DeepSeek ouvre le moteur d'inférence DeepInfer, et des analystes estiment sa marge à 82%

Le 20 octobre, DeepSeek a mis en accès libre DeepInfer, le framework d'inférence interne sur lequel repose aujourd'hui son service à grande échelle. Il est accompagné de deepseek-recipe, un composant d'encodage et de décodage des tokens. La licence est Apache 2.0 : le code peut donc être intégré à des produits commerciaux, modifié et forké sans redevances. Quelques jours plus tard, la communauté a chiffré l'économie du service et obtenu une marge brute de l'ordre de 82%. Sur un marché où de nombreux acteurs subventionnent les tokens, le chiffre ne passe pas inaperçu.

Que contient la publication

DeepInfer n'est ni un projet expérimental ni une démo de conférence. C'est la couche qui sert réellement le trafic utilisateur de DeepSeek. Ce type de code reste généralement fermé : c'est là que l'entreprise tire de l'argent du matériel, et c'est de là que viennent les prix bas de l'API. Ici, DeepSeek l'a publié en intégralité.

Le second composant, deepseek-recipe, convertit le texte en tokens et inversement. Ce n'est pas un détail. Une erreur ou une désynchronisation dans la tokenisation et le décodage casse la compatibilité avec les modèles, surtout quand l'inférence est répartie entre plusieurs systèmes et frameworks. Les équipes tierces disposent désormais d'une implémentation de référence fournie par les auteurs des modèles.

Les paramètres de la publication en bref :

• Projet : DeepInfer, framework d'inférence interne de DeepSeek
• Composant associé : deepseek-recipe, encodage et décodage des tokens
• Date de publication : 20 octobre
• Licence : Apache 2.0
• Statut : infrastructure d'un service réel en production, et non un prototype de recherche
• Estimation externe de la marge brute : environ 82%

D'où viennent les 82%

Ce n'est pas un chiffre officiel de DeepSeek, mais un calcul réalisé de l'extérieur. Ce type d'estimation dépend toujours d'hypothèses : le coût d'une heure de GPU, le taux de charge du cluster, la part des requêtes servies par le cache de contexte et le tarif réellement payé par les clients. La tendance est pourtant claire : le service dégage une marge confortable et ne vend pas ses tokens à perte pour gagner en audience.

Il existe aussi un précédent. En mars 2025, DeepSeek avait elle-même publié une analyse de son système d'inférence. Selon ce document, le chiffre d'affaires théorique quotidien atteignait environ $562K pour des coûts d'environ $87K de location de GPU, sur la base de $2 par heure de H800. Cela donnait une marge théorique de 545%. L'entreprise avait aussitôt précisé que le chiffre d'affaires réel était nettement inférieur : une partie du trafic est gratuite, une autre bénéficie de remises, et les prix de V3 sont plus bas que ceux de R1. L'estimation à 82% est plus terre à terre et paraît plus crédible comme résultat tenant compte de la structure réelle des paiements.

Il en découle que l'API bon marché de DeepSeek repose sur l'ingénierie, et non sur un dumping financé par les investisseurs. Les sources d'économies sont connues : séparation des phases de prefill et de decode, parallélisme d'experts pour les modèles MoE, mise en cache agressive. DeepInfer montre désormais comment tout cela s'assemble dans une pile logicielle fonctionnelle.

À qui servira ce code et ce qui va changer sur le marché

Les premiers gagnants sont les équipes qui hébergent elles-mêmes les modèles ouverts de DeepSeek. Elles devaient jusqu'ici assembler des optimisations issues de dépôts dispersés et de conjectures. Elles disposent maintenant d'une référence fournie par ceux qui ont entraîné ces modèles et qui servent des millions de requêtes.

L'effet se propagera ensuite aux fournisseurs cloud et aux startups de revente d'inférence. Si une partie des optimisations de DeepSeek devient un standard, le prix du token chez les concurrents baissera sur des modèles comparables. Les laboratoires fermés devront expliquer pourquoi le client paie une prime. L'argument du « impossible de faire moins cher » pèse moins après une telle publication.

En pratique, on peut en tirer les conclusions suivantes :

• Les équipes d'infrastructure ont intérêt à comparer leurs métriques de throughput et de coût du token avec le comportement de DeepInfer sur leur propre matériel, avant de faire monter en charge leur pile maison.
• Pour ceux qui construisent un produit sur une API, un nouveau repère apparaît : avec une marge d'environ 82%, le fournisseur dispose d'une marge de manœuvre pour des remises, et il vaut la peine de négocier le prix plus durement.
• La licence Apache 2.0 lève les obstacles juridiques à l'intégration du code dans un produit commercial, mais la charge de production doit être testée séparément : l'infrastructure de DeepSeek est conçue pour ses modèles et ses clusters.

La grande question des prochains mois : quelqu'un d'autre suivra-t-il DeepSeek ? De nombreux acteurs ouvrent déjà leurs modèles, mais très peu ont publié une pile d'inférence complète. Si la barre est relevée, la concurrence se déplacera de la taille des modèles vers la capacité à les servir en production à moindre coût et avec plus de stabilité.