DeepSeek AI : entreprise, modèles, chat officiel et API — faits vérifiés

DeepSeek en bref : les faits essentiels

Résumé fondé sur les sources officielles consultées le 19 juillet 2026. Les services, modèles et politiques peuvent évoluer.

DeepSeek V4 : modèles actuels de l’API

DeepSeek a annoncé DeepSeek V4 Preview le 24 avril 2026 et l’a présenté comme disponible sur le web, dans l’application et via l’API. La documentation consultée décrit deux variantes principales.

Ces caractéristiques proviennent de l’annonce, des fiches de modèles et de la documentation officielles. Elles peuvent évoluer. Une fenêtre de contexte d’un million de tokens est une capacité maximale documentée, pas une garantie de rappel parfait, de pertinence constante ou d’exactitude sur un document très long.

DeepSeek est-il réellement open source ?

DeepSeek publie des poids, du code d’inférence et des rapports techniques, mais l’affirmation « tout DeepSeek est open source » est trop large. Vérifiez la licence du checkpoint exact, le modèle de base éventuel et les conditions applicables au code, aux poids et aux sorties. Un service cloud n’est pas rendu ouvert par la seule publication des poids d’un modèle.

Le dépôt officiel de DeepSeek-R1, par exemple, place le code et les poids R1 sous licence MIT et autorise l’usage commercial et les travaux dérivés. Certaines variantes distillées reposent toutefois sur Qwen ou Llama et conservent des conditions liées à leurs modèles de base.

• Vérifiez le dépôt et la model card du checkpoint exact.
• Lisez la licence du modèle DeepSeek et celle de tout modèle de base.
• Ne confondez pas « poids disponibles » et service entièrement reproductible.
• Évaluez séparément les droits sur le code, les poids, les données et les sorties.

Dépôts officiels GitHub ↗ · Modèles officiels Hugging Face ↗

Comment fonctionne un modèle DeepSeek ?

Les documents officiels décrivent de grands modèles de langage fondés sur des réseaux neuronaux. Pendant l’entraînement, les paramètres sont ajustés à partir de données et de méthodes d’optimisation. Pendant l’inférence, le modèle encode le contexte fourni et prédit progressivement les tokens probables afin de produire du texte, des tableaux ou du code.

Ce fonctionnement n’est pas celui d’une base de données de faits. Sans fonction de recherche ou source fournie, le modèle ne consulte pas automatiquement le web. Même avec un mode de raisonnement ou une recherche, il peut mal interpréter une information, citer une source inadéquate ou produire une réponse fausse.

Pourquoi les comparaisons absolues sont trompeuses

Un benchmark mesure une tâche, une version et un protocole précis. Il ne démontre pas qu’un modèle est « meilleur que GPT, Claude, Gemini ou Mistral » dans tous les usages. Pour comparer sérieusement, utilisez des versions contemporaines, le même ensemble de tests, les mêmes outils, la même langue et un budget comparable. Les résultats publiés par un éditeur doivent être clairement attribués et complétés par des essais indépendants.

Limites à connaître avant d’utiliser DeepSeek

DeepSeek indique lui-même qu’un modèle génératif peut produire un contenu incorrect, incomplet ou non factuel. Une réponse fluide, longue ou accompagnée d’un raisonnement apparent n’est pas une preuve d’exactitude.

• Hallucinations : faits, citations, dates, liens ou fonctions inventés.
• Informations périmées : absence d’un changement récent ou confusion entre deux versions.
• Contexte incomplet : oubli d’un passage ou interprétation erronée d’un document.
• Code risqué : vulnérabilité, dépendance inexistante ou comportement non testé.
• Biais : reproduction possible d’erreurs ou de stéréotypes présents dans les données.
• Décisions sensibles : une sortie ne remplace pas un avis médical, juridique, financier ou professionnel qualifié.

Ouvrez les sources citées, contrôlez les calculs, testez le code dans un environnement isolé et faites valider les décisions importantes par une personne compétente.