À peine six semaines après avoir bouclé sa toute première levée de fonds, DeepSeek retourne déjà voir des investisseurs. Le laboratoire chinois vient de fermer un tour d’environ 7 milliards de dollars, et il cherche déjà à en lever davantage. Deux tours en deux mois, sans nouveau produit majeur entre les deux : le rythme en dit long sur la mécanique dans laquelle l’entreprise s’est enfermée avec ses prix cassés.
Le capital part dans le béton et le silicium
Tout se joue en quelques semaines. Fin mai, DeepSeek boucle son premier tour à environ 7 milliards de dollars, sur une valorisation de 52 milliards. Selon des informations de presse financière, la société discute désormais avec de nouveaux investisseurs sur une valorisation d’environ 71 milliards avant ce nouveau tour. Soit près de 20 milliards de valeur ajoutée en quelques semaines, sans nouveau produit majeur entre les deux.
Ce qui frappe, c’est la destination de l’argent. Il ne finance pas une percée algorithmique, il finance des data centers et des puces. DeepSeek veut ses propres centres de calcul et achète du matériel d’inférence (l’étape où le modèle répond aux requêtes) à grande échelle. Son fondateur Liang Wenfeng a lui-même remis environ 3 milliards de dollars au pot, ce qui fait de lui le premier bailleur ; autour de lui, on retrouve CATL, Tencent, JD.com, NetEase et le fonds public chinois dédié à l’IA. Quand le patron met près de la moitié du premier tour de sa poche, cela ressemble moins à un pari serein qu’à la volonté de garder la main coûte que coûte.
Un tarif onze fois moins cher que GPT-5.5
Voilà le chiffre qui a bâti la réputation de DeepSeek : son modèle V4-Pro coûte environ onze fois moins cher que GPT-5.5 sur les tokens d’entrée, et ce tarif plancher a été rendu permanent. Onze fois, on quitte le registre de la remise commerciale pour changer d’ordre de grandeur. À ce prix, un usage qui coûterait 1 000 euros par mois chez le concurrent tombe sous les 100 euros.
Ce prix a pourtant un coût, et il se lit dans le bilan. V4-Pro et V4-Flash figurent parmi les plus gros modèles à poids ouverts du marché, jusqu’à 1 600 milliards de paramètres. Servir un modèle de cette taille à des tarifs cassés, à volume croissant, suppose une infrastructure démesurée et une marge probablement négative sur chaque requête. Le tarif tient de la subvention plus que de la position commerciale : il ne se maintient que tant que le capital comble l’écart entre le prix payé par le client et le coût réel du calcul.
Et la demande, elle, est bien là. D’après Ramp, société américaine qui suit les dépenses réelles de plus de 50 000 entreprises, DeepSeek a compté parmi les fournisseurs de logiciels à la croissance la plus rapide chez les entreprises américaines en juin. Le même Ramp signale toutefois un angle mort : ces sociétés envoient leurs données directement sur la plateforme de DeepSeek, avec les risques de sécurité que cela implique. Le prix attire, la confiance suit moins vite.
Une puce maison pour desserrer l’étau Nvidia
Deuxième poste d’investissement, moins commenté mais tout aussi révélateur : DeepSeek développe sa propre puce d’inférence. L’objectif est de réduire sa dépendance à Nvidia et à Huawei pour la partie exécution de ses modèles. Là encore, la lecture par les chiffres éclaire la manœuvre : concevoir un accélérateur maison, c’est un pari à plusieurs centaines de millions qui ne rapporte rien avant plusieurs années.
Pourquoi s’infliger ce chantier alors qu’on lève déjà pour le calcul ? Parce que le matériel est le plafond de toute la stratégie de prix. Chaque dollar de marge grignoté par le coût des puces rend le modèle des tarifs cassés plus intenable. Fabriquer son silicium, c’est tenter de reprendre la main sur la variable qui décide, à terme, si l’ensemble tient debout ou non.
Le retard technique se creuse, l’écart de prix tient
Sur la performance pure, l’écart avec les leaders occidentaux ne se réduit pas, il grandit. GPT-5.6 Sol chez OpenAI et Claude Mythos chez Anthropic ont atteint un palier que DeepSeek ne peut pas encore égaler. Une nuance change pourtant la lecture : l’écart de performance reste bien plus petit que l’écart de prix. Pour un modèle onze fois moins cher, être quelques crans en dessous du sommet suffit à emporter un immense volume d’usages où le budget prime sur le dernier point de qualité.
Le danger le plus sérieux pour DeepSeek ne vient d’ailleurs pas de l’ouest, mais de son propre pays. Zhipu AI a sorti GLM-5.2, un modèle open-source qui ne concède que quelques points de pourcentage aux modèles Opus d’Anthropic sur des tâches de programmation longues de plusieurs heures, et qui séduit les entreprises. MiniMax prépare un modèle de 2 700 milliards de paramètres attendu dès le troisième trimestre. Moonshot AI, à l’origine de Kimi, cherche des fonds sur une valorisation pouvant atteindre 30 milliards. La course entre laboratoires chinois n’a jamais été aussi dense, et chacun peut casser les prix à son tour.
Remis en contexte, le nouveau tour de DeepSeek ressemble moins à une réussite qui s’accélère qu’à une mécanique qui s’emballe. Les prix cassés attirent les clients, l’afflux de clients gonfle les besoins en calcul, les besoins en calcul imposent une nouvelle levée, qui gonfle la valorisation, qui légitime la levée suivante. Tant que des investisseurs veulent financer cette spirale, DeepSeek continue d’imposer son tarif au marché. Le jour où le robinet du capital se resserre, ce sont ces onze fois moins cher qui deviendront la question la plus embarrassante à poser à Hangzhou.
