou un drone.
Source : Reuters
- Compréhension avancée du langage naturel
- Réponses adaptées à des contextes variés
- Disponible en plusieurs langues
Un modèle « open weights » est un modèle dont les poids (les paramètres appris) peuvent être téléchargés et exécutés localement sur ses propres serveurs, sans passer par le service cloud du concepteur. Cela permet à une entreprise ou une administration d’intégrer le modèle dans un produit interne, parfois sans dépendance technique visible vers le fournisseur d’origine. Conséquence : il devient plus difficile de détecter l’origine d’un modèle, car il peut être rebaptisé, « packagé » dans un logiciel tiers ou déployé dans une infrastructure privée. Pour une politique d’exclusion, cela impose de vérifier la chaîne d’approvisionnement logicielle (modèle, version, provenance, licences) plutôt que de se contenter de bloquer un site ou une application. C’est aussi ce qui explique pourquoi une interdiction peut viser les logiciels tiers qui embarquent ces modèles.
Le « mélange d’experts » est une architecture où le modèle est découpé en plusieurs sous-réseaux spécialisés (les « experts »), et un mécanisme de routage choisit lesquels activer pour chaque requête ou étape de calcul. L’idée est d’obtenir une grande capacité totale (beaucoup de paramètres disponibles) sans devoir tout calculer à chaque fois, ce qui réduit le coût de calcul effectif. On parle souvent de modèles « clairsemés » (sparse) car seule une fraction des paramètres est utilisée à l’inférence. En pratique, cela peut améliorer le rapport performance/consommation, mais ajoute de la complexité côté déploiement (optimisation, compatibilité GPU, monitoring du routage). Ce point est important pour comprendre comment certains modèles atteignent de bons scores sans des coûts systématiquement proportionnels à leur taille annoncée.
Le premier risque est l’exfiltration de données : des informations sensibles saisies dans un outil d’IA peuvent être envoyées vers des serveurs externes, enregistrées dans des logs, ou réutilisées pour l’entraînement si les réglages ne sont pas stricts. Même en exécution locale, il existe un risque de chaîne d’approvisionnement, par exemple un package logiciel, une dépendance ou une image de conteneur contenant une vulnérabilité ou un code malveillant. Les modèles et leurs outils (serveurs d’inférence, API, plugins) élargissent aussi la surface d’attaque, avec des failles possibles dans les bibliothèques, la configuration réseau ou l’authentification. Enfin, des attaques spécifiques à l’IA (prompt injection, extraction de données, empoisonnement de données) peuvent pousser le système à révéler des informations ou à produire des sorties dangereuses. Dans un contexte public, l’enjeu est de garantir la confidentialité, l’intégrité et la traçabilité des traitements, au-delà du simple choix d’un fournisseur.
