DeepSeek V4-Pro 1.6T : Le “taux de Nvidia” atteint un nouveau prix minimum

DeepSeek V4-Pro 1.6T : Le “taux de Nvidia” a un nouveau prix minimum

Le chiffre indiqué dans l’annonce – 1,6 trillion paramètres – est un chiffre incorrect au départ. Le chiffre utile, c’est le nombre de paramètres qui sont effectivement activés pendant l’inférence.49 milliardsC’est donc une activation de 3 %. L’architecture s’appelle « Mixture-of-Experts » (MoE), ce qui signifie que le modèle répartit son intelligence entre des réseaux d’experts spécialisés, et dirige chaque token uniquement vers les experts nécessaires. Le résultat est un modèle dont les coûts de calcul ne s’accroissent pas linéairement en fonction du nombre total de paramètres. Un modèle de 1,6 T de paramètres peut se comporter comme un modèle de 49B en temps réel. Cette différence entre le nombre total de paramètres et le nombre de paramètres activés est la raison structurelle pour laquelle DeepSeek peut réduire les prix des APIs de 75 %, tout en continuant à fonctionner.

Le modèle V4-Pro, publié en tant que préview sur Hugging Face aujourd’hui, permet également un champ de contexte de 1 million de tokens. Il fonctionne avec une précision mixte comprimée : les poids experts sont stockés sous forme FP4, tandis que tout le reste est stocké sous forme FP8. Pour un champ de contexte de 1 million de tokens, son architecture d’attention hybride nécessite seulement 27 % des coûts de calcul correspondant aux modèles à un seul token, et 10 % du volume de mémoire nécessaire pour stocker le contexte, par rapport à la version V3.2 précédente. Ce ne sont pas des améliorations marginales ; il s’agit plutôt de modifications architecturales qui changent la manière dont les modèles avancés peuvent être exécutés.

Décomposition : D’où vient la baisse des prix ?

LeRéduction de 75 % sur le V4-ProCette mise en place permanente, après la fin de la période de promotion en mai, n’est pas une dépense inutile. C’est plutôt une structure de marge que l’écosystème matériel permet de mettre en œuvre.

Pour comprendre pourquoi, décomposons le prix en trois niveaux :

Étape 1 – La structure du modèle.Avec 49B paramètres actifs sur une capacité totale de 1,6T, l’inferrence nécessite environ 30 fois moins de calculs en FLOP que ce qu’un modèle dense d’une qualité équivalente nécessiterait. La précision mixte FP4/FP8 permet également de réduire encore la taille de la mémoire utilisée.

Niveau 2 – Le matériel.C’est ici que la dynamique des contrôles d’exportation joue un rôle important. DeepSeek n’a pas entraîné le modèle V4 sur des GPU Nvidia. Le modèle a été optimisé pour…Huawei Ascend 950 supernodesIl s’agit de processeurs d’IA chinois domestiques, dont la disponibilité est limitée par les mêmes contrôles d’exportation américains qui visaient à restreindre les capacités de l’IA en Chine. Mais comme les puces Ascend sont moins coûteuses à obtenir et à exploiter dans l’écosystème national chinois, et parce que l’architecture MoE est conçue pour minimiser la demande en FLOP, le coût total d’acquisition pour l’inference est structurellement plus bas.

Étape 3 – Le plafond de tarification.V4-Pro se charge maintenant environ…0,83 $ par million de tokens produitsPour les scénarios de demande de cache, le coût des accès au cache est d’environ 0,004 dollars par million de tokens (une réduction de 98 % par rapport au contexte chargé dans la cache). Même aux niveaux de surcoût en période de pointe – ce qui est annoncé dans la documentation de l’API, mais pas encore activé – le prix effectif double, atteignant environ 1,66 dollar par million de tokens de sortie.

Ce plafond reste encore inférieur à ce que les fournisseurs américains facturent. GPT-5.5, Claude Opus 4.7 et Gemini 3.1 Pro intègrent tous le coût lié à l’usure du cluster Nvidia H200 et Blackwell dans leur tarif par token. La différence ne relève pas d’une question de marge bénéficiaire ; il s’agit plutôt d’un problème de coûts. Les fournisseurs américains subventionnent donc une pile de matériel qui coûte de 5 à 10 fois plus cher par FLOP que l’alternative nationale de DeepSeek. Cette subvention a un nom dans la communauté des développeurs : « Le taxe Nvidia ».

Stratégie de prévisualisation : Anticiper avant les autres

Il y a un deuxième détail structurel que le nombre de paramètres masque.V4-Pro est encore en version préliminaire.Le modèle officiel publié est le V4-Flash.Lancé le 31 juilletAvec des poids ouverts complets, sous la licence MIT… C’est le petit frère : 284 milliards de paramètres au total, dont 13 milliards sont activés. De plus, il dispose d’un moteur de décodage spéculatif. Dans les benchmarks publiés pour les agents, la version Flash-0731 se montre supérieure à la prévisualisation V4-Pro.

Ce n’est pas une erreur. C’est un jeu de distribution.

