Sortie en janvier, la famille DeepSeek R1 a fait l’effet d’un séisme. Un modèle de raisonnement open source, publié par une équipe chinoise, qui rivalise avec OpenAI o1 — mais entraîné pour une fraction du coût. Au-delà du buzz, qu’est-ce que ça change concrètement pour les entreprises qui adoptent l’IA ?
Ce que fait R1 différemment
DeepSeek R1 combine deux choses inhabituelles : un raisonnement « visible » (le modèle expose sa chaîne de pensée avant de répondre, comme o1), et une approche d’apprentissage par renforcement appliquée directement sur un modèle de base sans pré-entraînement supervisé extensif. Le résultat : des performances de niveau frontière à un coût d’entraînement estimé entre 5 et 6 millions de dollars.
L’effet sur les prix de l’API
L’arrivée de R1 a déjà fait pression sur les prix. OpenAI a baissé o3-mini, Anthropic a positionné Claude 3.5 Haiku plus agressivement. Pour les entreprises qui pilotent des agents IA en production, le coût au million de tokens recule de 30 à 50% en 2025 par rapport à 2024.
Open source vs closed : faut-il switcher ?
Pas si vite. R1 est puissant, mais déployer un modèle de raisonnement en open source nécessite une infrastructure GPU sérieuse, des compétences MLOps, et une vigilance accrue sur la conformité RGPD si les données traversent des hébergements moins encadrés. Pour la majorité des PME, garder une API managée (Anthropic, OpenAI, Mistral) reste plus économique en coût total.
Le vrai signal
L’enseignement principal de R1 n’est pas « migrer vers l’open source ». C’est : la barrière à l’entrée pour produire un modèle frontière est en train de s’effondrer. D’autres acteurs (Mistral, Meta, des labos académiques) vont publier des modèles compétitifs. Conséquence pour les entreprises : ne pariez pas tout sur un fournisseur unique, et concevez vos agents avec une couche d’abstraction qui permet de switcher de modèle facilement.
