DeepSeek a publié V4.1-Flash le 10 septembre 2026. C'est un modèle aux poids ouverts sous licence MIT, qui lit texte et images, accepte un million de tokens de contexte et s'accompagne d'une API parmi les moins chères du marché, 0,30 $ en entrée et 1,20 $ en sortie par million de tokens, moitié prix en heures creuses. La question arrive vite en entreprise. Peut-on s'en servir en France ?
Tout dépend de ce que vous appelez « DeepSeek ». L'API et l'application de DeepSeek envoient vos données à une société chinoise, qui indique les stocker en Chine. Pour des données clients, personnelles ou sensibles, c'est à exclure. Les poids ouverts, eux, peuvent tourner sur vos serveurs ou chez un hébergeur en France, sans que rien ne parte en Chine. Mais un modèle de cette taille coûte cher à héberger, et d'autres modèles ouverts (Mistral, Qwen, modèles plus petits) font souvent le même travail plus simplement.
Cet article s'adresse au dirigeant ou au DSI qui a des données sensibles et cherche une alternative aux API américaines ou chinoises. Il ne remplace pas l'avis de votre DPO ou de votre avocat. Il pose les points d'attention concrets, avec les faits connus au 10 septembre 2026.
En résumé
- ✓ DeepSeek V4.1-Flash, publié le 10 septembre 2026, est un modèle à poids ouverts sous licence MIT, multimodal, avec un contexte d'un million de tokens.
- ✓ L'API et l'application DeepSeek stockent vos données en Chine. À exclure pour des données clients, personnelles ou confidentielles.
- ✓ Les poids ouverts peuvent tourner en France, chez vous ou chez un hébergeur, sans aucun échange avec DeepSeek.
- ✓ Avec environ 552 milliards de paramètres, le modèle demande un serveur à plusieurs GPU haut de gamme. Un modèle ouvert plus petit suffit souvent.
- ✓ Quel que soit le modèle ouvert retenu, testez-le sur vos propres cas avant de vous engager.
DeepSeek V4.1-Flash, de quoi parle-t-on ?
DeepSeek V4.1-Flash est le dernier modèle de la société chinoise DeepSeek, publié le 10 septembre 2026. Il réunit deux choses qu'on trouve rarement ensemble, des poids téléchargeables sous une licence très permissive et une API vendue à très bas prix.
Ce qui a été publié le 10 septembre
Le modèle repose sur une architecture dite de mélange d'experts (Mixture of Experts). Il compte environ 552 milliards de paramètres au total, mais n'en active qu'une petite partie à chaque token. Il lit le texte et les images, accepte jusqu'à un million de tokens de contexte, et ses poids sont disponibles sur Hugging Face sous licence MIT. Les caractéristiques et les prix sont repris dans ce récapitulatif de la sortie.
| Caractéristique | DeepSeek V4.1-Flash | Ce que ça veut dire pour vous |
|---|---|---|
| Sortie | 10 septembre 2026 | Modèle très récent, peu de retours de production à ce jour |
| Taille | Environ 552 milliards de paramètres, une petite fraction activée par token | Rapide à l'usage, mais lourd à héberger, car tout le modèle doit tenir en mémoire |
| Entrées | Texte et images | Utilisable sur des scans, captures ou schémas, à tester sur vos formats |
| Contexte | 1 million de tokens | Peut lire de très longs dossiers, la fiabilité sur toute la longueur reste à mesurer |
| Licence | MIT | Usage commercial, modification et hébergement libres, avec mention de la licence |
| API DeepSeek | 0,30 $ / 1,20 $ par million de tokens en heures pleines, 0,15 $ / 0,60 $ en heures creuses | Très bas prix, mais données traitées par DeepSeek |
Pour situer ces prix, au 10 septembre, GPT-5.6 Luna est facturé 0,20 $ en entrée et 1,20 $ en sortie, et Gemini 3.8 Flash 0,75 $ et 3,75 $ en tarif de lancement. En heures creuses, DeepSeek passe sous ces deux tarifs. C'est cet écart qui pousse beaucoup d'équipes techniques à regarder le modèle de près.
