DeepSeek : que vaut le modèle chinois pour l'entreprise

La question tombe dès qu'un modèle chinois casse les prix : peut-on basculer dessus et diviser la facture d'IA par cinq ? Pour DeepSeek, la réponse dépend entièrement de ce qu'on appelle DeepSeek. Le nom recouvre deux produits qui n'ont presque rien en commun sur le plan juridique. D'un côté une application grand public et une API commerciale, exploitées depuis la Chine. De l'autre des poids de modèles publiés sous licence MIT, que vous pouvez charger sur vos propres serveurs européens.

Le sujet a cessé d'être théorique. D'après l'enquête TIC de l'Insee publiée le 21 juillet 2026, 18 % des entreprises françaises de 10 salariés ou plus déclaraient utiliser au moins une technologie d'intelligence artificielle en 2025, contre 10 % en 2024 et 6 % en 2023. Chez les entreprises de 250 salariés ou plus, le taux monte à 58 %. Le choix du modèle sous-jacent est devenu une décision d'achat ordinaire, avec les mêmes exigences de traçabilité que n'importe quel fournisseur.

Un dirigeant qui confond les deux DeepSeek prend un risque réglementaire évitable, ou passe à côté du seul usage qui vaut le détour. Les paragraphes qui suivent séparent les deux cas, avec les tarifs relevés le 31 juillet 2026, les textes officiels applicables et le coût GPU d'un hébergement en France.

Deux produits différents portent le nom DeepSeek

Sous le même nom cohabitent un service en ligne exploité depuis la Chine, application mobile et API payante comprises, et un fichier de poids sous licence MIT que n'importe qui peut télécharger et exécuter sur ses propres serveurs. Les deux portent la même marque et rendent le même genre de réponses, mais ils vous placent dans deux régimes de responsabilité opposés.

Les poids sont publics et documentés. La fiche officielle de DeepSeek-V4-Pro sur Hugging Face annonce 1 600 milliards de paramètres au total dont 49 milliards activés à chaque requête, une architecture à mélange d'experts, une fenêtre de contexte d'un million de tokens et une licence MIT. La variante DeepSeek-V4-Flash descend à 284 milliards de paramètres pour 13 milliards activés, avec la même licence et le même contexte.

La licence MIT est le point qui change la nature du dossier. Elle autorise l'usage commercial, la modification et la redistribution, sans clause de territorialité ni obligation de remonter des données au fournisseur. Un modèle que vous exécutez vous-même ne transmet rien à personne : vos prompts ne sortent pas de votre infrastructure, et la question du transfert de données hors Union européenne disparaît. C'est la logique que nous avons détaillée à propos des modèles ouverts de Qwen, et elle vaut à l'identique ici.

Le service en ligne, lui, reste un traitement opéré par un tiers, sur une infrastructure que vous ne contrôlez pas, avec les conséquences détaillées plus bas. Quand un fournisseur vous propose « DeepSeek » sans préciser lequel des deux, c'est la première question à poser.

Ce que coûte l'API DeepSeek face aux modèles servis en Europe

La documentation tarifaire de DeepSeek affiche, au 31 juillet 2026, 0,14 $ par million de tokens en entrée et 0,28 $ en sortie pour V4-Flash, et 0,435 $ en entrée contre 0,87 $ en sortie pour V4-Pro. L'écart avec les modèles servis depuis l'Europe est réel, et il explique à lui seul l'essentiel des demandes que nous recevons sur le sujet.

Sources : documentation API DeepSeek, page tarifs de Mistral AI et catalogue OVHcloud AI Endpoints, consultés le 31 juillet 2026. Les montants sont repris dans la devise de chaque fournisseur, sans conversion de notre part : la comparaison d'une ligne en dollars à une ligne en euros reste donc indicative.

Ce tableau se lit avec une réserve importante. Ces prix DeepSeek valent pour l'API opérée en Chine, et pour elle seule. Dès que vous décidez d'exécuter les mêmes poids ailleurs, la grille disparaît et vous payez des heures de calcul, ce qui donne une structure de coût sans rapport. Une équipe qui compare 0,14 $ le million de tokens à une facture GPU mensuelle compare deux choses différentes, et c'est l'erreur d'arbitrage la plus fréquente sur ce dossier. La question plus large de la maîtrise des coûts d'un LLM mérite d'être posée avant de choisir un fournisseur, pas après la première facture.

