DeepSeek : modèles ouverts et assistant IA, avec V3 et R1 sur deux axes

DeepSeek est une famille de modèles ouverts et un assistant IA développés par DeepSeek (adossée à High-Flyer), tournés vers les modèles et techniques de base de l'intelligence artificielle générale. Pour l'utilisateur, cela veut dire deux choses : un assistant qu'on ouvre dans le navigateur pour dialoguer, et des poids ouverts qu'on peut télécharger et faire tourner soi-même.

Côté modèles, deux axes principaux. L'axe général est représenté par DeepSeek-V3, avec une architecture de mélange d'experts, 671B de paramètres au total et 37B activés par token, un contexte de 128K et des vitesses de génération jusqu'à 60 TPS ; la version V3.2 ajoute DSA, une attention creuse à grain fin qui utilise un indexeur éclair pour choisir l'information clé et améliore nettement l'efficacité en entraînement et inférence sur textes longs. L'axe raisonnement est DeepSeek-R1, entraîné depuis V3-Base et optimisé par apprentissage par renforcement, remarquable en mathématiques, programmation et raisonnement en langage naturel.

Des branches ont poussé sur ces deux axes. R1-Zero se passe de réglage supervisé et s'appuie uniquement sur l'apprentissage par renforcement, avec un raisonnement fort mais des défis de lisibilité. R1-Distill distille les données de raisonnement produites par R1 dans de petits modèles de 1,5B à 70B. R1-0528 est entraîné depuis V3-0324 avec 660B de paramètres et met en avant le raisonnement profond, une génération de texte améliorée et des tâches uniques de 30 à 60 minutes. En multimodal, DeepSeek-VL2 (Tiny, Small et standard, avec 1,0B, 2,8B et 4,5B de paramètres activés) et la série Janus ; en vertical, Prover-V2 pour la démonstration de théorèmes mathématiques.

À l'usage quotidien, c'est un assistant large : questions et dialogue multi-tours, création de textes, traduction, traitement de données, génération de graphiques, génération et débogage de code, raisonnement mathématique, avec recherche web et un mode de réflexion approfondie. Un mode image permet de téléverser une photo pour une compréhension visuelle. Pour les développeurs, une plateforme de modèles couvre entraînement, gestion et contrôle des jeux de données.

Fonctions principales

Questions et dialogue

Répond sur les sciences, l'histoire, la vie quotidienne et la technique, suit le contexte et reste cohérent, ce qui convient aux questions enchaînées.

Écriture et traduction

Produit articles, récits, poésie, rapports et courriels et traduit entre langues ; DeepSeek-V3 couvre jusqu'à 83 langues.

Génération et débogage de code

Écrit du code dans plusieurs langages à partir de descriptions en langage naturel et aide à localiser les problèmes et améliorer les implémentations.

Mathématiques et raisonnement logique

Solide sur les tâches mathématiques et de raisonnement, avec un mode de réflexion approfondie pour les questions à analyse en plusieurs étapes.

Recherche web et réflexion

La recherche apporte l'information actuelle ; le mode approfondi montre le cheminement pour une logique complexe.

Données et graphiques

Nettoie, analyse et calcule les données, puis transforme les résultats en graphiques à barres, en courbes ou en secteurs.

Compréhension d'images

On peut téléverser une image pour une compréhension et une interaction visuelles ; côté modèles, VL2 et Janus unissent vision et langage.

Lecture de documents

Téléverser un document permet d'extraire l'essentiel et de le résumer, utile sur des supports longs.

Plateforme de développement

Une plateforme de modèles prend en charge entraînement, gestion et contrôle des jeux de données, ce qui facilite l'intégration aux systèmes existants.

Comment l'utiliser

1. Choisir l'entrée. La version web fonctionne dans tout navigateur, l'application est dans les stores, une extension existe sur le Chrome Web Store.
2. Adapter le mode à la tâche. Questions et textes passent par le dialogue, l'information actuelle par la recherche IA, les documents par la lecture de fichiers, le raisonnement complexe active la réflexion approfondie.
3. Formuler clairement. Éviter le flou, baliser le besoin avec des mots-clés et découper un travail complexe en petites questions qui approfondissent pas à pas.
4. Travailler par tours. Continuer dans la même conversation pour relancer, demander une réécriture ou ajouter des contraintes donne souvent mieux qu'un prompt très long.
5. S'appuyer sur la bibliothèque de prompts. L'officielle couvre 13 scénarios : réécriture, explication et génération de code, classification de contenu, sortie structurée, jeu de rôle, prose et poésie, plans de copy, slogans, génération de prompts et traduction chinois-anglais.
6. Déployer en local si un environnement privé est requis. Télécharger les fichiers du modèle sur le site officiel, installer les dépendances, configurer un serveur et déployer, puis tester et régler les performances.

Où cela sert

• Développeurs et équipes d'algorithmes : auto-héberger avec les poids ouverts ou utiliser la plateforme pour l'entraînement, la gestion des données et le contrôle des modèles.
• Contenu et marketing : produire en volume des textes promotionnels, comptes rendus et premiers jets, puis les affiner à la main.
• Métiers de la donnée : convertir des questions en requêtes, nettoyer et analyser les données et produire des graphiques qui expliquent vite une conclusion.
• Éducation et recherche : les enseignants génèrent plans et supports et proposent des parcours personnalisés ; en mathématiques, Prover-V2 permet la vérification formelle de preuves.
• Organisations soumises à des exigences de conformité : placer le modèle dans leur propre environnement via un déploiement local pour éviter que les données sortent.

Limites et points d'attention

• La réflexion approfondie est plus lente. Afficher le raisonnement coûte du calcul et de l'attente, donc inutile sur une tâche simple ; le matériel indique que R1-0528 peut traiter des tâches de 30 à 60 minutes, ce qui vise les problèmes difficiles et non les questions routinières.
• La sortie demande vérification. Les modèles produisent un texte plausible qui peut être faux, donc chiffres, citations et conclusions doivent être recoupés avec des sources primaires plutôt que pris comme source de fait.
• Les poids ouverts ne sont pas plug-and-play. Un déploiement local exige dépendances, serveur et mémoire suffisante, plus un réglage des performances ; faire tourner de gros volumes de paramètres sur du petit matériel n'est pas réaliste.
• Les versions vont vite. V3, V3.1-Terminus, V3.2, R1 et R1-0528 se succèdent avec des capacités et des tailles différentes, le choix doit donc suivre la documentation officielle en vigueur.
• Prix et quotas viennent de la source officielle. Le matériel ne contient ni prix, ni limites d'usage, ni conditions commerciales confirmées ; coût et licence sont à vérifier sur les pages officielles et non à déduire de ce texte.

Questions fréquentes

De quelles manières utiliser DeepSeek ?

Web, application et extension de navigateur, plus l'auto-hébergement des modèles ouverts ; la plateforme de développement couvre entraînement et gestion.

Quelle différence entre V3 et R1 ?

V3 est le modèle général de langage en mélange d'experts, 671B au total et 37B activés, contexte de 128K ; R1 suit la voie du raisonnement et améliore par apprentissage par renforcement les maths, le code et le raisonnement.

Quelle quantité de texte peut-il traiter ?

V3 prend en charge un contexte de 128K et R1-0528 met en avant des tâches uniques de 30 à 60 minutes ; les limites exactes suivent la documentation officielle.

Peut-on déployer en local ?

Oui. Le parcours consiste à télécharger les fichiers du modèle, installer dépendances et environnement, configurer un serveur, déployer, puis tester et régler les performances.