La préversion de DeepSeek V4 bouscule les modèles d’IA de pointe avec un contexte d’un million de tokens et des prix agressifs

Un nouveau concurrent s’approche de la frontière technologique

Le laboratoire chinois d’intelligence artificielle DeepSeek a publié des versions préliminaires de sa très attendue série de modèles V4, qui comprend deux variantes alliant une échelle considérable à une efficacité sans précédent. Lancés le 24 avril 2026, les modèles DeepSeek-V4-Pro et DeepSeek-V4-Flash marquent la tentative la plus ambitieuse de l’entreprise à ce jour pour contester la domination des géants américains de l’IA comme OpenAI, Anthropic et Google.

Cette publication intervient exactement un an après que le modèle de raisonnement R1 de DeepSeek a déclenché une déroute boursière d’un billion de dollars, en démontrant qu’il était possible de développer des capacités d’IA de premier plan à une fraction du coût généralement associé aux systèmes de pointe. Avec V4, DeepSeek entend désormais s’imposer non seulement comme une solution moins coûteuse, mais aussi comme un véritable concurrent en matière de capacités brutes, tout en maintenant la stratégie tarifaire radicale qui a d’abord attiré l’attention mondiale sur la start-up basée à Hangzhou.

Les deux modèles disposent d’une fenêtre de contexte d’un million de tokens, qui permet de traiter l’équivalent d’environ 15 à 20 romans entiers dans une seule invite. Ils reposent sur une architecture de mélange d’experts, qui n’active qu’une partie des paramètres lors de l’inférence. Fait particulièrement notable, l’entreprise a publié les modèles sous licence MIT permissive, autorisant leur utilisation commerciale et leur modification sans frais de licence, dans la continuité de son engagement en faveur du développement de modèles d’IA à poids ouverts.

Architecture technique et échelle

La série DeepSeek V4 propose deux configurations distinctes, destinées à différents cas d’usage. Le modèle phare V4-Pro est l’un des plus grands modèles à poids ouverts jamais publiés : il compte 1 600 milliards de paramètres au total, dont 49 milliards sont actifs lors de chaque opération d’inférence. La version plus compacte V4-Flash compte 284 milliards de paramètres, dont 13 milliards actifs. Elle est conçue pour les applications sensibles à la latence et le déploiement sur du matériel grand public.

Cette efficacité en matière de paramètres repose sur l’architecture de mélange d’experts, qui achemine chaque token d’entrée vers des sous-réseaux spécialisés au lieu d’activer l’ensemble du modèle. L’exploitation d’un modèle dense de 1 600 milliards de paramètres serait d’un coût prohibitif. Mais en maintenant le nombre de paramètres actifs à un niveau proche de celui de la génération précédente, V3.2, tout en élargissant le groupe d’experts, DeepSeek augmente les capacités de spécialisation dans le codage, les mathématiques et les tâches multilingues sans accroître les besoins de calcul dans les mêmes proportions.

Le dépassement de la limite du contexte long

Au cœur de l’architecture V4 se trouve ce que DeepSeek appelle son « architecture d’attention hybride », qui associe des mécanismes d’attention éparse compressée et d’attention fortement compressée. Cette innovation répond à l’un des défis persistants des grands modèles de langage : la dégradation de la qualité de récupération des informations lorsque la longueur du contexte augmente.

Les mécanismes d’attention classiques des transformeurs peinent à résoudre le problème de « l’aiguille dans une botte de foin » : les informations précises enfouies dans de longs documents deviennent de plus en plus difficiles à retrouver. DeepSeek affirme que son approche atteint une précision de 97 % sur les tests de récupération portant sur un million de tokens, contre 84,2 % pour les mécanismes d’attention classiques, ce qui permettrait de résoudre le problème de dégradation de la récupération qui affecte les modèles à contexte long.

Concrètement, le modèle peut traiter de façon fiable des bases de code entières, des ensembles complets de documents juridiques ou des années d’historique de conversation sans perdre de vue des détails précis. Pour les développeurs qui créent des systèmes de génération augmentée par récupération, cette capacité pourrait réduire, voire éliminer, le besoin de stratégies complexes de découpage en segments et de bases de données vectorielles externes.

Résultats aux tests : des capacités proches des modèles de pointe

D’après des évaluations indépendantes et les résultats publiés par DeepSeek, le modèle V4-Pro atteint un niveau de performance qui le rapproche des systèmes propriétaires les plus avancés. Au test SWE-bench Verified, qui évalue la capacité d’un modèle à résoudre de véritables problèmes GitHub dans des projets open source, V4-Pro obtiendrait environ 80,6 %, soit un résultat presque identique aux 80,8 % de Claude Opus 4.6 et supérieur à de nombreux précédents records de modèles open source.

V4-Pro se distingue particulièrement dans les tests de raisonnement mathématique. Le modèle obtiendrait 95,2 % au test HMMT 2026 et 89,8 % à IMOAnswerBench, dépassant Claude Opus 4.6 pour ce dernier, mais restant légèrement derrière GPT-5.4. Dans les évaluations de programmation compétitive mesurées par les classements Codeforces, V4-Pro obtient un score de 3 206, devant GPT-5.4 (3 168) et Gemini 3.1 Pro (3 052).