Un dernier détail compte pour un usage à volume : la grille DeepSeek distingue les tokens servis depuis le cache de contexte et ceux qui doivent être recalculés, avec un tarif très inférieur pour les premiers. Une application qui renvoie le même long préambule à chaque appel paie donc bien moins que ne le laisse croire une multiplication du volume par le prix affiché. Cet écart pèse sur une projection de budget davantage que le choix du modèle lui-même.

Sur les données personnelles, l'API chinoise est une impasse

La politique de confidentialité de DeepSeek, mise à jour le 10 février 2026, indique que la société collecte, traite et stocke les données personnelles en République populaire de Chine. Le texte anglais est sans ambiguïté : « we directly collect, process and store your Personal Data in People's Republic of China ». Pour un responsable de traitement européen, cette phrase déclenche le chapitre V du RGPD et l'obligation d'encadrer un transfert vers un pays tiers : la Chine ne figure pas dans la liste des décisions d'adéquation adoptées par la Commission européenne.

L'autorité italienne a agi dès le début de l'année 2025. Dans son communiqué du 30 janvier 2025, le Garante a ordonné en urgence la limitation du traitement des données des utilisateurs situés en Italie, visant nommément Hangzhou DeepSeek Artificial Intelligence et Beijing DeepSeek Artificial Intelligence. Les sociétés avaient répondu à l'autorité que la réglementation européenne ne leur était pas applicable ; le Garante a jugé cette réponse totalement insuffisante et a ouvert une instruction en parallèle de la mesure d'urgence.

En France, la position est plus mesurée et mérite d'être citée exactement. Une fiche de la CNIL mise à jour le 16 octobre 2025 explique comment s'opposer à la réutilisation de ses données pour l'entraînement, DeepSeek compris, en précisant qu'elle le fait « sans se prononcer sur la conformité au RGPD des procédés proposés ». Aucune mesure de blocage comparable à celle du Garante n'a été rendue publique en France, et présenter la situation autrement serait faux.

Pour une entreprise, la conséquence pratique tient en une ligne : envoyer dans cette API des données personnelles de clients, de patients, de candidats ou de salariés vous oblige à construire vous-même un encadrement des transferts que le fournisseur ne vous fournit pas. Les usages qui restent défendables sont ceux qui ne touchent aucune donnée personnelle : de la documentation technique publique, du code sans secret, des textes marketing. Le reste relève de la gouvernance de l'IA en entreprise, et se tranche avant l'intégration, pas après.

Héberger les poids en Europe : le calcul se fait en heures de GPU

Un nœud de huit cartes H100 loué en continu chez OVHcloud coûte au moins 16 000 € HT par mois, et V4-Flash réclame au bas mot quatre cartes de 80 Go pour tourner correctement : voilà l'ordre de grandeur qu'ouvre la licence MIT quand elle vous autorise à exécuter ces modèles sur vos propres machines. La facture se déplace du token vers l'heure de GPU, et le calcul se pose à partir de deux chiffres publiés, la taille du modèle et le prix horaire d'une carte chez un hébergeur européen.

Prenez V4-Pro. Sa fiche officielle indique une précision mixte, les paramètres d'experts en FP4 et le reste en FP8. Les calculs de mémoire qui suivent sont les nôtres, appliqués à ces valeurs publiées, et ils donnent des planchers. À 1 600 milliards de paramètres comptés à 4 bits, le seul chargement des poids demande au moins 800 Go de mémoire vive GPU, davantage en réalité puisqu'une partie du modèle est en FP8. V4-Flash reste bien plus abordable : ses 284 milliards de paramètres pèsent au minimum 142 Go dans le même calcul, auxquels s'ajoute le cache d'attention, très gourmand sur un contexte d'un million de tokens. Quatre cartes de 80 Go constituent donc un plancher réaliste, davantage si vous exploitez vraiment le contexte long.

