DeepSeek vs ChatGPT : coût, qualité et ce que tout le monde oublie

La réponse courte

Sur le raisonnement textuel, les mathématiques et le code, DeepSeek tient vraiment la comparaison avec les modèles occidentaux de pointe, et il coûte une fraction du prix à faire tourner via une API. Ce n'est pas du battage : c'est la raison pour laquelle toute l'industrie a levé la tête à la sortie de R1, et pourquoi les tarifs de tous les fournisseurs sont sous pression depuis.

Sur tout ce qui n'est pas le modèle brut, ChatGPT est devant, et de loin. La compréhension des images et de l'audio, la voix, l'exécution de code sur vos fichiers, les connecteurs, les assistants personnalisés, l'outillage développeur, la fiabilité en charge, la documentation, l'écosystème. Si vous choisissez un assistant du quotidien plutôt qu'un modèle sur lequel construire, cet écart compte bien plus que les scores de benchmark.

La bonne formulation n'est donc pas « lequel est le meilleur ». C'est « achetez-vous un modèle ou un produit ? » DeepSeek vend un très bon modèle très bon marché. OpenAI vend un produit avec un très bon modèle dedans. Ce sont deux achats différents.

D'abord, de quel DeepSeek parlez-vous ?

Presque toutes les discussions confuses sur DeepSeek viennent de deux personnes qui parlent de choses différentes. Il existe trois façons distinctes de l'utiliser, et elles diffèrent sur le coût, sur la confidentialité et sur ce que vous avez le droit de faire du résultat.

	L'application et le site	L'API DeepSeek	Les poids ouverts
Coût	Gratuit	Très faible par token	Votre propre infrastructure
Où vont vos données	Serveurs de DeepSeek	Serveurs de DeepSeek	Là où vous les faites tourner
Auto-hébergement possible	Non	Non	Oui
Fine-tuning possible	Non	Non	Oui
Restrictions de sujets	Oui, sur les sujets politiquement sensibles	Oui	Réduites, mais le comportement appris demeure
Idéal pour	Faire un essai	Texte et code en production à bas coût	Travaux sensibles ou réglementés

C'est cette troisième colonne que tout le monde oublie, et c'est la plus intéressante. DeepSeek publie les poids de ses modèles sous licence permissive, ce qui veut dire que le modèle peut être téléchargé, exécuté sur votre propre matériel, hébergé par un prestataire situé dans votre juridiction, et adapté. Aucun laboratoire occidental de pointe ne fait cela avec ses meilleurs modèles.

La conséquence pratique : une équipe qui ne peut pas envoyer ses données à une entreprise chinoise peut quand même utiliser DeepSeek en exécutant les poids elle-même, ou via un prestataire qui les héberge ailleurs. Quand vous lisez qu'un gouvernement a interdit DeepSeek, il s'agit presque toujours de l'application et de l'API hébergée, pas des poids.

Là où DeepSeek tient vraiment la comparaison

Raisonnement et mathématiques. La gamme de raisonnement est ce que DeepSeek réussit le mieux. Sur les problèmes difficiles à plusieurs étapes, les mathématiques de concours et les casse-tête logiques, il joue dans la même catégorie que des modèles bien plus chers à faire tourner. Si votre problème a une bonne réponse vérifiable, ça vaut le coup de commencer vos tests par là.

Code. Solide en implémentation, en refactorisation, en débogage et pour expliquer du code inconnu. Pas le meilleur pour raisonner sur une base de code entière, où une très grande fenêtre de contexte aide davantage, mais très fort au dollar dépensé, et de loin.

Raisonnement visible. Les modèles de raisonnement montrent leur cheminement d'une façon réellement utile à la relecture. Quand la réponse est fausse, vous voyez en général quelle étape a dérapé, ce qui vaut plus qu'il n'y paraît quand vous vérifiez une sortie au lieu de lui faire confiance.

Coût. C'est l'argument principal. Au million de tokens, l'API DeepSeek se situe constamment un ordre de grandeur sous les tarifs occidentaux haut de gamme, parfois plus bas encore avec le cache. Pour tout ce qui tourne en volume, ce n'est pas une petite économie : c'est la différence entre une fonctionnalité viable et une fonctionnalité qui ne l'est pas.