Un nom, deux usages très différents
Utiliser l'API DeepSeek, c'est confier vos données à DeepSeek. Télécharger les poids, c'est récupérer un fichier que vous faites tourner où vous voulez, sans aucun échange avec l'éditeur. La plupart des débats sur « DeepSeek et le RGPD » mélangent ces deux situations, qui n'ont presque rien en commun pour un DPO.
| Question | API et application DeepSeek | Poids ouverts hébergés en France |
|---|---|---|
| Où tourne le modèle | Sur les serveurs de DeepSeek | Sur vos serveurs ou chez l'hébergeur que vous choisissez |
| Qui voit vos données | DeepSeek, société de droit chinois | Vous et votre hébergeur, sous contrat |
| Localisation | Chine, selon la politique de confidentialité de DeepSeek | France, si vous le décidez |
| Mise en route | Une clé d'API et quelques lignes de code | Serveur GPU, déploiement, supervision |
| Coût | Au token, très bas | Coût fixe d'infrastructure, élevé pour ce modèle |
| Données sensibles | À exclure | Envisageable, après évaluation |
Un détail pratique explique pourquoi la question arrive souvent après coup. L'API DeepSeek reprend le format des requêtes d'OpenAI. Un développeur peut donc basculer un outil interne vers DeepSeek en changeant une adresse et une clé, sans que personne d'autre ne s'en aperçoive. Si vos données le justifient, écrivez noir sur blanc dans votre politique interne quels fournisseurs d'API sont autorisés.
L'API DeepSeek et le RGPD, que disent les autorités européennes ?
Les autorités européennes de protection des données ont visé l'application et le service en ligne de DeepSeek dès janvier 2025, pas les poids ouverts. La décision la plus nette est venue d'Italie.
L'Italie a bloqué, d'autres autorités ont enquêté
Le 30 janvier 2025, l'autorité italienne de protection des données (la Garante) a imposé en urgence une limitation définitive du traitement des données des utilisateurs italiens par les deux sociétés qui exploitent DeepSeek. La veille, DeepSeek lui avait répondu que le RGPD ne s'appliquait pas à ses activités, une position que l'autorité a rejetée. Le cabinet Bird & Bird détaille cette décision.
Le même jour, la CNIL a indiqué que son service dédié à l'IA analysait l'outil, pendant que l'Irlande et la Belgique ouvraient leurs propres procédures, comme l'a rapporté Euronews. Le 12 février 2025, le Comité européen de la protection des données a élargi son groupe de travail sur ChatGPT à l'ensemble des contrôles liés à l'IA. En Allemagne, la commissaire à la protection des données de Berlin a signalé l'application à Apple et Google le 27 juin 2025, au titre du règlement sur les services numériques, en la qualifiant de contenu illicite. Au total, une douzaine de pays européens ont ouvert une enquête ou une analyse, comme le montre la chronologie publiée par MIAI.
Où DeepSeek stocke-t-il les données ?
Depuis février 2025, la politique de confidentialité de DeepSeek comporte un volet pour les utilisateurs de l'Espace économique européen. Il indique que les données, prompts compris, sont stockées en République populaire de Chine, et désigne un représentant dans l'Union. Envoyer un document à l'API revient donc à transférer son contenu hors de l'UE, vers un pays qui ne bénéficie pas d'une décision d'adéquation de la Commission européenne.
Un tel transfert n'est pas interdit par principe. Il doit s'appuyer sur un outil de transfert, en pratique des clauses contractuelles types, et sur une analyse d'impact qui évalue le droit du pays de destination, en particulier l'accès des autorités publiques aux données. Pour la Chine, cette analyse est délicate à mener, compte tenu par exemple de la loi sur le renseignement de 2017, qui impose aux organisations de coopérer avec les services de l'État.
Les questions que votre DPO posera
- Quelles données partent vers l'API, et contiennent-elles des données personnelles ?
- Où sont-elles traitées et stockées, et combien de temps ?
- Sur quel outil repose le transfert hors UE, et l'analyse d'impact est-elle documentée ?
- Les données peuvent-elles servir à entraîner les modèles de l'éditeur ?
- Que prévoit le contrat en cas d'incident ou de demande d'accès d'une autorité ?
Notre position, pour un usage professionnel, est simple. L'API et l'application DeepSeek sont à exclure pour des données clients, des données personnelles, des informations RH, financières ou couvertes par le secret des affaires. Elles restent envisageables pour des textes publics ou des tests techniques sans donnée réelle, si votre politique interne l'autorise. Méfiez-vous des prototypes, qui finissent souvent en production avec les mêmes réglages. Notre checklist sécurité et RGPD pour l'IA en PME aide à classer vos données avant de choisir un fournisseur.
Héberger les poids ouverts en France, est-ce réaliste ?
Oui. La licence MIT autorise l'usage commercial, la modification et l'hébergement du modèle où vous voulez, sans redevance et sans connexion à DeepSeek. Hébergé chez vous ou chez un hébergeur français, le modèle n'envoie rien en Chine. Ce qui limite, c'est le matériel.