En lançant d’abord Flash, et en offrant des poids ouverts à tous ceux qui souhaitent héberger le modèle eux-mêmes, DeepSeek inonde le marché des fournisseurs de modèles de traitement d’informations avec un modèle que les développeurs peuvent déployer immédiatement. Le modèle Flash est déjà suivi par diverses parties prenantes.Six fournisseurs d’API indépendantsCinq d’entre eux se situent au même niveau de prix. Une densité concurrentielle permet de baisser encore les prix. De plus, la disponibilité de ces services en version ouverte permet d’éviter le phénomène de “lock-in” que les fournisseurs américains introduisent dans leurs API fermés.

V4-Pro sera introduit plus tard – il est encore en phase de prévisualisation, et sa disponibilité générale devrait se faire réaliser vers la mi- ou fin août. À ce moment-là, les utilisateurs auront déjà migré leurs processus de travail vers l’architecture V4 via Flash. L’amélioration majeure est un processus de type “pull”, et non “push”.

Ce qui change dans le flux de capitaux

L’enjeu structurel ici n’est pas de savoir si le modèle de DeepSeek est aussi bon que GPT-5. Les benchmarks sont incertains et changent chaque semaine. L’enjeu structurel réside dans la manière dont les conditions économiques liées à l’inference d’IA sont modifiées de manière permanente.

Lorsque le coût d’inférence d’un modèle de classe frontière diminue de 75 %, l’impact sur les utilisateurs est non linéaire. Il se propage à travers tout le niveau d’application. Les startups qui nécessitaient auparavant 50 000 dollars par mois pour gérer leurs tâches d’inférence peuvent désormais fonctionner avec seulement 12 500 dollars par mois. Les équipes d’entreprise qui utilisaient des agents IA avec des contrôles de coûts stricts peuvent alors étendre leur déploiement sans avoir besoin de renégocier les contrats avec les fournisseurs. Le marché total pour les applications IA augmente précisément parce que le coût marginal de chaque appel d’inférence supplémentaire diminue.

Mais l’impact sur les fournisseurs de IA en amont est plus grave. Les fournisseurs de IA américains dont les modèles de revenus dépendent de marges élevées par token sont confrontés à une situation où ils ne peuvent pas contrôler les prix qu’ils fixent. Google, OpenAI et Anthropic ne peuvent égaler les prix de DeepSeek que si elles acceptent le différentiel de coûts lié aux équipements utilisés. Cela signifie soit réduire leurs marges, soit augmenter leur volume de vente pour compenser, ou les deux. Aucune de ces options n’est simple. La taxe imposée par Nvidia n’est pas une situation temporaire – c’est un avantage coûts structurel pour tout fournisseur qui peut utiliser des modèles sur des équipements non Nvidia.

Et voici l’inversion ironique : les contrôles d’exportation des États-Unis, conçus pour ralentir le développement de l’intelligence artificielle en Chine, ont peut-être été le principal facteur qui a conduit à ce résultat. En interdisant l’accès aux GPU avancés de Nvidia, ces contrôles ont forcé DeepSeek à développer des modèles qui sont fondamentalement plus efficaces en termes de calcul. Un modèle qui nécessite 97 % moins de paramètres actifs pour atteindre un niveau de performance élevé n’a pas besoin d’un cluster de GPU H200 valant 300 000 dollars pour fonctionner. Les contrôles d’exportation n’ont pas créé de blocage ; ils ont plutôt créé une incitation à construire des solutions alternatives.

Que regarder ensuite ?

• Date d’adoption générale de V4-Pro.La fenêtre de prévisualisation se ferme. Les dernières valeurs de mesure et la sortie du modèle à poids ouvert pour le modèle 1.6T détermineront si ce modèle peut rivaliser avec les autres modèles. Attendez l’actualisation de la carte modèle Hugging Face ainsi que tout changement dans les scores des tests d’agentique.
• Convergence des prix fournisseurs d’API.Le tarif de DeepSeek fixe un minimum, mais la densité concurrentielle des fournisseurs tiers déterminera dans quelle mesure les prix peuvent baisser. Si cinq ou plus de fournisseurs se situent en dessous du niveau de 0,83 tokens de sortie, alors l’effet de gravité est confirmé.
• Activation de la surcharge pendant les heures de pointe.DeepSeek a annoncé une augmentation de deux fois des prix de vente pendant les heures de pointe. Lorsque cela sera mis en œuvre et la manière dont les développeurs réagiront détermineront si la demande dépasse la capacité de l’infrastructure – ce qui indiquerait que le modèle est adopté plus rapidement que la capacité d’approvisionnement peut s’étendre.
• Réponse de l’opérateur américain.La question structurelle n’est pas de savoir si les fournisseurs américains vont baisser les prix. C’est plutôt de savoir s’ils peuvent maintenir leurs coûts dépendants de Nvidia face à un concurrent dont les coûts sont structurellement plus bas. Faites attention aux annonces de OpenAI, Anthropic et Google concernant des ajustements de tarifs permanents, en dehors des réductions promotionnelles.
• Élargissement de l’écosystème Huawei Ascend.Si d’autres laboratoires chinois commencent à former des personnel pour utiliser le matériel Ascend 910/950 et réussissent à obtenir des gains similaires en efficacité, alors l’avantage de DeepSeek devient un avantage de classe. C’est un signe que la “taxe Nvidia” n’est pas un phénomène spécifique à DeepSeek, mais plutôt un changement structurel dans les architectures matérielles utilisées.

Le nombre de paramètres était toujours un sujet d’attention. L’architecture, c’est l’histoire.