DeepSeek reste toutefois prudent dans son évaluation de la position globale du modèle parmi les systèmes de pointe. L’entreprise reconnaît que, dans les tâches de connaissances générales et de raisonnement, V4-Pro accuse un retard d’environ trois à six mois de développement sur Gemini 3.1 Pro de Google. L’écart s’est donc réduit, mais le modèle n’a pas encore atteint la parité absolue avec les systèmes propriétaires les plus avancés.

Grâce à l’augmentation du nombre de tokens de raisonnement, DeepSeek-V4-Pro-Max surpasse GPT-5.2 et Gemini-3.0-Pro sur les tests de raisonnement classiques. Ses performances restent néanmoins légèrement inférieures à celles de GPT-5.4 et Gemini-3.1-Pro, ce qui suggère un retard de développement d’environ trois à six mois sur les modèles de pointe les plus avancés.

La version V4-Flash affiche des performances étonnamment compétitives malgré sa taille plus réduite : elle obtient 86,2 % à MMLU-Pro, contre 87,5 % pour V4-Pro, et 91,6 % à LiveCodeBench, contre 93,5 % pour la version Pro. Cette efficacité laisse penser que, pour de nombreuses applications, le modèle Flash offrira des capacités suffisantes à un coût d’exploitation considérablement réduit.

Prix agressifs et bouleversement économique

L’un des aspects les plus perturbateurs de la sortie de V4 est sa stratégie tarifaire, qui prolonge la politique de DeepSeek consistant à proposer des prix inférieurs de plusieurs ordres de grandeur à ceux de ses concurrents occidentaux. Le modèle V4-Flash coûte 0,14 dollar par million de tokens d’entrée et 0,28 dollar par million de tokens de sortie. Il est ainsi moins cher que GPT-5.4 Nano d’OpenAI (0,20/1,25 dollar) et Gemini 3.1 Flash-Lite (0,25/1,50 dollar).

Le modèle phare V4-Pro coûte 1,74 dollar par million de tokens d’entrée et 3,48 dollars par million de tokens de sortie. Plus cher que la version Flash, il reste nettement moins coûteux que des modèles de pointe comparables. Claude Opus 4.6 coûte 5 dollars par million de tokens d’entrée et 25 dollars par million de tokens de sortie, tandis que GPT-5.4 facture respectivement 2,50 et 15 dollars. Le modèle phare de DeepSeek offre donc des résultats comparables aux tests pour un coût inférieur d’environ 50 à 80 %.

Ces prix agressifs sont rendus possibles par d’importants gains d’efficacité dans l’architecture du modèle. DeepSeek indique que, dans les scénarios utilisant un contexte d’un million de tokens, V4-Pro ne consomme que 27 % des opérations en virgule flottante nécessaires à son prédécesseur V3.2, et seulement 10 % de la taille de son cache clé-valeur. V4-Flash pousse encore plus loin ces gains d’efficacité : il n’utilise que 10 % des opérations en virgule flottante et 7 % de la taille du cache clé-valeur de V3.2.

Selon des analystes du secteur, cette pression sur les prix pourrait entraîner des ajustements plus larges du marché. Lorsque le modèle R1 de DeepSeek a été lancé à un coût d’utilisation de l’API inférieur d’environ 90 % à celui des offres comparables d’OpenAI, ses concurrents ont réagi en ouvrant l’accès à des modèles avancés aux utilisateurs de leur offre gratuite et en adaptant leurs propres tarifs. Une dynamique similaire pourrait se dessiner à mesure que V4 impose de nouveaux seuils de coût pour l’inférence de modèles d’IA, tant haut de gamme qu’économiques.

Indépendance matérielle et infrastructure d’entraînement

La sortie de V4 comporte un volet géopolitique et technique important : l’infrastructure utilisée pour son entraînement. Contrairement à la plupart des modèles d’IA de pointe, qui reposent principalement sur les GPU les plus avancés de Nvidia, DeepSeek aurait entraîné V4 à l’aide d’une combinaison d’accélérateurs d’IA Huawei Ascend 910B et de puces Cambricon MLU. La vérification a été effectuée sur la plateforme NPU Ascend de Huawei.

Cette évolution a des implications importantes pour le marché mondial du matériel d’IA. Les restrictions américaines à l’exportation limitant l’accès de la Chine aux puces Nvidia les plus performantes, DeepSeek a montré qu’il était possible de développer une IA de pointe à grande échelle à l’aide de puces chinoises. Si les résultats annoncés par le modèle résistent à un examen indépendant, ils valideraient Huawei et Cambricon comme solutions de remplacement viables à Nvidia pour l’entraînement de modèles d’IA à grande échelle et pourraient accélérer la diversification des chaînes d’approvisionnement en matériel d’IA.

Wei Sun, analyste principal de l’IA chez Counterpoint Research, a souligné que la capacité de V4 à fonctionner nativement sur des puces chinoises pourrait avoir des conséquences majeures pour les ambitions de Pékin en matière de souveraineté dans l’IA.