Côté prix, la grille Cloud GPU d'OVHcloud relevée le 31 juillet 2026 affiche le H100 à partir de 2,80 € HT de l'heure, le L40S à 1,40 € HT et une instance à huit H200 à partir de 42 € HT de l'heure. Un nœud de huit H100 loué en continu revient donc à au moins 16 000 € HT par mois (8 × 2,80 € × 730 heures), avant le stockage, la bande passante et le temps d'exploitation de vos équipes. Ce chiffre est notre arithmétique appliquée à un tarif d'entrée de gamme, pas une offre commerciale.

Autre point à connaître avant de bâtir un plan : au catalogue d'AI Endpoints d'OVHcloud tel qu'affiché le 31 juillet 2026, aucun modèle DeepSeek n'est proposé, alors que Qwen, Llama, Mistral et gpt-oss y figurent. Faire tourner DeepSeek en France suppose donc aujourd'hui un déploiement que vous opérez vous-même, avec la charge d'exploitation correspondante. Les mécaniques sont les mêmes que pour servir un LLM en production avec vLLM, et les arbitrages proches de ceux qu'on rencontre quand on décide d'auto-héberger Llama. C'est précisément le type de chiffrage que notre agence IA pose au démarrage d'un projet, parce qu'il détermine l'architecture bien plus que le choix du modèle.

Le seuil de bascule tient en une division, et il surprend. Les 16 352 € mensuels d'un nœud de huit H100 équivalent, en assimilant l'euro au dollar pour l'ordre de grandeur, à quelque 58 milliards de tokens de sortie facturés au tarif de V4-Flash. Une configuration réduite à quatre cartes reste au-delà de 25 milliards de tokens par mois. Le coût brut ne justifie donc presque jamais l'hébergement. Ce qui le justifie tient à la localisation des données, à l'indépendance vis-à-vis d'un fournisseur, ou à une charge assez régulière pour que la machine ne tourne jamais à vide.

L'AI Act s'applique aussi aux modèles ouverts

Une licence permissive n'exonère d'aucune obligation européenne, elle déplace la charge vers celui qui met le modèle sur le marché. Le règlement européen sur l'intelligence artificielle est entré en vigueur le 1er août 2024, ses obligations relatives aux modèles à usage général s'appliquent depuis le 2 août 2025, et le texte devient applicable le 2 août 2026 avec des exceptions échelonnées, d'après la page officielle de la Commission européenne.

Tant que vous vous contentez d'utiliser un modèle tel quel dans votre produit, vous êtes déployeur, avec des obligations d'information et de supervision humaine selon l'usage. Le jour où vous réentraînez ou affinez ce modèle et que vous le distribuez, la qualification peut basculer et vous faire porter des obligations de fournisseur : documentation technique, politique de respect du droit d'auteur, résumé public des contenus d'entraînement. La même page de la Commission indique que les outils publiés en juillet 2025 comprennent un modèle de document pour ce résumé.

Trois vérifications suffisent à cadrer un dossier DeepSeek avant de s'engager :

• Identifier lequel des deux produits vous utilisez, service en ligne ou poids exécutés chez vous, et l'écrire dans le registre des traitements.
• Vérifier qu'aucune donnée personnelle ne part vers une API hors Union européenne sans encadrement contractuel documenté.
• Tracer la version exacte du modèle déployé, sa licence et sa date de récupération, pour pouvoir répondre à un audit deux ans plus tard.

Ces trois lignes tiennent en une demi-journée de travail sur un projet qui démarre. Reconstituées après coup sur un service déjà en production, elles coûtent bien davantage, en particulier quand plus personne ne sait quel modèle tourne réellement derrière l'API interne.

Notre recommandation, par profil d'entreprise

Pour une PME qui traite des données clients, l'API DeepSeek est à écarter, et un modèle ouvert servi depuis un fournisseur européen fait le travail sans ouvrir de dossier de transfert international. La différence de prix par million de tokens pèse peu face au temps d'un juriste et au risque résiduel, surtout quand un modèle comme gpt-oss-120b est facturé 0,08 € en entrée au catalogue d'un hébergeur français. Si le sujet est la souveraineté plus que le prix, la lecture de notre article sur Mistral en entreprise complète utilement celui-ci.