L'efficacité comme objectif de conception. La partie intéressante de la recherche de DeepSeek est architecturale : le routage mixture-of-experts, l'attention parcimonieuse et des techniques d'entraînement qui atteignent des résultats de pointe sans budgets de pointe. Ces travaux ont été publiés, et ils ont visiblement influencé la façon dont tous les autres fixent leurs prix et construisent leurs modèles.

Là où ChatGPT est nettement devant

Le travail multimodal. Donnez à ChatGPT une capture d'écran, la photo d'un tableau blanc, un graphique ou une facture scannée, et il s'en sort bien. Les modèles textuels de DeepSeek sont des modèles textuels. Si votre travail implique des images, cela suffit à trancher.

Usage d'outils et exécution de code. ChatGPT peut exécuter du code sur les données que vous chargez, produire un graphique et vous rendre le fichier. Ce workflow, plus les connecteurs vers les outils de travail, relève du produit, et aucun modèle seul ne le remplace.

Fiabilité et capacité. Le service hébergé de DeepSeek a connu des périodes visibles de dégradation et des pauses d'inscription en cas de forte charge. Si vous construisez quelque chose dont vos clients dépendent, l'historique de disponibilité compte autant que la qualité.

L'écosystème. Des SDK, un appel de fonctions bien documenté, des intégrations, des réponses de la communauté aux problèmes obscurs, et un vivier de profils qui connaissent déjà l'outillage. Quand vous tombez sur un cas limite bizarre à 2 h du matin, les chances que quelqu'un en ait déjà parlé sont bien plus élevées.

La régularité du comportement. ChatGPT suit plus fidèlement les instructions complexes de format et de rôle sur de longues conversations. DeepSeek dérive davantage, ce qui se voit tout de suite dans les charges de travail de type agent, où le même prompt tourne mille fois.

La voix, la génération d'images et tout le reste. La génération au-delà du texte représente une grande partie de ce pour quoi les gens paient, et ne fait pas vraiment partie de l'offre de DeepSeek.

La comparaison des coûts, faite correctement

Si vous utilisez une interface de chat, cette section ne change pas grand-chose : l'application DeepSeek est gratuite et l'abonnement ChatGPT tourne autour de 20 $. Passez à la suite.

Si vous construisez quoi que ce soit, l'écart par token s'accumule vite. Prenez une charge réaliste d'assistant support : 2 000 tokens d'entrée et 500 tokens de sortie par requête, 50 000 requêtes par mois. Cela fait 100 millions de tokens d'entrée et 25 millions de tokens de sortie. Faites tourner cela aux tarifs occidentaux haut de gamme et la facture mensuelle devient significative. Faites-le tourner sur DeepSeek et la même charge peut revenir au prix d'un déjeuner. Même après les baisses de prix que DeepSeek a déclenchées dans toute l'industrie, l'écart est resté large.

Trois choses changent le calcul, et ce sont justement celles que l'on oublie :

• Les modèles de raisonnement génèrent beaucoup de tokens que vous ne voyez jamais. La réflexion étendue peut représenter plusieurs fois la sortie visible. Un prix par token faible multiplié par beaucoup plus de tokens n'est pas toujours bon marché. Mesurez le total de tokens, pas le prix par token.
• Le tarif du cache compte plus que le tarif affiché pour tout ce qui repose sur un prompt système stable. Une forte remise sur l'entrée répétée peut battre un prix de façade plus bas.
• Le modèle le moins cher qui passe votre évaluation gagne. Pas le meilleur modèle. Constituez un petit jeu de test avec de vraies entrées dont vous connaissez les bonnes sorties, et lancez-le sur les deux. La plupart des charges de production n'ont pas besoin d'un modèle de pointe, et on ne le découvre qu'en mesurant.

Un schéma raisonnable pour les équipes : envoyez le gros du trafic vers le modèle bon marché, et escaladez vers le modèle cher quand la confiance est faible ou que la tâche est à fort enjeu. C'est bien plus facile à construire quand vous n'êtes pas enfermé dans l'API d'un seul fournisseur.

