La course à la réduction des coûts pour l’utilisation de l’intelligence artificielle en entreprise commence à influencer concrètement les décisions d’achat. DeepSeek, la société chinoise qui a rapidement émergé sur le marché des modèles ouverts et des API économiques, a en juin occupé la première place du classement des fournisseurs de logiciels à la tendance de Ramp, une plateforme américaine de gestion des dépenses professionnelles. Ce constat ne signifie pas encore qu’elle ait dépassé OpenAI ou Anthropic en termes d’adoption globale, mais il confirme que certaines entreprises recherchent des alternatives plus abordables aux grands modèles américains.

Ce mouvement s’accompagne d’un second signal, cette fois depuis la Chine. Les autorités du pays ont mis en garde contre les risques liés à la sécurité liés aux services d’intermédiation qui permettent d’accéder à des modèles étrangers via des plateformes non officielles. Ces deux informations pointent vers une problématique commune sous des angles différents : dans l’économie nouvelle de l’intelligence artificielle, le prix compte, mais le traitement des données l’est encore davantage.

La pression sur les coûts commence à transformer les processus d’achat en IA

Ramp classe DeepSeek en première position de son classement des “fournisseurs logiciels en vogue” en juin. Ce classement ne mesure pas la part de marché totale, mais repère les fournisseurs qui captent de nouveaux paiements d’entreprises. Autrement dit, il détecte quand une société commence à payer pour un logiciel précis pour la première fois.

Cette lecture est importante car il ne s’agit pas de curiosité technique ou de simples téléchargements sur GitHub, mais d’un véritable enjeu financier. Selon l’analyse rapportée par Ramp Economics Lab, plusieurs entreprises américaines paieraient directement DeepSeek, ce qui suggère que toutes ne déploient pas leurs modèles ouverts sur leurs propres serveurs, mais utilisent plutôt des services hébergés par le fournisseur chinois.

Ce distinguo modifie considérablement l’analyse. Auto-héberger un modèle permet un meilleur contrôle sur le lieu d’exécution et la sortie des données hors de l’organisation. Utiliser une API directe peut être plus rapide et économique, mais implique d’envoyer des informations à une infrastructure externe, soulevant des questions de confidentialité, conformité, juridiction et sécurité.

DeepSeek avait déjà suscité une attention en janvier 2025, lorsque sa part d’adoption dans l’indice Ramp avait atteint 0,3 %. Elle est ensuite retombée à 0,1 % et y restait en avril 2026. Pour mettre cela en contexte, Anthropic et OpenAI dominaient alors le même indice d’adoption de l’IA chez Ramp, avec respectivement 34,4 % et 32,3 %.

La différence entre une croissance ponctuelle et une domination de marché est cruciale. DeepSeek peut être en hausse à partir d’une base faible, tandis que OpenAI et Anthropic restent les fournisseurs les plus présents dans de nombreuses entreprises. Mais le message est clair : le coût de l’IA devient désormais un critère décisif.

Le prix n’est plus un simple détail technique

Lors de la phase initiale d’adoption, nombreuses étaient les entreprises à tester des modèles IA sans trop se soucier du coût unitaire. Leur focus portait sur la compréhension des cas d’usage : génération de texte, service client, copilotes internes, analyse de documents, développement, recherche sémantique ou automatisation des tâches.

Une fois ces pilotes passés en production, la donne change. Les appels aux modèles se multiplient, les agents automatisent plus d’étapes, les équipes de développement intègrent l’IA dans leur flux quotidien, et les départements constatent des factures récurrentes. À ce stade, le coût par token devient une variable financière essentielle, et non plus un simple paramètre technique.

DeepSeek intervient précisément à ce niveau. Son offre apparaît comme une option plus économique pour certains charges, notamment face aux modèles commerciaux de référence. Pour des tâches où la puissance maximale n’est pas indispensable, de nombreuses entreprises envisagent une architecture plus segmentée : modèles haut de gamme pour les travaux complexes, modèles économiques pour les tâches répétitives, et modèles auto-hébergés pour les données sensibles.

Il en résulte une fragmentation potentielle du marché. Contrairement à une course à l’unique gagnant, les entreprises préfèrent n’opérer qu’avec le modèle le moins cher si celui-ci répond à 80 % des besoins. Cependant, elles ne veulent pas prendre de risques inutiles avec des données critiques. La gestion de l’IA devient alors semblable à celle du cloud : classification des charges, règles de fournisseurs, limites par type de données et audits continus.

La Chine met en garde contre les intermédiaires étrangers

Alors que certaines entreprises américaines expérimentent DeepSeek pour ses prix compétitifs, la Chine se concentre sur un souci spécifique : les services d’intermédiation ou “relay” IA. Ces plateformes agissent comme des passerelles, regroupant des API de modèles variés — nationaux ou étrangers — pour fournir un accès unifié via une seule interface.

L’intérêt est évident. Un développeur peut accéder à plusieurs modèles sans négocier individuellement avec chaque fournisseur, éviter des contraintes techniques, simplifier l’intégration, et parfois réduire le coût. Cependant, nombreux sont ces services qui introduisent une couche opaque entre l’utilisateur et le modèle final.

Les autorités chinoises ont mis en garde contre plusieurs risques : atteintes à la vie privée, fuite de données, revente d’informations, impersonation de modèles performants à des versions inférieures, portes dérobées potentielles et transferts transfrontaliers non autorisés. En somme, un relais peut sembler pratique et économique, mais il peut aussi devenir un point faible en matière de sécurité.

