DeepSeek R1 : ce qui change quand entraîner devient abordable

DeepSeek R1, publié à poids ouverts le 20 janvier 2025, ajoute une option de raisonnement exécutable en interne, sans démontrer à lui seul un coût total d’entraînement inférieur. La distinction décide de ce qu’une entreprise doit en faire.

Un modèle de raisonnement est un modèle entraîné à produire une réflexion intermédiaire, plus ou moins longue, avant sa réponse finale. Cette réflexion améliore les résultats sur les problèmes à étapes multiples, au prix de jetons supplémentaires. Un modèle à poids ouverts est un modèle dont les paramètres sont publiés et peuvent être exécutés sur sa propre infrastructure.

Je distingue le niveau annoncé sur des évaluations publiques de la possibilité d’exécuter le modèle chez soi. Dans le dépôt publié ce jour, DeepSeek revendique des performances comparables à OpenAI o1 sur des tâches mathématiques, de code et de raisonnement ; c’est une affirmation des auteurs sur leurs tests, pas une équivalence démontrée sur tout usage.

Pour une organisation qui construit des systèmes, c’est le plancher qui compte. Le meilleur modèle du monde n’intervient que dans une petite fraction des appels ; l’essentiel du volume est traité par ce qui est bon marché et suffisant.

Un modèle de raisonnement à poids ouverts permet de tester cette capacité dans une architecture interne, mais R1 n’est pas le premier candidat ouvert et son niveau reste à évaluer. Qwen avait présenté QwQ-32B-Preview le 28 novembre 2024, sous Apache 2.0.

Les organisations contraintes, santé, défense, secteur public, pouvaient déjà traiter en interne l’extraction, la classification, la recherche documentaire. Le choix disponible ne prouvait pas qu’une solution interne répondait à chaque besoin ; il demandait déjà de tester les candidats et leurs limites.

Cette limite tombe pour une partie des cas. Un contrôle de conformité croisant plusieurs règles, une analyse de cohérence entre pièces d’un dossier : ces traitements peuvent être essayés localement, en vérifiant capacités, sécurité et absence de transfert.

Le cadre de décision ne change pas pour autant. Les quatre charges non fournies, mémoire, supervision, redondance, montée de version, restent entières, comme détaillé dans ce que télécharger des poids ne fournit pas. L’arbitrage d’ensemble entre hébergement interne et API est posé dans modèles ouverts : la souveraineté comme décision d’architecture.

Avant d’intégrer DeepSeek R1, il faut vérifier les langues de travail, le coût par résultat, les conditions de licence et les erreurs sur des cas représentatifs du service prévu.

• Le comportement en français. Un modèle évalué principalement en anglais et en chinois se dégrade souvent ailleurs. Voir le multilingue comme contrainte d’architecture.
• Le coût d’inférence, pas d’entraînement. Le coût d’entraînement ne vous concerne pas ; celui de chaque réponse, oui.
• La licence pour l’usage prévu, redistribution comprise si le modèle doit être livré à un client.
• Le comportement sur vos cas limites, mesuré sur votre jeu de tests plutôt que sur un classement public.

Le coût d’entraînement annoncé doit être lu avec son périmètre, puis distingué du coût de service, car une entreprise utilisatrice paie aussi inférence, exploitation et vérification des réponses. Deux raisons de ne pas en faire un critère.

La première est méthodologique. Un chiffre d’entraînement porte en général sur la dernière exécution réussie, sans compter les essais préalables, la constitution des données, ni les salaires. Le chiffre largement associé à DeepSeek concerne le modèle de base V3, pas le coût complet de R1. Le rapport V3 distingue l’entraînement officiel des recherches préalables et des essais d’architecture ou d’ablation exclus de ce montant. La comparaison entre deux annonces est donc rarement significative.

