Trois centimes de dollar par test. Le cabinet Artificial Analysis, basé à San Francisco, a mesuré le coût moyen d’exécution des principaux modèles d’intelligence artificielle sur des tâches complexes, et le résultat place DeepSeek V4-Flash dans une catégorie à part, très loin devant Kimi K3 de Moonshot AI (0,86 dollar), GPT-5.6 Sol d’OpenAI (1,86 dollar) et Claude Fable 5 d’Anthropic (3,15 dollar). La startup chinoise, qui préparerait selon plusieurs sources une introduction en Bourse, a publié ce modèle vendredi dernier avec des tarifs affichés à 0,14 dollar par million de tokens en entrée et 0,28 dollar en sortie.
Le fossé entre le prix affiché au token et le coût réel d’une tâche mérite qu’on s’y attarde. Artificial Analysis privilégie délibérément la mesure de coût par test parce qu’un modèle bon marché au token peut générer une facture élevée s’il multiplie les étapes pour atteindre une réponse. V4-Flash se révèle d’ailleurs verbeux, produisant environ deux fois le volume médian de tokens lors des évaluations, ce qui signifie que le coût en conditions réelles dépendra fortement de la nature du travail demandé.
Sur le plan des performances, V4-Flash a obtenu 50 points sur 100 à l’Intelligence Index (un agrégat de neuf benchmarks couvrant le code, le raisonnement et les tâches professionnelles), se hissant au niveau de Gemini 3.6 Flash de Google et à un point seulement de Muse Spark 1.1 (Meta) et GLM-5.2 (Z.AI). Les modèles les plus chers, dont Claude Opus 5 et GPT-5.6, conservent neuf points d’avance ou davantage. Mais qui, parmi les entreprises soucieuses de leurs marges, acceptera de payer cent fois plus pour neuf points supplémentaires ?
L’architecture explique en grande partie cette économie puisque V4-Flash est un modèle MoE (Mixture of experts) totalisant environ 284 milliards de paramètres, dont seulement 13 milliards sont activés par requête, couplé à un mécanisme d’attention hybride et une fenêtre de contexte d’un million de tokens. Plus de vingt fournisseurs le servent déjà, et DeepSeek travaillerait à la conception de sa propre puce d’inférence pour réduire sa dépendance aux semi-conducteurs de Nvidia et Huawei.
A lire également
La guerre des prix engagée par la Chine ne se limite d’ailleurs plus à DeepSeek. Alibaba a dévoilé lundi Qwen3.8-Max, son modèle le plus avancé, qui semble égaler ou dépasser Fable 5 d’Anthropic sur plusieurs benchmarks. Kimi K3 de Moonshot, ByteDance avec Seedance 2.5 pour la vidéo, Z.AI avec GLM-5.2… cinq modèles en huit semaines ont suffi à transformer ce qui ressemblait à un exploit isolé en janvier 2025 en une offensive industrielle coordonnée. « Le premier moment DeepSeek paraissait exceptionnel. Les publications récentes démontrent que la Chine dispose désormais d’un système reproductible pour produire des modèles proches de meilleurs modèles dit « frontiers ».
Un concept circule désormais dans l’industrie de l’IA, celui de « zone de mort DeepSeek », désignant l’espace où tout modèle qui facture davantage pour des performances équivalentes, ou qui offre moins pour le même prix, perd sa raison d’exister. Dermot McGrath, fondateur du cabinet shanghaïen ZenGen Labs, décrit un usage hybride devenu courant, où Claude Code d’Anthropic rédige le plan d’action et DeepSeek exécute le travail via des agents spécialisés, pour une fraction du coût. « Il y a quelques mois, je n’aurais pas fait ça. Les modèles chinois n’étaient pas aussi fiables pour l’appel d’outils ou les workflows d’agents de longue durée », reconnaît-il.
OpenAI et Anthropic préparent chacune une entrée en Bourse avec des valorisations visées d’au moins mille milliards de dollars, un objectif qui repose sur des marges élevées. S’il n’y avait pas ces modèles chinois en open source, OpenAI et Anthropic iraient à la banque en riant, mais ce n’est pas le cas, et la pression des labos chinois est en passe de faire voler en éclat leur modèle economique déja fragile. L’alternative existe désormais, elle coûte quelques centimes, et elle tire le plancher un peu plus bas à chaque itération.
