DeepSeek publie un moteur d'inférence open source

Le mardi 20 octobre, DeepSeek a publié en open source DeepInfer, le moteur d'inférence qui fait tourner son modèle DeepSeek-V4.1-Flash en production. Les poids du modèle avaient été publiés trois jours plus tôt, le 17 octobre.

Estimations de revenus pour les cartes d'inférence

Une phrase du message de DeepSeek publié sur Zhihu, qui a circulé sur Hacker News et Reddit, indique qu'un seul cluster traite 155 000 milliards de tokens par jour, générant « 38 dollars par carte et par heure » (environ 34 euros), calculés au tarif heures creuses. Ces chiffres sont présentés comme approximatifs et n'ont pas été vérifiés de manière indépendante.

Calculs fondés sur des données de production

Selon des statistiques de production publiées par DeepSeek et citées par 36Kr, une carte chargée de générer des réponses produit 14 000 tokens par seconde. Au taux de change actuel, cela représente environ 30 dollars par heure. Une carte traitant des requêtes de lecture génère environ 48 dollars par heure, soit une moyenne d'environ 39 dollars par heure si les deux types de cartes sont utilisés à parts égales.

Comparaison avec les prix du marché

Une H100, référence actuelle du marché, se loue environ 3 à 4 dollars par heure en 2026 (environ 2,70 à 3,50 euros), avec des prix pouvant atteindre une douzaine de dollars chez les grands fournisseurs de cloud comme AWS, Azure ou Google. Une carte B200 de nouvelle génération coûte entre 6 et 11 dollars par heure. L'achat d'une carte pour environ 60 000 dollars (environ 53 000 euros), serveur inclus, amorti sur cinq ans, revient à environ 1,4 dollar par heure.

Implications économiques pour l'activité d'inférence

Un article du portail chinois Sina a calculé que la location d'une H200 à 5,40 dollars par heure (environ 4,80 euros) laisserait 85,8 % du revenu au fournisseur. L'article conclut que le modèle économique de l'inférence pourrait être « bien meilleur que ce que le marché imagine ».

Coûts et rentabilité pour les particuliers

Une RTX 5090, lancée à 2 349 euros en janvier 2025, se vend désormais entre 6 500 et 8 500 euros chez les revendeurs français en raison de la pénurie de mémoire. En fonctionnement, le PC qui l'accueille consomme environ 600 watts, soit une électricité d'environ 12 centimes par heure. Toutefois, la RTX 5090 n'est pas prise en charge par DeepInfer, qui ne cible que les puces de centres de données et l'Ascend 950 de Huawei.

Autres options pour utiliser l'IA chez soi

Pour les particuliers, les alternatives à DeepInfer incluent des plateformes comme Vast.ai, RunPod ou Salad, qui permettent de louer des cartes graphiques. Sur Salad, une RTX 5090 peut être louée 0,69 dollar par heure, mais la plateforme conserve une partie des revenus. Après paiement de l'électricité, il reste environ 13 centimes par heure, soit environ 1 000 euros par an pour une machine tournant jour et nuit.

Comparaison économique entre DeepSeek et les particuliers

Une carte DeepSeek rapporte environ 38 dollars par heure, tandis qu'une RTX 5090 louée sur Salad rapporte environ 0,25 euro par heure. L'électricité coûte environ 0,12 euro par heure pour la RTX 5090. Faire tourner un modèle de taille moyenne comme Qwen3 32B sur une RTX 5090 génère environ 60 tokens par seconde, pour un coût d'environ 14 euros par million de tokens, contre 0,53 euro pour le modèle Flash de DeepSeek en heures creuses.

Rentabilité et modèles économiques

La rentabilité de DeepSeek provient du traitement de milliers de requêtes simultanément et de la réutilisation de données mises en cache plutôt que de tout recalculer. À l'inverse, une RTX 5090 mettrait cinq à six jours pour générer la même quantité de tokens qu'une carte DeepSeek en une heure. OpenAI, bien que rentable sur l'inférence, devrait perdre des milliards en raison des coûts élevés de l'entraînement et de la recherche.

Défis et limites

Les chiffres de revenus se rapportent à un seul cluster à pleine capacité, hors cartes de réserve. Le calcul utilise le tarif heures creuses, nettement inférieur aux heures pleines, que DeepSeek limite aux jours de semaine. Par ailleurs, le modèle Flash est bien moins coûteux et plus optimisé que les modèles haut de gamme comme GPT ou Claude. DeepInfer prend en charge du matériel spécifique, et les performances annoncées reposent sur des cartes Nvidia, et non sur l'Ascend 950 de Huawei.