La seconde est pratique. Ce qui détermine votre coût est le prix de chaque réponse, en API ou en amortissement de matériel. Un modèle bon marché à entraîner peut être coûteux à servir, notamment s’il consomme beaucoup de jetons de réflexion. C’est le mécanisme décrit dans la réflexion devient un budget.

Une concurrence accrue pourrait peser sur les prix, sans garantir leur baisse ni son ampleur. Le coût par résultat doit être comparé à celui d’autres candidats, dont GPT-4o mini.

Pour une stratégie européenne, la disponibilité de poids permet d’évaluer des adaptations et des modèles spécialisés, mais leur pertinence dépend des données, des compétences et du coût de service. C’est le déplacement stratégique intéressant.

Viser un modèle généraliste concurrent des meilleurs suppose des moyens considérables et une course perpétuelle. Viser un modèle spécialisé, sur le droit français, sur un secteur industriel, sur un corpus réglementaire, devient réalisable, et l’avantage y est durable parce qu’il tient à la donnée et non au calcul.

Cette voie est aussi celle qui correspond aux besoins réels que je rencontre. Aucune organisation ne demande un modèle qui écrit des poèmes ; beaucoup demandent un modèle qui comprend leur vocabulaire métier et leurs textes de référence.

Tester DeepSeek R1 sur ses propres documents permet de comparer la tâche réelle, la langue, les erreurs et le coût de contrôle, que les classements publics ne reproduisent pas entièrement.

Rejouer son propre jeu de tests avant de conclure quoi que ce soit. Un classement public répond à une question générale ; votre jeu de tests répond à la seule question qui décide, celle de votre tâche sur vos documents dans votre langue.

Non, pas immédiatement : l’annonce de DeepSeek R1 ne justifie pas de changer un système en production, elle justifie de rejouer une comparaison que je recommande de planifier selon le risque et les changements du service. C’est la bonne réponse, même si elle déçoit.

La séquence saine est toujours la même :

1. Vérifier les prérequis : le jeu de tests existe, la couche d’abstraction aussi.
2. Ajouter le nouveau modèle comme une option, sans toucher au modèle en service.
3. Relancer le jeu de tests sur vos cas réels, dans votre langue.
4. Comparer le taux d’erreur et le coût par appel, en comptant les jetons de réflexion.
5. Vérifier la licence et les conditions d’hébergement au regard de l’usage prévu.
6. Décider : basculer progressivement si le résultat est meilleur, conserver l’existant sinon.

Si le candidat n’apporte pas de gain, les résultats conservés expliquent le maintien de l’existant. Dans les deux cas, la décision est instruite.

Ce qui serait déraisonnable, c’est d’ouvrir un chantier de migration sur la foi d’une annonce. Je recommande de préparer ce protocole avant de comparer les modèles, selon construire un jeu de tests en une journée.

Une formation IA peut utiliser cette comparaison comme exercice : expliquer une erreur en français, vérifier la source, mesurer le coût de la reprise et documenter la décision.

L’erreur principale face à une annonce de rupture est de confondre un déplacement du plancher du marché avec un changement de ce que votre système doit faire. Les autres erreurs en sont des variantes.

• Prendre le coût d’entraînement pour un coût d’usage, alors que l’usage exige de compter inférence, hébergement et contrôle ; un entraînement interne ajoute ses propres dépenses.
• Se fier à un classement public plutôt qu’à son propre jeu de tests.
• Oublier la langue : un modèle excellent en anglais peut décevoir sur des documents français.
• Sous-estimer l’exploitation d’un modèle hébergé, en ne comptant que le matériel.
• Négliger le coût des jetons de réflexion, qui peut rendre un modèle de raisonnement plus cher à servir qu’un modèle classique.

Pour qui démarre, le bon point d’entrée reste le cas d’usage et non le modèle, comme le rappelle l’IA générative en entreprise, de zéro au cas d’usage. Un audit IA permet de situer ce que ces nouvelles options changent réellement pour un système donné.