En bref. Le 20 octobre 2026, DeepSeek a publié en open source DeepInfer, le moteur d’inférence qui fait tourner son modèle DeepSeek-V4.1-Flash en production. L’entreprise affirme qu’un de ses clusters génère environ 38 $ de revenus par GPU et par heure aux tarifs creux. Pour les organisations, trois conséquences : le coût des usages de l’IA devrait continuer à baisser, le choix du modèle doit se faire tâche par tâche, et la question de l’hébergement des données devient centrale. Nous détaillons ici ce qui est établi, ce qui ne l’est pas, et ce que nous recommandons.
Qu’a publié DeepSeek exactement ?
Un moteur d’inférence est le logiciel qui exécute un modèle d’IA pour répondre aux requêtes des utilisateurs. C’est lui qui détermine combien de requêtes une carte graphique (GPU) peut traiter, donc le coût de chaque réponse. DeepInfer est publié sur GitHub sous licence Apache 2.0. D’après sa documentation, il fonctionne sur les GPU Nvidia de génération Blackwell et sur les puces Huawei Ascend 950, et ne prend en charge pour l’instant que DeepSeek-V4.1-Flash, dont les poids sont eux-mêmes publiés sous licence MIT.
Un point mérite attention : le système de cache des conversations n’est pas inclus. La documentation indique qu’il est nécessaire pour un service complet, mais trop lié à l’infrastructure interne de DeepSeek pour être publié. Or c’est une part importante de l’avantage économique. Selon les documents publiés par DeepSeek et repris par la newsletter China AI Dispatch, ce cache est stocké sur environ 100 Pio de disques SSD et conservé trois jours pour le trafic des agents, sept jours pour celui des assistants conversationnels. Quand une conversation reprend, le texte déjà traité n’a pas à être recalculé. D’après la traduction des données de DeepSeek publiée par Latent Space, le taux de réutilisation du cache en entrée atteindrait 96 %. DeepSeek ne publie pas ce chiffre dans le dépôt lui-même.
Que disent vraiment les chiffres économiques ?
Dans les questions-réponses accompagnant la publication, DeepSeek indique qu’un cluster traite 155 000 milliards de tokens par jour et génère environ 38 $ par GPU et par heure aux tarifs creux. Le 23 octobre, l’équipe du projet open source vLLM a publié ses propres mesures : sur GB200, son débit en génération se situe à moins de 6 % des résultats publiés par DeepInfer, pour un revenu théorique de 38,96 $ par GPU et par heure aux tarifs creux de DeepSeek.
Il faut lire ces chiffres avec prudence. Ce sont des revenus, pas des marges. Ils ne comptent ni le stockage du cache, ni le réseau, ni les capacités inutilisées, ni les équipes. DeepSeek ne précise pas non plus le type ni le nombre de GPU du cluster concerné. Les calculs de rentabilité qui circulent (Latent Space avance par exemple un retour sur investissement de 81 jours) reposent sur des hypothèses de coût propres à leurs auteurs.
Ce qui est solide, en revanche, c’est la tendance. Les techniques qui permettent ces coûts sont désormais publiques et reproductibles par d’autres hébergeurs. La pression à la baisse sur le prix des tokens devrait donc se poursuivre.
Faut-il toujours utiliser le modèle le plus puissant ?
Non. L’écart de prix entre modèles est considérable, et beaucoup de tâches n’ont pas besoin du modèle le plus avancé. Voici les tarifs relevés par Artificial Analysis fin octobre 2026 :
| Modèle | Entrée (par million de tokens) | Sortie (par million de tokens) | Prix moyen pondéré* |
|---|---|---|---|
| DeepSeek V4.1 Flash | 0,30 $ | 1,20 $ | 0,18 $ |
| Claude Opus 5.5 | 4,00 $ | 20,00 $ | 2,94 $ |
*Pondération Artificial Analysis : 70 % d’entrée en cache, 20 % d’entrée, 10 % de sortie. DeepSeek applique en outre une réduction de 50 % en heures creuses.
Le rapport est d’environ un à seize sur le prix moyen. Mais le prix par token ne dit pas tout : un modèle plus capable peut réussir du premier coup là où un modèle moins cher demande plusieurs essais ou une relecture humaine plus longue. Le bon indicateur est le coût par tâche réussie, mesuré sur vos propres cas : trier des courriels, résumer des comptes rendus, extraire des données de factures n’appelle pas le même modèle que rédiger une analyse juridique ou piloter un agent sur plusieurs étapes.
Où vont vos données si vous utilisez DeepSeek ?
Il faut distinguer deux situations très différentes.
- L’API ou l’application de DeepSeek : les données sont traitées par un fournisseur chinois. La Chine ne bénéficie d’aucune décision d’adéquation au titre du RGPD. L’autorité italienne de protection des données a bloqué l’application DeepSeek dès janvier 2025, et le 19 octobre 2026 le département américain de la Sécurité intérieure a ordonné aux administrations fédérales civiles de retirer les produits DeepSeek.
