DeepSeek V4 Pro contre Claude Sonnet 4.6 sur 50 tâches : où l'on économise, où l'on prend un risque

La comparaison de DeepSeek V4 Pro et de Claude Sonnet 4.6 sur 50 tâches typiques d'un développeur russe met en évidence une chose simple : un faible prix par token ne garantit pas le meilleur choix pour la production. Sur les scénarios de base, les modèles font quasiment jeu égal, mais sur les tâches à spécificité russe, DeepSeek se trompe nettement plus souvent.

Ce qui a été testé

L'auteur a comparé les modèles non pas sur des benchmarks académiques, mais sur des requêtes concrètes que rencontrent réellement les équipes locales : support client, extraction de données de documents, calculs selon le Code du travail et le Code des impôts russes, et décodage d'abréviations professionnelles. Les tests ont été réalisés via les interfaces web habituelles : Claude Sonnet 4.6 sans adaptive thinking, DeepSeek V4 en mode rapide sans deep thinking. Au total, 50 prompts ont été répartis en quatre blocs.

En avril 2026, l'écart de prix paraissait très agressif en faveur de DeepSeek : 1,74 $ par million de tokens en entrée et 3,48 $ en sortie, contre 3 $ et 15 $ pour Sonnet 4.6. Sur une charge réelle, cela représente une économie d'environ un facteur trois, et la tentation de passer au modèle le moins cher se comprend aisément.

• Classification de 20 tickets de support en cinq catégories
• Extraction de champs sur 15 documents comportant des erreurs d'OCR
• 10 tâches de reasoning portant sur le droit russe et des calculs
• 5 tâches de terminologie locale, comme EDO, UPD, OFD et KIZ

Où les modèles sont à égalité

Sur les scénarios simples, il n'y a presque pas eu de différence. Les deux modèles ont classé les tickets de support sans erreur et ont répondu aussi bien l'un que l'autre aux questions courantes sur la livraison, les retours, le paiement et les demandes générales. En reasoning de base, l'égalité était aussi de mise : délai de prescription, remboursement d'une avance et cas d'un licenciement en période d'essai ont été traités correctement par les deux systèmes, même si les références aux textes différaient.

Le constat était similaire pour les documents ordinaires. Aucun des deux modèles n'a confondu un OGRNIP (numéro d'enregistrement de l'entrepreneur individuel) avec un INN (identifiant fiscal), tous deux ont retenu le montant de la ligne en chiffres lorsque le montant en lettres contenait une erreur, et tous deux ont correctement extrait la date d'une note de frais d'avance. D'après l'auteur, si 80 % de la charge d'une entreprise se compose de telles tâches, passer à DeepSeek peut effectivement réduire le budget d'environ 75 % sans baisse notable de qualité.

«

Les benchmarks anglophones ne nous aideront pas à choisir un modèle pour une tâche russe. »

Où les erreurs coûtent cher

Les problèmes ont commencé là où il faut non pas une intelligence générale, mais la connaissance du contexte local et de la rigueur sur les cas limites. Dans le test de calcul du salaire d'un employé rémunéré 150 000 roubles, Sonnet a donné le bon net de 130 500 roubles, tandis que DeepSeek a répondu 110 550. Le modèle a en pratique retenu 26,3 % au lieu des 13 % standard, probablement en confondant le NDFL avec les cotisations sociales patronales. Dans une démonstration, ce n'est qu'un raté ; dans un pipeline automatisé, cela peut représenter des centaines de milliers de roubles d'erreur par mois.

Une autre défaillance est apparue dans la normalisation OCR. Les deux modèles ont correctement lu le montant, l'INN et la date d'une facture mêlant caractères russes et latins, mais seul Sonnet a normalisé le numéro du document sous sa forme canonique. DeepSeek a laissé les lettres O et l là où il fallait des chiffres. Si ce numéro est ensuite comparé à une base 1C ou ERP par correspondance exacte, le document restera introuvable, alors même que les autres champs semblent corrects.

Le type d'erreur le plus gênant de DeepSeek est apparu sur la question de la déduction sociale pour les études d'un fils de 25 ans. Le modèle a commencé sa réponse par « OUI », puis a lui-même expliqué pourquoi, selon l'article 219 du Code des impôts, la déduction n'est pas accordée après 24 ans. Un humain voit la contradiction immédiatement, mais pour un système qui n'analyse que le premier mot, la classe obtenue est fausse. Un problème semblable est apparu en terminologie : Sonnet a correctement développé KIZ en « marque d'identification de contrôle », alors que DeepSeek a inventé une variante sur un « code d'identification de pièce détachée ».

Au total, Sonnet a obtenu 92 % contre 88 % sur les documents, 100 % contre 60 % sur les tâches à spécificité juridique russe et 100 % contre 80 % sur les termes locaux.

Ce que cela signifie

La conclusion pratique : DeepSeek V4 Pro convient bien au support de première ligne, aux réponses modélisées, à la classification de base et aux MVP, où le prix est déterminant et où une erreur n'entraîne aucune action financière ou juridique. Mais si le modèle intervient dans des calculs d'argent, l'interprétation des Codes des impôts et du travail russes, la normalisation de documents, ou produit des réponses qu'un système analyse directement, le surcoût de Claude Sonnet 4.6 ressemble à une assurance contre des conséquences plus coûteuses. Mieux vaut choisir entre les deux non pas sur des benchmarks, mais sur 30 à 50 de vos propres requêtes réelles.