Pour une équipe produit qui traite des contenus sans donnée personnelle, à gros volume, l'API DeepSeek se défend. Un exemple illustratif, construit pour montrer le raisonnement et non tiré d'un client identifiable : une plateforme qui classe 40 millions de tokens de descriptions produit par mois paie environ 5,60 $ en entrée sur V4-Flash. Le même travail sur un GPU réservé ne se justifie pas, la machine passerait ses nuits à ne rien faire.

Pour une organisation régulée, banque, santé, secteur public, la seule voie praticable reste l'exécution des poids sur une infrastructure que vous maîtrisez, avec le budget GPU qui va avec. V4-Flash est le bon candidat, V4-Pro relève d'un autre ordre de grandeur d'investissement et se justifie rarement face à des modèles ouverts plus légers déjà disponibles chez les hébergeurs européens.

Notre position, en une phrase : l'intérêt de DeepSeek pour une entreprise française tient dans ses poids ouverts, pas dans son API à bas prix, et une décision prise sur le seul argument du tarif se paiera en conformité. Si vous voulez chiffrer votre cas précis avant d'arbitrer, vous pouvez planifier un point avec notre équipe.

Questions fréquentes

Peut-on utiliser l'API DeepSeek pour du code interne sans problème réglementaire ?

Si le code ne contient ni donnée personnelle ni secret d'affaires, le sujet RGPD ne se pose pas, puisqu'il n'y a pas de données personnelles traitées. Restent deux points de vigilance : les clauses contractuelles sur la réutilisation des contenus soumis, et vos propres engagements de confidentialité envers vos clients. Beaucoup de contrats de prestation interdisent la transmission du code à un tiers non listé, quel que soit le pays d'hébergement.

DeepSeek est-il vraiment moins cher qu'un modèle européen ?

Sur l'API et au prix affiché, oui : 0,14 $ par million de tokens en entrée pour V4-Flash d'après la grille DeepSeek, contre 2 $ pour Mistral Large sur la page tarifs de Mistral AI, relevés le 31 juillet 2026. La comparaison cesse d'être valable dès que vous hébergez le modèle, puisque vous payez alors des heures de GPU indépendamment du volume traité. Et le prix affiché ignore le coût d'intégration, de supervision et de mise en conformité, qui pèsent souvent davantage sur un an.

Quelle configuration faut-il pour héberger DeepSeek V4-Flash ?

Les 284 milliards de paramètres du modèle pèsent au minimum 142 Go rien que pour les poids en précision FP4, auxquels s'ajoute le cache d'attention, qui grossit vite avec la longueur du contexte. Comptez au minimum quatre GPU de 80 Go pour un service confortable, soit un nœud complet chez un hébergeur cloud. Ce calcul est le nôtre, déduit de la taille et de la précision publiées sur la fiche du modèle, et il demande à être confirmé par un test de charge sur votre trafic réel.

L'application DeepSeek est-elle interdite en France ?

Aucune mesure de blocage française n'a été rendue publique. L'autorité italienne a ordonné la limitation du traitement des données des utilisateurs italiens le 30 janvier 2025, sans équivalent connu côté français. La CNIL a publié une fiche expliquant comment s'opposer à la réutilisation des données pour l'entraînement, en indiquant explicitement qu'elle ne se prononce pas sur la conformité au RGPD. Une entreprise reste donc responsable de sa propre analyse avant tout usage professionnel.

Que se passe-t-il si nous affinons le modèle sur nos données ?

Techniquement, la licence MIT l'autorise sans restriction, y compris pour un usage commercial. Juridiquement, si vous distribuez ensuite ce modèle affiné sur le marché européen, vous pouvez basculer du statut de déployeur à celui de fournisseur au sens du règlement sur l'IA, avec les obligations de documentation qui l'accompagnent. Un affinage gardé strictement en interne ne déclenche pas cette bascule, mais la frontière mérite d'être tranchée avec un conseil avant de publier quoi que ce soit.