Confidentialité, juridiction et censure

Le sujet mérite d'être traité factuellement plutôt qu'en histoire à faire peur, parce que ce sont les détails qui déterminent s'il vous concerne ou non.

Où vont les données. Le service hébergé de DeepSeek traite et stocke les données sur des serveurs situés en Chine, et sa politique de confidentialité le dit. Le droit chinois donne aux autorités un accès plus large aux données détenues sur le territoire que la plupart des cadres occidentaux. Que cela pose problème dépend entièrement de ce que vous envoyez. Une question de recette de cuisine n'est pas un risque. Des contrats clients, des données de patients, du code non publié ou tout ce qui relève du RGPD ou d'un accord de traitement des données signé avec un client, c'est une autre affaire.

La réaction des régulateurs. Plusieurs gouvernements et autorités ont restreint l'application DeepSeek sur les appareils officiels ou sur leur territoire, en invoquant le traitement des données. Si votre organisation a un processus d'achat ou de revue de sécurité, attendez-vous à ce que le service hébergé y échoue, et attendez-vous à ce que cette décision porte sur la juridiction, pas sur la qualité du modèle.

Les restrictions de contenu. Le service hébergé refuse ou esquive sur les sujets politiquement sensibles, en particulier ceux qui le sont en Chine. Exécuter les poids ouverts réduit ce comportement, puisqu'une partie de la couche de refus se trouve dans la pile de service, mais une partie est apprise à l'entraînement et ne disparaît pas complètement. Si votre travail touche à l'histoire, à la géopolitique ou à toute comparaison entre gouvernements, testez avant de vous y fier.

Le contournement qui marche vraiment. Utilisez les poids ouverts via un prestataire qui les héberge dans votre juridiction, ou faites-les tourner vous-même. Vous gardez les avantages de coût et de qualité, et la question de la localisation des données disparaît. C'est exactement pour cela que les poids ouverts comptent stratégiquement, et pas seulement comme un joli geste.

Pour une comparaison plus complète de la façon dont les grands fournisseurs traitent les données de chat, la conservation et le refus d'entraînement, notre guide du coût des abonnements IA couvre le côté achat, et les pages de politique à jour de chaque éditeur font foi pour le reste.

Qui devrait utiliser quoi

Si vous êtes	Utilisez	Parce que
Un utilisateur quotidien classique	ChatGPT	Le produit autour du modèle représente l'essentiel de la valeur
Sensible au coût et en production à fort volume	L'API DeepSeek	Un ordre de grandeur moins cher pour le texte et le code
Dans un secteur réglementé	Les poids ouverts DeepSeek auto-hébergés, ou un modèle occidental	La localisation des données est toute la question
Sur des maths ou de la logique intensives	Testez les deux	DeepSeek y est vraiment fort et coûte peu à essayer
En train de travailler avec des images, de l'audio ou des fichiers	ChatGPT	Les modèles textuels de DeepSeek ne couvrent pas cela
En train de faire tourner une boucle d'agent en production	ChatGPT, puis optimisez	Le respect des instructions prime sur le prix au départ
En recherche ou en expérimentation	Les deux	Essayer DeepSeek ne coûte presque rien

Le schéma sur lequel la plupart des équipes se stabilisent n'est pas l'un ou l'autre. C'est un modèle bon marché et capable pour le travail de volume, un modèle de pointe pour les cas difficiles et tout ce qui est face au client, et une règle de routage entre les deux. C'est une architecture raisonnable, et c'est pourquoi l'enfermement chez un fournisseur unique vaut la peine d'être évité, même quand ce fournisseur vous plaît.

Si vous voulez confronter le raisonnement de DeepSeek à GPT, Claude et Gemini sans ouvrir quatre comptes et sans rien envoyer vers un point d'accès hébergé en Chine, Whizi les réunit tous dans un seul abonnement. Lancez le même prompt dans deux modèles, gardez la meilleure réponse, et voyez comparer les modèles côte à côte pour savoir comment cela fonctionne en pratique.