Quelques jours après la publication des restrictions américaines, DeepSeek serait sur le point de boucler une levée de fonds colossale. De quoi accélérer le développement de ses modèles d’intelligence artificielle et réduire sa dépendance aux technologies américaines.
Les États-Unis veulent chasser DeepSeek de leurs administrations. En Chine, les investisseurs semblent au contraire prêts à lui signer un chèque XXL. Selon Reuters, la start-up chinoise serait sur le point de réunir 100 milliards de yuans, soit près de 15 milliards de dollars, auprès d’une quinzaine d’investisseurs, parmi lesquels Tencent, CATL et plusieurs grands groupes industriels.
Un montant deux fois supérieur à l’objectif initial, qui témoigne de l’intérêt suscité par DeepSeek dans son pays. L’opération n’est toutefois pas encore officiellement bouclée et ses modalités pourraient évoluer.
Une levée de fonds qui tombe à pic pour DeepSeek
Le calendrier interpelle. Le 20 octobre dernier, Washington a publié une décision interdisant aux administrations fédérales civiles américaines d’utiliser les produits et services de DeepSeek, y compris certaines solutions tierces reposant sur ses technologies.
Mais contrairement à ce que pourrait laisser penser la proximité des deux annonces, cette levée n’a pas été organisée dans l’urgence pour répondre aux sanctions. Les discussions avec les investisseurs ont commencé dès l’été, tandis que la décision américaine avait été prise en juillet.
L'argent devrait notamment permettre au laboratoire chinois d’accélérer ses investissements dans les infrastructures de calcul. Selon le Wall Street Journal, DeepSeek travaille également avec Huawei pour transférer davantage de charges d’entraînement vers des puces chinoises. Les GPU de NVIDIA restent néanmoins utilisés pour les opérations les plus exigeantes.
L'enjeu dépasse donc le simple financement de nouveaux modèles. Il s’agit de bâtir une infrastructure capable de résister aux nombreuses restrictions technologiques imposées par Washington.
Après R1, DeepSeek poursuit sa course avec V4.1
En janvier 2025, DeepSeek-R1 avait bousculé le marché de l’IA en démontrant qu’un modèle de raisonnement chinois pouvait rivaliser avec des références américaines, à des coûts annoncés bien inférieurs.
Depuis, l’entreprise a multiplié les évolutions. Son modèle phare actuel, DeepSeek-V4.1-Flash, a encore été amélioré le 17 octobre avec la version 1017, notamment sur les tâches complexes de programmation.
Sous le capot, cette IA repose sur une architecture à mélange d’experts (MoE) qui compte 552 milliards de paramètres. Sa particularité est de n’en mobiliser qu’une fraction à chaque étape, environ 8 milliards pour traiter les données entrantes et 16 milliards pour produire les réponses.
Cette approche réduit la puissance de calcul nécessaire à chaque requête, même si héberger un modèle aussi imposant exige toujours une infrastructure conséquente.
Un concurrent qui prépare déjà la suite
DeepSeek ne cherche plus seulement à concurrencer ChatGPT auprès du grand public. Ses modèles à poids ouverts intéressent aussi les entreprises, qui peuvent les déployer sur leurs propres serveurs plutôt que de dépendre exclusivement d’une API.
Et les premiers résultats commerciaux semblent suivre. Toujours d’après le Wall Street Journal, Liang Wenfeng, le PDG de DeepSeek, indiquait aux investisseurs en septembre que les revenus de son entreprise avaient atteint un rythme annualisé d’environ un milliard de dollars, sans toutefois préciser si sa société était rentable.
La start-up préparerait également une introduction à la Bourse de Shanghai, potentiellement dès 2027. Selon Reuters, la levée de fonds privée en cours valoriserait DeepSeek à 500 milliards de yuans avant l’apport des nouveaux capitaux.
DeepSeek a contribué à rendre l’intelligence artificielle moins chère à utiliser. Mais pour continuer à rivaliser avec OpenAI, Anthropic et Google, le laboratoire chinois va devoir entrer un peu plus dans la course à la puissance.
- Compréhension avancée du langage naturel
- Réponses adaptées à des contextes variés
- Disponible en plusieurs langues
Une architecture Mixture of Experts (MoE) découpe un grand modèle en plusieurs sous-modèles spécialisés (experts) et utilise un composant de routage pour n’activer que les experts pertinents à chaque étape. Au lieu de faire tourner tous les paramètres à chaque requête, seule une fraction du modèle est réellement calculée, ce qui diminue les opérations nécessaires et donc le coût par réponse. Cela peut aussi améliorer les performances sur des tâches variées, car chaque expert se concentre sur un sous-domaine. En contrepartie, l’orchestration (routage, équilibrage de charge) et l’infrastructure restent complexes, et la mémoire/stockage nécessaires pour héberger l’ensemble du modèle demeure élevée.
Un modèle à poids ouverts fournit (totalement ou partiellement) les paramètres entraînés du réseau, ce qui permet à une entreprise de l’héberger et de l’exécuter sur sa propre infrastructure. À l’inverse, une API donne surtout accès à un service distant : on envoie une requête, on reçoit une réponse, sans contrôler l’environnement d’exécution ni le modèle sous-jacent. Les poids ouverts facilitent l’adaptation (fine-tuning), l’audit interne et certaines exigences de souveraineté ou de conformité (données, localisation). En échange, l’utilisateur doit gérer le déploiement, l’optimisation, la sécurité et les coûts GPU/serveurs, qui peuvent être importants sur de gros modèles.
L’entraînement de grands modèles nécessite des accélérateurs (souvent des GPU) capables de calcul massivement en parallèle, et l’offre la plus performante est historiquement dominée par des acteurs soumis aux règles américaines. Les contrôles à l’export et interdictions d’usage peuvent limiter l’accès aux puces, aux interconnexions, aux logiciels et parfois même à des services cloud, ce qui ralentit la montée en puissance. Pour contourner ce goulot d’étranglement, il faut soit sécuriser des stocks et des filières d’approvisionnement, soit migrer une partie des charges vers des puces alternatives (par exemple locales), souvent avec des compromis sur la maturité logicielle et l’efficacité. Résultat : la stratégie compute (choix des puces, datacenters, optimisation) devient un enjeu aussi important que la R&D sur les modèles eux-mêmes.