- Le modèle open weights hébergé par vous ou par un hébergeur européen : les poids sont téléchargeables et peuvent être exécutés sur une infrastructure dont vous maîtrisez la localisation et les accès. Aucune donnée ne part alors vers DeepSeek. C’est précisément ce que la publication de DeepInfer et le travail de vLLM rendent plus accessible.
Notre règle est simple : n’envoyez jamais de données sensibles à une API dont vous ne maîtrisez pas l’hébergement, quel que soit l’éditeur. Données clients, données de santé, documents RH, informations financières non publiées : ces contenus doivent rester dans un environnement contractuellement et techniquement maîtrisé.
Quels risques faut-il encadrer ?
- Conformité RGPD : base légale, transferts hors Union européenne, durée de conservation, sous-traitance. Un modèle auto-hébergé reste un traitement de données à documenter.
- AI Act : selon l’usage (recrutement, évaluation de personnes, accès à des services), des obligations s’appliquent à l’organisation qui déploie le système, quel que soit le modèle utilisé.
- Dépendance : construire un processus sur un seul fournisseur, quel qu’il soit, expose à ses changements de prix, de conditions ou de disponibilité, voire à une interdiction réglementaire.
- Usages non déclarés : un modèle gratuit et performant attire les collaborateurs. Sans règle claire, les données partent là où personne ne les a autorisées. Nous détaillons ce point dans notre article sur les risques de l’IA en entreprise et le shadow AI.
Questions fréquentes
DeepInfer est-il utilisable directement par une organisation ?
Pas sans équipe technique spécialisée. Le moteur cible des GPU récents en grand nombre, et le cache des conversations n’est pas fourni. Pour la plupart des organisations, l’effet sera indirect : des hébergeurs proposeront des modèles open weights à des prix plus bas.
Un modèle open weights est-il forcément conforme au RGPD ?
Non. Il permet de maîtriser l’hébergement, ce qui facilite la conformité, mais le traitement doit toujours être documenté, sécurisé et justifié.
Le prix des tokens va-t-il continuer à baisser ?
La tendance va dans ce sens, mais personne ne peut garantir son rythme. Raisonnez en coût par tâche et revoyez vos choix de modèles régulièrement.
Faut-il remplacer nos outils actuels par DeepSeek ?
Pas nécessairement. La question n’est pas de changer d’outil, mais d’affecter le bon modèle à chaque tâche, dans un cadre maîtrisé. Notre guide pour choisir son outil d’IA détaille les critères.
Passer à l’action
Ce que nous recommandons aux directions générales, DSI, directions financières et achats :
- Cartographier les usages : quels outils, quelles tâches, quelles données. Notre méthode est présentée dans l’article sur la cartographie des usages de l’IA.
- Mesurer le coût par tâche : tester deux ou trois modèles sur vos cas réels et comparer coût, qualité et temps de relecture.
- Adopter une politique de choix de modèles : quels modèles pour quelles catégories de données, quels hébergements autorisés, qui valide les exceptions.
- Former les équipes à ces règles, avec nos formations Inside.
Notre audit IA couvre ces trois chantiers, et notre offre d’implémentation permet de les mettre en œuvre. Pour en parler ou demander un diagnostic IA gratuit, contactez-nous.
Sources
- DeepSeek, dépôt DeepInfer (README, licence Apache 2.0), octobre 2026 : github.com/deepseek-ai/DeepInfer
- DeepSeek, fiche du modèle DeepSeek-V4.1-Flash (licence MIT) : huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash
- DeepSeek, annonce de DeepSeek-V4.1-Flash et tarifs heures creuses, 10 septembre 2026 : api-docs.deepseek.com/news/news260910
- vLLM, « Serving DeepSeek-V4.1-Flash at Scale: vLLM Matches DeepInfer and Scales to GB300 NVL72 », 23 octobre 2026 : vllm.ai/blog/2026-10-23-deepseek-v41-flash-pd-wide-ep
- SiliconANGLE, « DeepSeek open-sources DeepInfer, the inference framework behind its production services », 20 octobre 2026 : siliconangle.com/2026/10/20/deepseek-open-sources-deepinfer-the-inference-framework-behind-its-production-services/
- China AI Dispatch, « DeepSeek Says One Cluster Earns 38 Dollars per GPU-Hour at Its Cheapest Price », octobre 2026 : chinaaidispatch.substack.com/p/deepseek-says-one-cluster-earns-38
- Latent Space, « DeepSeek DeepInfer: Open Source SOTA Inference », octobre 2026 : latent.space/p/ainews-deepseek-deepinfer-open-source
- Artificial Analysis, comparaison DeepSeek V4.1 Flash et Claude Opus 5.5, consultée le 1er novembre 2026 : artificialanalysis.ai/models/comparisons/deepseek-v4-1-flash-vs-claude-opus-5-5
- Garante per la protezione dei dati personali, mesure concernant DeepSeek, 30 janvier 2025 : garanteprivacy.it
