Lancement officiel de DeepSeek V4 Pro : le modèle 1.6T qui fonctionne à 57 fois moins cher.

Lancement officiel de DeepSeek V4 Pro : le modèle 1.6T qui fonctionne à 57 fois moins cher.

Le titre de référence est familier : DeepSeek V4 Pro 0813.Sorti le 13 aoûtLes résultats sont proches des meilleurs modèles de frontière sur les tests standard. Mais c’est là ce que le marché prend déjà en compte. La composante structurelle qui influence l’analyse est le coût par inférence ; les contraintes matérielles ont entraîné des retraits temporaires des produits dans certains cas. Enfin, cette combinaison nous permet de comprendre quelque chose au sujet de la chaîne d’approvisionnement en infrastructure pour l’IA.

Décomposition

Commencez par l’architecture. Le V4 Pro possède un total de 1,6 billions de paramètres, ce qui en fait l’un des modèles les plus importants utilisés en production. Mais il utilise une conception de type “mixture-of-experts” (MoE). Lors de l’inférence, seuls certains paramètres sont activés.49 milliards de ces paramètres sont actifs.Par “forward pass”. Cela signifie que l’intelligence du modèle n’est pas proportionnelle à sa taille de mémoire. C’est précisément ce détail qui distingue cette version du modèle d’une simple course aux paramètres.

Le petit frère, V4 Flash, fonctionne.284 milliards de paramètres au total, dont 13 milliards sont actifs.Même architecture, différents niveaux de coût. La structure familiale en elle-même est le premier signe : DeepSeek ne vend pas un seul produit. Il propose plutôt une gamme de prix-performances, où le niveau le plus élevé se rapproche des standards de pointe, tout en coûtant une fraction de ce que OpenAI ou Anthropic facturent par token produit.

Puis, regardons les mécanismes de tarification. Les premiers critères de comparaison communautaires pour le V4 Pro 0813 indiquent que sa note est…environ 87,9Dans la même classement, à seulement un chiffre décimal de 88,0 de Fable 5… maisEnviron 57 fois moins cher en termes de tokens de sortie.Ce n’est pas une erreur de arrondi. Avec un coût 57 fois inférieur, la question de la compétitivité change : on se demande plutôt « pourquoi quelqu’un a besoin de l’alternative plus chère ? »

Retrait NIM

Les chiffres de référence sont nouveaux, mais la situation liée à l’infrastructure qui précède ces chiffres est plus ancienne. Le 7 août, les modèles DeepSeek V4 Pro et V4 Flash ont été retirés discrètement de la plateforme NIM de NVIDIA, sans aucune notification préalable. Les utilisateurs qui consultent le catalogue ont vu que ces deux modèles étaient indiqués comme « dépréciés ». Selon les experts du domaine, NVIDIA avait besoin de capacités de serveur pour lancer prochainement le modèle Kimi K3 et le modèle DeepSeek mis à jour.

Cette dépréciation n’est pas une simple note de bas de page. Elle révèle le véritable obstacle dans la stack de l’IA. Les modèles ont été retirés parce que les équipements nécessaires pour les exécuter étaient déjà occupés. Ce qui posait problème, c’était l’intelligence, pas la capacité de calcul.

Le 13 août, le V4 Pro 0813 est officiellement lancé – de manière discrète, vers 23 heures, heure de Pékin. Aucun annonce ni aucune communication de presse n’ont été faites. Le même modèle qui ne pouvait pas être hébergé sur les serveurs d’inférence partagés de NVIDIA est désormais présenté sur la page de prix dédiée à DeepSeek. Ce passage d’une version préliminaire non officielle à une version officielle signale donc où se trouve le risque lié aux calculs : du hébergement par des tiers à l’infrastructure propre de DeepSeek.

Impact structurel

Quel impact un modèle MoE à paramètres de 1,6 T, avec un coût 57 fois inférieur, a-t-il sur le chaîne d’approvisionnement ?

Commencer par l’amont… L’hypothèse concernant les dépenses de construction des hyperscalers – Google, Microsoft, Amazon qui dépensent des centaines de milliards de dollars pour créer des clusters GPU – suppose que la demande d’inference à des prix élevés permettra de générer des revenus suffisants pour justifier ces investissements. Si un modèle qui se situe à seulement 1 point du niveau supérieur coûte une fraction du budget d’inference, alors le calcul des revenus par heure de GPU est mis à l’épreuve. Ce n’est pas une faille, mais plutôt une contrainte. La différence entre les dépenses de construction et les revenus d’inference représente le risque structurel que chaque actionnaire d’un centre de données porte implicitement.

Ensuite, on déplace vers le bas de la chaîne d’implémentation. La différence de coût de 57 fois est plus importante pour la couche d’implémentation que pour la couche du modèle. L’adoption de l’IA par les entreprises est restée limitée en raison des coûts d’inférence, et non en raison de l’existence de modèles intelligents. Lorsque le nombre de tokens produits diminue de 57 fois, les applications qui étaient économiquement peu rentables au prix élevé passent à une situation de rentabilité. Cela change donc le marché cible pour les agents d’IA, les recherches avec des contextes longs, la génération de code, et tous les types de tâches où le volume de sortie est le facteur de coût dominant.

