Le nouveau modèle d'IA de DeepSeek bouleverse l'industrie technologique américaine

Un modèle de raisonnement open source de la startup chinoise d'intelligence artificielle DeepSeek incite l'industrie technologique à évaluer son impact potentiel alors que les actions des piliers technologiques américains ont chuté dans les échanges de lundi.

Le 20 janvier , DeepSeek, basé à Hangzhou, a publié son modèle R1, vantant ses performances comme étant à égalité avec le modèle de raisonnement OpenAI o1. R1 a explosé pour devenir le modèle le plus téléchargé sur l'App Store d'Apple, surpassant ChatGPT d'OpenAI. Il occupe une position de premier plan sur Chatbot Arena , le classement des tests d'IA.

DeepSeek a prévenu ses utilisateurs lundi matin qu'il était la cible d'« attaques malveillantes à grande échelle », ce qui a entraîné un ralentissement des inscriptions. « Les inscriptions peuvent être chargées. Veuillez patienter et réessayer », a indiqué l'entreprise. L'entrepreneur chinois Liang Wenfeng a fondé DeepSeek en 2023 avec des fonds de High Flyer, son fonds spéculatif quantitatif.

Mais ce qui perturbe vraiment les investisseurs - qui ont fait chuter le Nasdaq d'environ 3 % et la valeur du concepteur de puces d'IA Nvidia de plus de 15 % - c'est le coût estimé par DeepSeek pour développer le modèle V3 associé : 5,6 millions de dollars, contre des centaines de millions de dollars généralement nécessaires aux grandes entreprises américaines d'IA (voir : China's DeepSeek Aims to Rival OpenAI's 'Reasoning' Model ). En juillet 2024, le PDG d'Anthropic, Dario Amodei, a estimé le coût de la formation des modèles d'IA à environ 100 millions de dollars, mais a déclaré que les modèles en cours de développement coûteraient 1 milliard de dollars.

Le capital-risqueur Marc Andreessen a décrit vendredi R1 comme « l'une des avancées les plus étonnantes et les plus impressionnantes que j'aie jamais vues ». Le document technique de la société indique que DeepSeek l'a formé « via l'apprentissage par renforcement à grande échelle, RL, sans réglage fin supervisé, SFT, comme étape préliminaire ». Cette approche permet au modèle « d'explorer la chaîne de pensée, CoT, pour résoudre des problèmes complexes », ce qui en fait le premier modèle ouvert à découvrir que le raisonnement sur un modèle de langage à grande échelle peut être encouragé simplement par l'apprentissage par renforcement et sans réglage fin supervisé.

L'efficacité des coûts est frappante compte tenu des sanctions américaines interdisant la vente de puces avancées aux entités chinoises. DeepSeek a déclaré dans un article de décembre 2024 qu'il n'avait besoin que d'une fraction de la puissance de calcul pour entraîner le modèle V3, dont R1 est un raffinement. La société a déclaré avoir utilisé un cluster de 2 048 puces Nvidia modèle H800. Nvidia a conçu les puces H800 en 2023 comme une version conforme aux sanctions de sa puce phare H100 de l'époque. Les dirigeants de l'entreprise ont déclaré aux journalistes à l'époque que des entreprises technologiques chinoises telles qu'Alibaba, Baidu et Tencent ont déployé le H800 dans leurs offres de cloud computing.

Certains analystes du secteur ont émis un avis sceptique quant à la publicité faite par DeepSeek sur les coûts. Les analystes de Bernstein ont écrit lundi que le coût total de la formation de DeepSeek à la V3 était inconnu et supérieur aux 5,6 millions de dollars utilisés pour la puissance de calcul, a rapporté Reuters .

Garry Tan, PDG de Y Combinator, a écrit sur les réseaux sociaux que les avancées de DeepSeek profiteront à l'industrie technologique. « Si les modèles de formation deviennent moins chers, plus rapides et plus faciles, la demande d'inférence (utilisation réelle de l'IA dans le monde réel) augmentera et s'accélérera encore plus vite, ce qui garantit que l'offre de calcul sera utilisée », a-t-il déclaré.

Yann LeCun, responsable scientifique en IA de Meta, a exhorté l'industrie à regarder au-delà du cadre géopolitique. Pour Yann LeCun, le succès de DeepSeek illustre la montée en puissance de l'innovation open source par rapport aux modèles propriétaires. « DeepSeek a profité de la recherche ouverte et de l'open source, par exemple PyTorch et Llama de Meta », a écrit LeCun sur LinkedIn. « Ils ont eu de nouvelles idées et les ont développées en s'appuyant sur le travail d'autres personnes. Parce que leur travail est publié et open source, tout le monde peut en profiter. »

https://www.bankinfosecurity.com/deepseeks-new-ai-model-shakes-american-tech-industry-a-27381