Cela accélérera aussi, à terme, les progrès mondiaux dans le domaine de l’IA.

Déploiement sur du matériel grand public

Malgré le nombre considérable de paramètres, DeepSeek souligne que les versions quantifiées de V4 peuvent fonctionner sur du matériel grand public. Selon l’entreprise, V4-Flash peut tourner sur une seule Nvidia RTX 5090 dotée de 32 Go de VRAM avec une quantification INT4, ou sur deux RTX 4090 offrant un total de 48 Go de VRAM avec une précision INT8. Le modèle Pro, dont les poids complets occupent 865 Go, est destiné à l’inférence en pleine précision sur des grappes de GPU réparties sur plusieurs nœuds, mais pourrait aussi prendre en charge des stratégies de déploiement en continu.

Cette accessibilité contraste fortement avec les modèles propriétaires de pointe, qui nécessitent un accès par API et une infrastructure de centre de données. Pour les développeurs soucieux de la confidentialité des données, de la latence ou de la prévisibilité des coûts d’exploitation, la possibilité d’héberger soi-même un modèle de la catégorie des mille milliards de paramètres sur du matériel disponible à l’achat marque une évolution importante de l’économie pratique du déploiement de l’IA.

Impact sur le marché et positionnement stratégique

La sortie de V4 intensifie la concurrence entre les développeurs chinois et américains d’IA, mais aussi au sein du marché chinois. Depuis la percée de DeepSeek avec R1, ses concurrents nationaux, notamment Qwen d’Alibaba, ByteDance et Moonshot AI, ont accéléré la sortie de leurs propres modèles. L’annonce de DeepSeek a immédiatement pesé sur les cours de ses concurrents : MiniMax et Zhipu ont chacun reculé d’environ 8 % à la Bourse de Hong Kong après la présentation de V4.

En parallèle de la sortie du modèle, DeepSeek chercherait pour la première fois à obtenir des financements externes. L’entreprise viserait au moins 300 millions de dollars, pour une valorisation supérieure à 10 milliards de dollars. Certains articles indiquent que des discussions avec Tencent et Alibaba pourraient porter cette valorisation à près de 20 milliards de dollars. Il s’agirait d’un changement stratégique par rapport à la dépendance initiale de l’entreprise à son seul fonds spéculatif maison, High-Flyer Capital Management.

L’entreprise fait toutefois face à des contraintes immédiates en matière d’infrastructure. DeepSeek a averti que la capacité de service de l’offre Pro est actuellement limitée en raison d’une pénurie de ressources de calcul haut de gamme. Une baisse significative des prix ne serait attendue qu’après le déploiement à grande échelle des « supernodes » Huawei Ascend 950, au second semestre 2026.

Cette sortie intervient également dans un contexte de tensions géopolitiques croissantes autour du développement de l’IA. La Maison-Blanche a récemment accusé la Chine de vol de propriété intellectuelle à l’échelle industrielle dans le domaine de l’IA. Le ministère chinois des Affaires étrangères a catégoriquement rejeté ces accusations, les qualifiant d’attaques infondées contre les progrès technologiques de la Chine. L’engagement de DeepSeek en faveur de publications open source sous licences Apache 2.0 et MIT contraste avec les stratégies de plus en plus fermées de nombreux laboratoires occidentaux de pointe et positionne l’entreprise comme un porte-étendard du développement de modèles à poids ouverts.

À retenir

• DeepSeek a publié des versions préliminaires de V4-Pro (1 600 milliards de paramètres, dont 49 milliards actifs) et V4-Flash (284 milliards de paramètres, dont 13 milliards actifs), toutes deux dotées d’une fenêtre de contexte d’un million de tokens
• Les deux modèles sont publiés sous des licences open source (MIT/Apache 2.0), qui autorisent leur utilisation commerciale et leur modification sans frais
• V4-Pro obtient des résultats comparables à ceux de Claude Opus 4.6 et GPT-5.4 pour les tâches de codage, à un coût inférieur de 50 à 80 %
• V4-Flash coûte 0,28 dollar par million de tokens de sortie. C’est l’option la moins chère parmi les petits modèles performants, à un prix inférieur même à celui de GPT-5.4 Nano d’OpenAI
• Les modèles ont été entraînés sur du matériel non Nvidia (puces Huawei Ascend et Cambricon), démontrant la viabilité de solutions de remplacement aux puces américaines pour l’IA
• Des innovations architecturales, dont l’architecture d’attention hybride, réduisent jusqu’à 90 % les besoins de calcul par rapport aux modèles de la génération précédente
• Les versions quantifiées peuvent fonctionner sur du matériel grand public, notamment une seule RTX 5090 ou deux RTX 4090
• DeepSeek reconnaît que, pour les tâches de connaissances générales, les modèles accusent un retard d’environ trois à six mois sur les systèmes de pointe les plus avancés
• Cette sortie accentue la pression sur les prix dans le secteur de l’IA et intensifie la concurrence au sein du marché chinois