Mais il y a une dynamique de deuxième ordre que la plupart des commentaires sur le marché négligent. L’architecture MoE en soi constitue le “bouclier concurrentiel”. Les modèles denses se dimensionnent de manière linéaire : si les paramètres sont doublés, le coût d’inférence augmente également. Les modèles MoE, quant à eux, se dimensionnent de manière moins importante : si les paramètres totaux sont doublés, les paramètres actifs restent inchangés. Le modèle DeepSeek 1.6T compte 49B paramètres actifs. Si la prochaine version atteint 3.2T avec encore 49B paramètres actifs, le niveau d’intelligence augmente sans que le niveau de calcul ne s’alimente. Cet asymétrie est ce qui rend cette architecture plus difficile à imiter qu’une simple stratégie consistant à construire un modèle plus grand.

La mise à l’écart de la NVIDIA NIM montre l’autre côté de la situation. Fournir des modèles contenant 1,6 T de paramètres à grande échelle nécessite une capacité en mémoire GPU que même les générations Hopper et Blackwell peinent à supporter – surtout pour le cache de type key-value lors de l’inférence avec de longs contextes. Le goulot d’étranglement matériel fait que l’avantage compétitif revient à celui qui contrôle à la fois l’architecture du modèle et l’infrastructure de service. Le choix de DeepSeek de passer de la NVIDIA NIM à un système d’inférence auto-hosté ne concerne pas seulement les coûts. Cela concerne aussi le contrôle.

Le Troisième Chemin

Le marché considère l’infrastructure de l’IA comme un choix binaire : soit les hyperscalers construisent des infrastructures de GPU massives, soit les startups investissent dans des chips ASIC spécialisés. Les deux approches présentent des défauts structurels. Les investissements des hyperscalers sont énormes, mais les revenus générés grâce à l’infrastructure de l’IA ne suffisent pas pour couvrir les coûts d’investissement pendant des années. Les startups qui utilisent des chips ASIC sont plus rapides pour certains types de tâches, mais elles manquent de la flexibilité nécessaire pour répondre aux besoins de l’IA au niveau des entreprises.

Le troisième chemin est celui que DeepSeek V4 Pro illustre : des modèles MoE à architecture ouverte qui séparent le niveau d’intelligence possible des coûts d’inference. Ces modèles peuvent être utilisés par ceux qui ont les moyens de disposer d’un cluster de GPU et qui optimisent l’ensemble du système de service. Ce n’est pas une histoire liée aux hyperscalers. Ce n’est pas non plus une histoire liée aux ASICs. C’est plutôt une disruption de coûts due à une architecture logicielle, où les contraintes matérielles deviennent le facteur limitant.

Quoi regarder

• Dépenses en infrastructure GPU de DeepSeek.La sortie officielle implique une inférence auto-hébergée à grande échelle. Combien de matériel DeepSeek est utilisé, et à quel coût ? Ce chiffre détermine si l’avantage de coût de 57x est durable ou s’il s’agit d’un soutien temporaire.
• Fréquence de rotation du modèle NVIDIA NIM.Si les modèles continuent d’être remplacés sans préavis, ce qui libère des ressources pour de nouvelles versions, la fiabilité de la plateforme en tant que couche d’inférence tierce diminue. Les partenaires qui utilisent NIM doivent connaître le taux de changement de modèles utilisés.
• Réponse aux tarifs de déduction des hyperscalers.Si OpenAI, Anthropic ou Google maintiennent les prix de haut niveau inchangés, tandis qu’une alternative quasi équivalente coûte un cinquième du prix, alors l’érosion de la part de marché sera structurelle, et non cyclique. Si ils baissent les prix, la pression sur les dépenses d’investissement par heure de GPU devient réelle.
• Adoption du MoE dans l’ensemble de l’industrie.Le rapport entre les paramètres actifs de 1,6 T / 49 B est le point fort de cette architecture. Si le Kimi K3, le prochain Opus, ou GPT-5 adoptent des designs MoE à grande échelle, la disruption économique se propagera dans l’ensemble du secteur, et non uniquement pour DeepSeek.
• Stabilité et temps de fonctionnement de l’API.Les incidents de dégradation du 4 août –Deux pannes distinctesCela affecte V4 Flash, V4 Pro et le mode Expert – cela s’est produit juste trois jours avant la suppression de NIM. Le lancement officiel a été silencieux, mais la fiabilité de la production à cette échelle de paramètres reste une question ouverte.

L’annonce concernée est une nouvelle licence de modèle. La situation représente un changement majeur dans les coûts, qui affecte les aspects économiques de chaque élément de la stack IA : depuis les justifications des dépenses en matière de GPU jusqu’aux seuils de déploiement pour les entreprises. La question n’est pas de savoir si le V4 Pro est compétitif. La question est plutôt à quel point le reste de la chaîne d’approvisionnement peut se réajuster rapidement dans un monde où l’intelligence de niveau avancé ne justifie plus des prix aussi élevés.