DeepSeek domine le test d'IA le plus difficile pour 5 dollars par jour

August 8, 2026

IADeepSeekTests d'Inférence

Sources：HN + web research · HN

Une semaine seulement après le début du mois d’août 2026, un bulletin de notes d’IA a fait sensation dans la communauté des développeurs. DeepSeek V4 Flash, un modèle léger open-weights conçu en Chine, a obtenu un score de 365 points sur l’ARC Prize — largement considéré comme le test de raisonnement IA le plus difficile du secteur —, se hissant au sommet du classement d’efficience. Alors que les modèles phares américains coûtent environ 2,00 dollars par problème, DeepSeek les résout pour seulement 4 centimes.

Peu après la publication des résultats, le sujet a récolté 382 votes et 233 commentaires sur Hacker News en l’espace de cinq heures. L’un des commentaires les plus populaires résumait la situation sans détours : « Les laboratoires d’IA américains ont de très gros soucis à se faire. »

ARC Prize Official Scorecard for DeepSeek V4 Flash 0731 Figure : Carte de score vérifiée publiée par l’organisation officielle d’ARC Prize pour DeepSeek V4 Flash 0731. Source : arcprize.org

Ce que ce test mesure réellement

Pour bien mesurer l’enjeu, il convient de rappeler ce qu’est l’ARC Prize et pourquoi la profession le surnomme le « Baccalauréat de l’IA ». Les exercices sont d’une simplicité trompeuse : il s’agit de casse-têtes visuels composés de grilles de carrés de couleur. À partir de trois exemples de transformation, le modèle doit déduire la règle sous-jacente et dessiner le quatrième motif. N’importe quel adulte humain résout ces énigmes sans effort, atteignant une moyenne d’environ 85 points sur 100.

L’IA s’est pourtant heurtée à ce type de problèmes pendant des années. En 2024, les meilleurs modèles américains plafonnaient entre 30 et 40 points. Il n’existe aucune banque de questions à apprendre par cœur : les lois varient à l’infini et avoir vu des exercices similaires durant l’entraînement ne sert à rien. Le concepteur du test a fait un pari clair : une IA qui se contente de réciter des réponses échouera ; seule celle capable de « penser » réellement réussira.

Score Gap Between Humans and AI on Abstract Reasoning Tests Figure : L’écart de score entre les humains et l’IA affiché sur le site officiel d’ARC Prize. Source : arcprize.org

Cette fois, DeepSeek a passé la version révisée ARC-AGI-2, encore plus exigeante. Sur 100 points possibles, il a obtenu 61,4 points. Ce n’est pas le score le plus élevé dans l’absolu, mais rapporté à son coût, la portée de ce résultat change du tout au tout.

Deux classements, deux jeux différents

L’ARC Prize comporte en réalité deux classements : l’un évalue la précision pure, l’autre la rentabilité financière — ce dernier étant officiellement nommé classement d’efficience (Efficiency Leaderboard). Le site officiel l’affirme sans ambiguïté : la véritable intelligence ne consiste pas seulement à résoudre des problèmes complexes, mais à le faire en consommant le minimum de ressources.

La comparaison des deux tableaux fait ressortir un contraste saisissant. Claude Opus 5, le modèle phare d’Anthropic (États-Unis), atteint 90,4 points sur l’épreuve révisée, mais coûte 2,06 dollars par problème. DeepSeek obtient 61,4 points pour seulement 4 centimes par problème, soit un écart de coût d’environ 50 fois. La situation est encore plus inconfortable pour GPT-5.6 Luna, le modèle haut de gamme d’OpenAI : 59,6 points (moins que DeepSeek) pour un coût plus de quatre fois supérieur.

Leaderboard Scatter Plot on the ARC Prize Homepage Figure : Nuage de points du classement sur la page d’accueil d’ARC Prize. L’axe horizontal représente le coût par problème et l’axe vertical le score. Plus le point est en haut à gauche, plus le modèle est rentable. Source : arcprize.org

C’est là tout le sens de « prendre la tête avec 365 points » : sur le classement d’efficience, DeepSeek V4 Flash 0731 devance l’ensemble de ses concurrents américains. En précision brute, les géants américains conservent la première place ; mais le « plus puissant » et le « plus rentable » appartiennent désormais à deux acteurs distincts.

Même si les entreprises américaines dominent le classement par score, la redistribution des cartes en tête du classement d’efficience constitue un signal bien plus fort pour le monde des affaires. Les entreprises paient l’IA en fonction du volume d’appels API, pas pour afficher des médailles sur un classement théorique.

Le secret du faible coût : Penser plus longtemps pendant l’inférence

D’où provient une telle économie ? Il faut d’abord comprendre une règle clé de ce test : le modèle est autorisé à « réfléchir plus longtemps » avant de soumettre sa réponse. Il peut effectuer des déductions itératives et rédiger des brouillons, une technique appelée dans le milieu « calcul en temps d’inférence » (Inference-time compute). Pas besoin d’être un génie hors de la salle d’examen ; prendre le temps de gratter du papier pendant l’épreuve permet d’obtenir d’excellents résultats. Toutefois, rédiger des brouillons consomme de l’électricité : celui qui réduit le coût de ces brouillons l’emporte.

