Un laboratoire d'IA relativement obscur basé en Chine a suscité des inquiétudes à Silicon Valley en introduisant des modèles d'IA qui surpassent les performances des meilleurs modèles américains, malgré des budgets réduits et des puces moins avancées. Connue sous le nom de DeepSeek, ce laboratoire a lancé un modèle de langage large gratuit et open-source à la fin décembre, affirmant qu'il avait été créé en seulement deux mois pour un coût inférieur à 6 millions de dollars, en utilisant des puces H800 moins puissantes de Nvidia. Ces avancées récentes ont alimenté les préoccupations selon lesquelles les États-Unis perdent leur avance en intelligence artificielle et ont remis en question les investissements substantiels réalisés par les grandes entreprises technologiques dans les modèles d'IA et les centres de données. Lors de plusieurs évaluations de référence par des tiers, le modèle de DeepSeek a surpassé des concurrents notables, y compris Llama 3. 1 de Meta, GPT-4o d'OpenAI et Claude Sonnet 3. 5 d'Anthropic, montrant une précision supérieure dans des domaines tels que la résolution de problèmes complexes, les mathématiques et la programmation. Lundi, DeepSeek a présenté r1, un modèle de raisonnement qui a également surpassé le dernier modèle o1 d'OpenAI dans de nombreuses évaluations tierces. Lors d'une discussion au Forum économique mondial à Davos, en Suisse, le PDG de Microsoft, Satya Nadella, a déclaré : "Le nouveau modèle de DeepSeek est incroyablement impressionnant pour avoir efficacement développé un modèle open-source qui excelle dans le calcul en temps d'inférence et est extrêmement économe en calcul. Nous devons prendre les développements de la Chine très au sérieux. " DeepSeek a réussi à naviguer à travers les strictes restrictions sur les semi-conducteurs imposées par le gouvernement américain, qui limitent l'accès à des puces avancées comme les H100 de Nvidia. Les récentes percées impliquent que DeepSeek a soit trouvé des méthodes pour contourner ces réglementations, soit que les restrictions à l'exportation n'ont pas été aussi limitantes que prévu. "Ils peuvent tirer parti d'un modèle large et robuste grâce à une technique appelée distillation, " a expliqué Chetan Puttagunta, associé général chez Benchmark.

"Essentiellement, un modèle très large aide un modèle plus petit à affiner ses capacités dans des domaines spécifiques. Cette approche est en réalité très rentable. " Les informations sur DeepSeek et son fondateur, Liang WenFeng, restent rares. Le laboratoire est issu d'un fonds spéculatif chinois nommé High-Flyer Quant, qui gère environ 8 milliards de dollars d'actifs. DeepSeek n'est pas seule dans le paysage de l'IA en Chine. Le chercheur en IA éminent Kai-Fu Lee a noté que sa startup 01. ai a été développée avec un modeste investissement de 3 millions de dollars. De plus, ByteDance, la maison mère de TikTok, a annoncé une mise à jour de son modèle mercredi, affirmant qu'il dépasse le modèle o1 d'OpenAI dans un test de référence significatif. "La nécessité est la mère de l'invention, " a déclaré Aravind Srinivas, PDG de Perplexity. "Confrontés à des défis, ils ont fini par créer quelque chose de beaucoup plus efficient. "