Trois façons de le faire tourner
- Sur vos serveurs, si vous avez déjà une salle machine et une équipe pour l'exploiter. Les données ne quittent pas votre réseau.
- Chez un hébergeur français qui vous loue des GPU, comme Scaleway ou OVHcloud. Vous choisissez le modèle, l'hébergeur gère le matériel.
- Chez un fournisseur d'inférence qui sert déjà les poids ouverts. C'est le plus simple, mais il faut vérifier où tournent ses serveurs et qui est le sous-traitant. Un fournisseur américain qui sert DeepSeek pose la question d'un transfert vers les États-Unis, plus vers la Chine.
Ces options correspondent aux niveaux que nous proposons pour une IA souveraine, hébergée chez vous ou en France. Le bon niveau dépend de votre contrainte réelle, pas de l'étiquette du modèle.
Un modèle rapide, mais lourd à loger
Le mélange d'experts rend le modèle rapide, puisque seule une fraction des paramètres travaille à chaque token. En revanche, tous les paramètres doivent tenir en mémoire. À 8 bits par paramètre, les poids seuls pèsent plus de 500 Go. Même compressés sur 4 bits (quantification), il en reste près de 280 Go, auxquels s'ajoute la mémoire nécessaire au contexte, qui grossit vite sur de longs documents.
Concrètement, il faut un serveur à plusieurs GPU haut de gamme, de l'ordre de quatre à huit cartes de 80 Go selon la compression, allumé en permanence pour répondre aux utilisateurs. Face à une API facturée quelques dizaines de centimes par million de tokens, ce coût fixe ne se justifie qu'avec un gros volume ou une contrainte de confidentialité forte. Notre article sur le coût d'une migration on-premise détaille les postes de budget, matériel, hébergement et exploitation.
Des modèles ouverts plus simples à exploiter
La plupart des usages en entreprise ne demandent pas un modèle de cette taille. Extraire des champs d'une facture, classer des emails ou répondre à des questions sur une base documentaire fonctionne très bien, dans beaucoup de cas, avec un modèle plus petit. Mistral Small 4 compte 119 milliards de paramètres, près de cinq fois moins que DeepSeek V4.1-Flash, et des modèles de quelques milliards à quelques dizaines de milliards de paramètres (Ministral, Qwen, Gemma) tiennent sur un seul GPU. Mistral a en plus l'avantage d'un éditeur européen et d'un bon niveau en français.
Nous comparons ces familles dans notre panorama des LLM open source pour l'entreprise, et notre retour d'expérience sur un RAG souverain avec Mistral montre une architecture complète hébergée en France. Pour le versant technique, Anas explique sur son blog comment faire tourner une IA locale avec de petits modèles.
Point terrain Tensoria
« Quand un client nous parle de DeepSeek, la demande derrière est presque toujours la même, un modèle solide dont les données ne sortent pas de France. On commence par le plus petit modèle ouvert qui tient la qualité sur ses cas, et on ne monte en taille que si la mesure le justifie. Un modèle de 552 milliards de paramètres a du sens pour certains usages, rarement pour un premier projet. » Anas Rabhi, fondateur de Tensoria
Vos données ne doivent pas quitter la France ?
On part de votre cas d'usage, on identifie le modèle ouvert le plus léger qui tient la qualité, et on vous dit où l'héberger et ce que son exploitation demande.
Quels points vérifier avant de mettre un modèle ouvert en production ?
Héberger un modèle ouvert règle la question de la localisation des données. Il reste celle du modèle lui-même, qui vaut pour DeepSeek comme pour n'importe quel autre modèle ouvert.
Comportements, biais et provenance
Un modèle reflète les choix de ceux qui l'ont entraîné. Les générations précédentes de DeepSeek, comme R1 début 2025, éludaient ou orientaient les réponses sur certains sujets politiques sensibles en Chine. Pour extraire des montants de factures, l'effet est nul. Pour un assistant qui rédige des contenus publics ou répond à vos clients, testez ces comportements avant la mise en service, avec vos propres questions.
La provenance compte aussi. Comme pour tout modèle ouvert populaire, des versions modifiées par des tiers circulent sur les plateformes de partage de modèles. En entreprise, on part des poids publiés par l'éditeur, on note la version exacte et on vérifie l'intégrité des fichiers téléchargés.