DeepSeek a poussé la stratégie du « petit modèle + inférence intensive » à son paroxysme. V4 Flash compte 284 milliards de paramètres au total, mais n’en active que 13 milliards par token généré — à l’image d’une grande armée qui ne déploie des unités d’élite qu’en cas de besoin. De plus, les poids étant totalement open source, n’importe qui peut télécharger et héberger le modèle lui-même, supprimant ainsi les marges des intermédiaires. Le tarif officiel de l’API s’élève à 0,14 dollar par million de tokens en entrée et 0,28 dollar par million de tokens en sortie — soit un à deux ordres de grandeur moins cher que les modèles vedettes américains.

L’intérêt de l’open source dépasse largement la simple baisse des coûts. Les entreprises peuvent installer le modèle sur leurs propres serveurs, garantissant la confidentialité des données, sans plafond de facturation, et avec la possibilité de l’ajuster à leurs besoins métiers. Pour les géants américains propriétaires facturant à la requête, il s’agit d’un choc structurel sur leur modèle économique — la guerre des prix n’est que la partie visible de l’iceberg.

Derrière ces 5 dollars par jour se cache un cap franchi : pour la première fois, les développeurs indépendants ont accès à une « capacité de réflexion de haut niveau ». Autrefois, cette qualité d’inférence était facturée au coup par coup et restait trop coûteuse pour être utilisée en dehors des missions critiques ; aujourd’hui, elle peut tourner 24h/24 en arrière-plan pour tout surveiller.

Retours d’expérience à 5 dollars par jour

Des membres de la communauté ont déjà franchi le pas. Sur Hacker News, le développeur LaurensBER explique qu’en faisant tourner simultanément 5 à 6 sessions de travail avec 12 requêtes concurrentes, il lui était impossible de dépenser 5 dollars en une journée, même en poussant le modèle dans ses retranchements. Son abonnement mensuel à 200 dollars pour Claude prend la poussière — bien que Claude reste plus performant, l’effort mental de devoir « calculer son quota avant d’interroger l’IA » décourage tout retour en arrière.

Ce qui l’enthousiasme particulièrement, ce sont les nouveaux usages débloqués par ces prix dérisoires : lorsqu’un test automatisé échoue, l’IA le corrige d’elle-même ; quand la couverture de code est insuffisante, elle génère des tests automatiquement à chaque commit ; les journaux serveurs, les audits de sécurité et chaque exception sont minutieusement analysés. Des tâches qui étaient auparavant « utiles mais trop chères pour être confiées à une IA » font désormais partie du quotidien.

Pris isolément, chaque cas d’usage semble anodin, mais multiplié par le nombre de développeurs, d’équipes et de jours, c’est toute la courbe des coûts qui s’en trouve modifiée. Quand l’intelligence devient suffisamment abordable pour qu’on puisse la gaspiller, le faible coût devient en soi une compétence clé.

Gros problèmes pour les laboratoires d’IA américains

C’est là la véritable source d’inquiétude à Silicon Valley. L’un des commentaires les plus plébiscités sur HN résumait : « Les laboratoires d’IA américains ont de gros problèmes. » À moins d’invoquer des décrets de sécurité nationale pour interdire les modèles chinois, aucun client international ne voudra continuer à payer le prix fort pour des modèles fermés alors que des alternatives open-weights exécutent le même travail pour quelques centimes, tout en permettant l’auto-hébergement et le réglage fin.

D’autres observateurs ont fait un calcul très pragmatique : des tâches comme la surveillance des logs, l’audit et la vérification de la qualité des données sont inabordables avec des modèles phares, mais parfaites pour des modèles économiques. La demande a toujours existé ; simplement, personne ne pouvait se la payer jusqu’alors.

Bien sûr, les arguments en faveur du caractère indispensable des très grands modèles restent pertinents. Un autre intervenant soulignait que si les tâches simples sont à la portée de tous, la vraie frontière apparaît sur les travaux complexes s’étalant sur plus de 24 heures sans interruption, où les erreurs des petits modèles s’accumulent. L’avenir s’oriente plutôt vers une architecture hybride : « les grands modèles jouent les commandants, et les modèles économiques jouent les soldats ».

Au vu des tendances actuelles, la compétition glisse de la question « qui est le plus fort » vers « qui est le plus rentable ». Tout comme les téléphones portables sont passés du statut de produit de luxe à celui d’objet du quotidien, la performance brute n’est plus la ressource la plus rare.

L’analyse ci-dessus repose sur le site officiel d’ARC Prize et les discussions publiques de la communauté. L’auteur n’a pas participé au développement de ces projets ; ces appréciations comportent une part de subjectivité et les remarques sont les bienvenues.