DeepSeek travaille dans l’ombre • Qant avec GPT-4o
Le lancement du modèle DeepSeek R1 a été perçu, cet hiver, comme un séisme dans l’écosystème de l’intelligence artificielle. Pour la première fois, un laboratoire chinois proposait un modèle en accès public dont les performances en raisonnement rivalisaient avec celles d’OpenAI, tout en affichant un prix d’utilisation jusqu’à 90 % inférieur.
À peine cinq mois plus tard, une analyse publiée par SemiAnalysis révèle un revers de fortune apparent : la part de marché de DeepSeek s’effondre, son trafic en ligne recule, et ses propres services sont délaissés au profit de versions hébergées par des tiers.
En réalité, l’usage du modèle R1 explose sur des plateformes externes comme OpenRouter, qui propose un accès unifié à plus de 400 modèles d’intelligence artificielle (IA) provenant de plus de 60 fournisseurs. Et les entreprises chinoises déploient massivement ses modèles. Seules, les interfaces de distribution grand public – application web et API – perdent des utilisateurs, au moins à l’international.
Critères d’efficacité d’un jeton d’IA
L’explication tient en un mot, forgé par SemiAnalysis : tokenomics. Trois critères sont déterminants : la latence, c’est-à-dire le temps écoulé avant l’apparition du premier jeton ; l’interactivité, ou rapidité de génération des jetons suivants ; et la taille de la fenêtre de contexte, qui correspond à la mémoire immédiate du modèle.
Par exemple, les modèles Claude nécessitent en moyenne trois fois moins de jetons pour produire des réponses comparables à celles de DeepSeek ou Gemini, un avantage qui compense en partie la lenteur d’exécution. Cette dimension – l’intelligence par jeton – devient un facteur clé dans la compétition entre modèles.
Source archive Kessel : https://qant.kessel.media/posts/pst_f947cee457fd48f094c75e2209d67a83