Évaluation sur vos propres cas
Les classements publics mesurent une capacité moyenne, pas votre tâche. Un modèle très bien classé peut être moins fiable qu'un modèle plus petit sur vos documents, votre vocabulaire et votre format de sortie. Le français doit être testé en particulier, car les versions précédentes de DeepSeek avaient un niveau correct mais en retrait par rapport à Mistral. Même chose pour le contexte d'un million de tokens, dont la fiabilité se mesure sur vos dossiers, pas sur la fiche technique. La méthode est décrite dans notre guide pour évaluer un LLM en entreprise.
Licence et maintenance
La licence MIT est l'une des plus permissives. Elle vaut pour les poids publiés par DeepSeek, pas forcément pour les versions dérivées ni pour d'autres modèles ouverts, dont certains imposent des conditions (restrictions de redistribution, seuils d'usage). Vérifiez la licence de la version exacte que vous déployez, comme nous l'expliquons dans l'article sur les licences et l'usage commercial des sorties d'IA.
Un modèle hébergé chez vous ne se met pas à jour tout seul. Personne ne corrige le serveur d'inférence à votre place, et les modèles ouverts sortent en nouvelles versions tous les quelques mois. Il faut décider qui surveille la qualité, qui réévalue les nouvelles versions et qui applique les correctifs de sécurité. Notre comparatif des serveurs d'inférence open source aide à choisir cette brique.
Vous hésitez entre DeepSeek, Mistral et un modèle plus petit ?
On fait passer les modèles candidats sur vos vraies questions et vos documents, à prompt identique, et vous comparez qualité, latence et coût d'hébergement avant de vous engager.
DeepSeek en entreprise, oui ou non ?
La réponse tient à votre situation, pas au modèle. Voici la grille que nous utilisons avec les dirigeants et les DSI qui nous posent la question.
| Votre situation | Ce que nous recommandons |
|---|---|
| Données clients, personnelles, RH, contrats, secrets d'affaires | Pas d'API DeepSeek. Un modèle ouvert hébergé en France, ou une API avec traitement en Europe et un cadre contractuel clair. |
| Textes publics, tests techniques, prototype sans donnée réelle | API DeepSeek envisageable si votre politique interne l'autorise. Prévoyez la bascule avant la mise en production. |
| Tâche cadrée (extraction, classification, questions sur vos documents) | Un modèle ouvert plus petit, hébergé en France, suffit souvent. Commencez par lui. |
| Gros volume, besoins avancés (très long contexte, images), contrainte souveraine forte | Les poids de V4.1-Flash hébergés en France méritent un test, face à Mistral et Qwen, sur vos cas. |
| Secteur très régulé (santé, défense, administration) | L'origine du modèle peut poser question dans vos appels d'offres ou vos audits, même hébergé chez vous. Validez avec votre conformité avant tout test. |
Pour une API avec traitement en Europe, notre comparatif Mistral, OpenAI ou Anthropic pour une entreprise française détaille les garanties de chaque fournisseur. Et si le RGPD n'est pas votre seule contrainte, l'AI Act s'applique selon l'usage que vous faites du modèle, pas selon son pays d'origine. Notre guide AI Act pour les PME fait le point.
Un modèle se remplace, votre chaîne d'intégration reste. Si l'accès au modèle est bien isolé dans votre code, passer de DeepSeek à Mistral ou à un autre modèle ouvert tient en une ligne de configuration, pas en un chantier. C'est ce qui permet de choisir aujourd'hui sans s'enfermer.
Ce qui a bougé depuis le 10 septembre
Le 22 septembre 2026, OpenAI a sorti GPT-6 Sol et GPT-6 Luna. Luna est facturé 0,10 $ en entrée et 0,50 $ en sortie par million de tokens, avec une entrée en cache à 0,01 $, d'après TechCrunch. C'est moins cher que DeepSeek V4.1-Flash, même en heures creuses (0,15 $ et 0,60 $).
L'argument prix de l'API DeepSeek disparaît donc. La décision se joue désormais sur la localisation des données et sur l'hébergement. Luna reste une API américaine, avec son propre cadre contractuel à vérifier. Les poids ouverts de DeepSeek gardent, eux, tout leur intérêt pour un hébergement en France. Nous comparons les coûts à gros volume dans notre article sur GPT-6 Luna, Gemini 3.8 Flash et le coût d'une automatisation.
Pour aller plus loin
- Les modèles déployables chez vous, comparés un par un dans notre article Mistral, Llama, Qwen, DeepSeek et les autres LLM open source.
- Pour réduire ce qui part vers un modèle, la méthode pour anonymiser les données avant traitement par l'IA.
- Pour budgéter un hébergement en France, le détail du coût d'une migration Mistral on-premise.
- Pour choisir la bonne taille de modèle, SLM ou LLM, quand choisir lequel.