Cet avertissement ne devrait pas être perçu comme un problème uniquement local. Le marché mondial des IA regorge d’intermédiaires : passerelles, agrégateurs, proxies, routeurs de modèles, plateformes d’inférence, et autres services visant à optimiser coût, latence ou disponibilité. La majorité sont légitimes et nécessaires, mais certains manquent de transparence.

Le nouveau défi : savoir quel modèle répond réellement

L’un des enjeux techniques et réglementaires majeurs est la traçabilité. Lorsqu’une entreprise utilise directement un modèle d’un fournisseur comme OpenAI, Anthropic ou Google, elle peut vérifier l’accord, les conditions, la localisation des données, et les politiques de conservation. En revanche, avec un intermédiaire peu clair, il devient plus difficile de connaître la provenance réelle des résultats : quel modèle a été sollicité, où s’est-il exécuté, qui a vu le prompt, et ce qui a été conservé.

Ce manque de transparence peut entraîner plusieurs risques. Une équipe pourrait penser utiliser un modèle de pointe alors qu’elle reçoit des réponses d’un modèle moins sophistiqué ou moins fiable. Des données internes pourraient être envoyées à une plateforme qui ne garantit pas la confidentialité. Des clés API ou identifiants pourraient être introduits dans un relais sans contrôle, ce qui peut entraîner des violations de politiques internes ou des failles de sécurité.

Pour les secteurs réglementés — banques, santé, industrie, secteur public, assurance, télécommunications — cette problématique est encore plus critique. Ces organisations ne peuvent pas traiter tous les modèles IA comme des outils grand public. Elles doivent savoir où passent leurs données, qui les traite, quels contrôles sont en place, et comment assurer la conformité lors d’un audit.

La géopolitique s’invite à la couche d’inférence

L’exemple de DeepSeek illustre aussi que la compétition entre modèles ne se limite pas à la technique. Elle a aussi une dimension économique et géopolitique. Que des entreprises américaines paient directement une société chinoise pour des services d’IA peut soulever des questions internes en matière juridique, de sécurité et de conformité. De même, l’accès indirect à des modèles étrangers par des développeurs chinois inquiète les autorités de Pékin.

La couche d’inférence devient une infrastructure stratégique. Il ne s’agit plus seulement de stocker des données, mais de gérer l’endroit où sont traitées les questions, les documents, les conversations et les actions des agents intelligents. L’IA ne se limite pas au traitement du texte : elle concerne aussi l’intention, le contexte d’entreprise, et le savoir opérationnel.

Dès lors, la souveraineté de l’IA ne se limite pas à posséder un modèle national. Elle implique aussi de maîtriser tout le cycle : interface, API, modèle, fournisseur d’inférence, cloud, enregistrements, chiffrement, conservation, évaluation et audits. Un modèle peu coûteux peut être utile, mais si le flux de données n’est pas maîtrisé, l’économiser peut devenir un risque.

Ce que doivent faire les entreprises

La réponse n’est pas d’interdire tout modèle étranger ni d’utiliser systématiquement le fournisseur le plus coûteux. Le marché évolue vers une combinaison de modèles. La clé est d’établir des règles claires avant que chaque équipe ne commence à signer des contrats de son côté.

Les entreprises devraient classer leurs données, définir quels modèles sont autorisés pour chaque type d’information, interdire les relais non certifiés, exiger des contrats précis sur la conservation et l’entraînement, enregistrer l’usage des API, et évaluer régulièrement la qualité, le coût et les risques. Il est aussi utile d’étudier les options auto-hébergées lorsque le volume ou la sensibilité des données le justifient.

DeepSeek peut représenter une option intéressante pour réduire les coûts dans certains scénarios. OpenAI et Anthropic resteront des références pour beaucoup d’usages professionnels. Les modèles ouverts prendront de l’importance dans les environnements privés. Les intermédiaires seront utiles s’ils apportent transparence et contrôle. Le problème n’est pas la diversité des fournisseurs, mais de leur utiliser sans gouvernance.

Cette évolution indique clairement pour le secteur tech : l’IA économique est arrivée en entreprise, mais elle ne vient pas seule. Elle soulève des questions sur les données, la juridiction, la sécurité, la traçabilité et la confiance. La véritable avantage compétitif ne sera plus de simplement choisir le modèle le plus puissant ou le plus économique, mais de sa savoir-faire pour choisir le bon modèle au bon moment, tout en gardant le contrôle.

Questions fréquentes

Pourquoi DeepSeek apparaît-elle désormais dans le radar des entreprises américaines ?

Parce qu’elle a occupé en juin la tête des fournisseurs de logiciels en tendance chez Ramp, basée sur de nouveaux paiements d’entreprises. Cela suggère que certaines firmes expérimentent des alternatives moins coûteuses à OpenAI et Anthropic.

DeepSeek dépasse-t-elle déjà OpenAI ou Anthropic ?

Pas selon les données disponibles. En avril 2026, OpenAI et Anthropic conservaient la majorité de l’adoption IA chez Ramp avec respectivement 34,4 % et 32,3 %. DeepSeek est en tendance, pas encore en tête absolue.

Que sont les relais d’intelligence artificielle ?

Ce sont des services intermédiaires qui regroupent des API de différents modèles IA, nationaux ou étrangers, pour fournir un accès unifié via une seule plateforme autorisant une gestion simplifiée, mais pouvant aussi introduire des risques si leur transparence ou sécurité fait défaut.

Que doivent surveiller les entreprises utilisant des modèles économiques ?

Il est essentiel de vérifier où les données sont traitées, si les prompts sont stockés, si les données sont utilisées pour l’entraînement, la juridiction applicable, l’identité du fournisseur réel, et si des audits réguliers sont réalisés.

via : Noticias Inteligencia Artificial