DeepSeek vient d'ouvrir le framework d'inférence DeepInfer — le système de production qui orchestre les clusters de calcul pour permettre aux modèles de fonctionner efficacement. Le modèle (V4.1-Flash) était déjà open source ; cette fois, c'est le « moteur » qui exécute le modèle qui est dévoilé. C’est la première fois qu’une entreprise mondiale de premier plan dans le domaine des grands modèles fait cela — auparavant, ces technologies étaient des secrets commerciaux strictement protégés. Cela indique : 1. La concurrence passe de la « course aux modèles » à la « course aux coûts ». Les écarts de performance entre modèles se réduisent ; celui qui parvient à offrir le même service avec moins de cartes et une consommation électrique plus faible gagne. DeepSeek publie désormais exactement combien d’argent chaque carte génère par heure — il s’agit d’une démonstration claire : « Mes coûts unitaires sont inférieurs aux vôtres ». 2. L’open source devient une arme stratégique. En termes de timing : le 19 octobre, les États-Unis venaient de l’exclure de leurs canaux d’achat fédéraux ; le 20 octobre, DeepSeek ouvrait son moteur central. L’open source = une alliance avec l’écosystème mondial des développeurs = une interdiction américaine incapable de bloquer l’écosystème. La pression exercée sur les acteurs propriétaires (notamment OpenAI) est réelle : les fournisseurs cloud peuvent déployer DeepInfer à un coût potentiellement inférieur à celui des solutions natives officielles. 3. La valeur des « couches intermédiaires » est désormais clairement évaluée. Autrefois, tout le monde ne regardait que les scores des modèles ; aujourd’hui, on comprend : un même modèle peut coûter plusieurs fois plus cher selon la qualité du framework d’inférence. Cela constitue une déclassification technologique majeure pour les infrastructures d’inférence chinoises (vLLM, écosystème SGLang, compatibilité Ascend). 4. Avantages concrets pour les développeurs : les coûts de déploiement des fournisseurs cloud baissent → les prix des API ont encore de la marge pour baisser ; la barrière à l’entrée pour le déploiement local diminue → le déploiement privé devient moins cher. La compatibilité avec les plateformes NVIDIA et Huawei Ascend est particulièrement cruciale pour les équipes chinoises en déploiement privé. 5. Un point de prudence : les codes les plus critiques — gestion du cache KV et équilibrage de charge — n’ont pas été entièrement ouverts, car trop étroitement liés à l’infrastructure interne ; seules les spécifications techniques ont été publiées. Il s’agit donc d’une « transparence partielle » : on apprend les concepts, mais on ne reçoit pas toutes les capacités. De plus, la version open source actuelle ne prend en charge que l’inférence hors ligne. DeepSeek expose publiquement un système d’inférence de production que ses concurrents traitent comme un secret commercial — il utilise l’« écosystème ouvert » pour contrer la « blocage des ressources de calcul ». À court terme, cela profite à tous ceux qui peuvent se permettre l’IA ; à long terme, il met une pression réelle sur les acteurs propriétaires. #Ai