DeepSeek vient de sortir un petit framework qui change tout. Leur modèle V4 Pro génère 57 à 78 % plus vite sans perte de qualité et sans toucher aux poids. Ça s’appelle DSpark.

C’est la 5e fois en 6 mois que DeepSeek optimise au lieu d’agrandir. La philosophie : on n’agrandit pas le modèle, on le rend plus malin. C’est la stratégie chinoise face aux sanctions américaines sur les GPU.

Quand tu envoies une question à un LLM, il génère la réponse un mot à la fois. C’est la génération autorégressive.

Pour chaque nouveau mot, le modèle doit relire toute sa mémoire interne (le KV cache).

Le décode représente 95 % du temps d’une requête. Pour 300 tokens, c’est 20 ms de préfil contre 9 s de décode.

Le décodage spéculatif existe depuis un moment. Le principe est presque trop simple pour être vrai.

• Un gros ultra-puissant – modèle cible.
• Un petit modèle rapide – modèle brouillon.

Le petit propose une rafale de mots (ex. 8 d’un coup). Le gros vérifie les 8 propositions en une seule passe parallèle. Si ça valide, tu as généré 8 mots pour le prix d’un.

Le problème historique : personne n’avait encore la vitesse ET la cohérence.

• Approche autorégressive (Eagle3) : précise, mais le brouillon prend du temps.
• Approche parallèle (DFlash) : ultra-rapide, mais incohérence → taux d’acceptation qui s’effondre.

DeepSeek ajoute une idée maline : la tête de Markov. Une mini couche avant le choix final des mots.

Elle regarde seulement le mot juste avant. Pas toute la phrase, juste le voisin de gauche.

Le deuxième problème : vérifier 16 mots pour n’en garder que 6. C’est du calcul gaspillé.

La solution de DSpark : la vérification planifiée par la confiance.

• Tête de confiance : un score pour chaque mot du brouillon.
• Recalibrage : Sequential Temperature Scaling (STS) – erreur de calibration passe de 3-8 % à ~1 %.
• Vérification adaptative : la taille du bloc s’adapte à la charge GPU.

Les résultats sont impressionnants. Voici les chiffres en production réelle sur les serveurs de DeepSeek.

• DeepSeek V4 Pro : +57 à 78 % de vitesse.
• DeepSeek V4 Flash : +60 à 85 %.
• Aucune dégradation de la qualité (prouvé “lossless”).
• Sur Qwen 3-4B, DSpark accepte 26 à 31 % de mots en plus que Eagle3.

DeepSeek a tout open sourcé sous licence MIT.

• MIT : utilisation libre, même commerciale.
• Code complet : préparation des données, entraînement, évaluation.
• Compatible Qwen, Gemma, Llama.

En 6 mois, DeepSeek a enchaîné les innovations. Toujours le même esprit : on n’agrandit pas le modèle, on est plus malin autour.

Soyons honnêtes : DeepSeek V4 Pro a deux angles morts qu’il faut connaître.

1. Tâches agentiques longues

• DeepSeek V4 Pro : 67,9 %
• GPT-5.5 : 82,7 % → 15 points d’écart.

2. Hallucinations factuelles

• DeepSeek V4 Pro : 94 % de taux d’hallucination.
• Il préfère inventer plutôt qu’admettre son ignorance.

Pendant que tout le monde regarde les modèles propriétaires, DeepSeek joue un autre jeu.

• Modèles propriétaires : autonomie agentique extrême, zéro hallucination médicale. Prix élevés.
• Écosystème DeepSeek : pour tout le reste – mieux, moins cher, plus rapide. Coûts ÷7, vitesse ×2 avec DSpark.

Pas de blabla. Juste des résultats.

• Coûts d’inférence : divisés par 7.
• Vitesse de génération : multipliée par ~2.
• Et tout ça : gratuitement, open source, transparent.