DeepSeek V4 et Kimi K3 : deux IA open source gratuites qui changent la donne

Il y a des semaines qui font basculer un secteur entier, et celle-ci en fait clairement partie. Coup sur coup, deux laboratoires chinois viennent de livrer des modèles d’intelligence artificielle en accès libre, gratuits à télécharger, et suffisamment costauds pour concurrencer frontalement les ténors américains payants. D’un côté, DeepSeek, déjà connu de nos lecteurs les plus assidus, qui fait passer son modèle V4 en version stable. De l’autre, Moonshot AI et son Kimi K3, tout simplement le plus gros modèle à poids ouverts jamais mis en ligne. Deux annonces, une seule question qui vous brûle sans doute les lèvres : est-ce que ça vaut vraiment le détour, ou est-ce encore un coup de communication de plus dans une industrie qui en raffole ? On démêle le vrai du gonflé, promis.

🐋 DeepSeek V4 : la version stable arrive enfin

Petit rappel pour les retardataires : DeepSeek avait mis en ligne une version « preview » (aperçu) de son modèle V4 dès le 24 avril 2026, directement en accès libre sous licence MIT, la licence la plus permissive qui soit, autorisant quasiment tous les usages, y compris commerciaux. Cette preview a tourné en production pendant près de trois mois, le temps que DeepSeek peaufine sa copie avant de la graduer en version officielle, annoncée pour la mi-juillet.

Deux tailles, un seul objectif : faire baisser la facture

DeepSeek V4 se décline en deux variantes, toutes deux basées sur une architecture dite Mixture of Experts (mélange d’experts) un peu comme si, au lieu d’interroger un généraliste sur chaque question, le modèle réveillait uniquement les quelques spécialistes internes pertinents pour votre requête, économisant ainsi énormément de puissance de calcul.

Modèle	Paramètres totaux	Paramètres actifs	Profil
DeepSeek V4-Pro	1 600 milliards (1,6T)	49 milliards	Performance maximale, rivalise avec les meilleurs modèles fermés
DeepSeek V4-Flash	284 milliards	13 milliards	Rapide, économique, taillé pour le volume

Les deux modèles partagent une fenêtre de contexte d’un million de tokens (grosso modo, l’équivalent de plusieurs romans entiers en une seule requête) et une nouvelle architecture d’attention combinant Compressed Sparse Attention et Heavily Compressed Attention, spécifiquement conçue pour réduire les coûts de calcul plutôt que d’empiler encore plus de puissance brute. Sur le benchmark de référence SWE-bench Verified, qui mesure la capacité à résoudre de vrais tickets de correction de code, V4-Pro affiche un score de 80,6 %, à seulement 0,2 point de Claude Opus 4.6, pour environ un septième du prix.

Ce qui change avec la bascule en version officielle

La nouveauté de cette semaine ne tient pas tant à une prouesse technique inédite qu’à un changement de statut et de tarification. DeepSeek confirme le passage de V4 en version stable, avec des améliorations ciblées sur les tâches agentiques (l’exécution autonome de tâches en plusieurs étapes), le raisonnement mathématique et la génération de code. Mais le vrai changement concret pour les développeurs, c’est l’arrivée d’une tarification différenciée selon l’heure : les appels à l’API coûteront deux fois plus cher pendant les heures de bureau chinoises (9h-12h et 14h-18h, heure de Pékin), contre un tarif normal en dehors de ces créneaux.

🔵 Bon à savoir avant de migrer Les anciens points d’accès historiques deepseek-chat et deepseek-reasoner ont été définitivement fermés le 24 juillet 2026, si vous avez un script ou une intégration qui pointe encore vers ces noms, il est grand temps de basculer vers deepseek-v4-pro ou deepseek-v4-flash. Même doublé aux heures de pointe, le tarif de DeepSeek reste très inférieur à celui des API occidentales équivalentes, comptez environ 0,87 dollar par million de tokens de sortie pour V4-Pro hors heures de pointe, contre plusieurs dollars chez la plupart des concurrents fermés.

🌙 Kimi K3 : le plus gros modèle open source jamais publié

Changement d’acteur, mais logique similaire. Moonshot AI, une start-up chinoise fondée par Yang Zhilin, a dévoilé Kimi K3 le 16 juillet 2026 lors de la Conférence mondiale sur l’intelligence artificielle (WAIC) de Shanghai, avant de publier l’intégralité des poids du modèle sur Hugging Face le 26 juillet avec un jour d’avance sur le calendrier annoncé.

Des chiffres qui donnent le vertige

Kimi K3 pèse 2,8 billions de paramètres (2 800 milliards), ce qui en fait, sur ce seul critère du nombre de paramètres, le plus gros modèle à poids ouverts jamais rendu public, tous éditeurs confondus. Il reprend lui aussi une architecture Mixture of Experts, mais poussée à l’extrême : sur 896 experts internes, seuls 16 s’activent réellement pour traiter chaque mot généré, ce qui ramène la puissance de calcul nécessaire par requête à l’équivalent d’un modèle d’environ 50 milliards de paramètres actifs. Sa fenêtre de contexte grimpe elle aussi à 1 048 576 tokens, de quoi ingérer une base de code entière ou un document de plusieurs centaines de pages en une seule fois.

Le vrai piège : 1,4 téraoctet de mémoire

« open source » et « gratuit » ne veulent pas dire « installable sur votre PC ». Même compressé au format MXFP4 (une technique de quantification qui réduit la précision numérique du modèle pour économiser de la mémoire), Kimi K3 nécessite environ 1,4 téraoctet de mémoire vive rapide, résidente en permanence, pour tourner correctement contre 5,6 téraoctets sans compression. Autant dire qu’aucun ordinateur portable, ni même la plupart des serveurs d’entreprise, ne peut faire tourner ce modèle localement : il faut du matériel de centre de données, typiquement des puces Nvidia Blackwell ou AMD MI400. Des plateformes cloud comme Together AI ou Modal ont toutefois proposé un accès hébergé dès le jour de la sortie.

Pourquoi l’auto-hébergement compte vraiment

Au-delà de la prouesse technique, la publication des poids de Kimi K3 ouvre une option que l’API classique ne permettait pas : héberger le modèle sur votre propre infrastructure plutôt que de passer par les serveurs de Moonshot en Chine. Ce choix n’est pas anodin. En interrogeant l’API hébergée par Moonshot, vos requêtes transitent par des serveurs soumis à la loi chinoise sur le renseignement national, qui peut contraindre une entreprise chinoise à coopérer avec les autorités. En faisant tourner le modèle vous-même via un fournisseur cloud occidental par exemple, vos données ne quittent jamais votre propre infrastructure, même si l’entreprise Moonshot, elle, reste soumise à ce cadre légal en tant que société. Ce n’est pas une garantie absolue, mais c’est une protection structurelle bien réelle, que seule la publication des poids rend possible.

⚖️ DeepSeek V4 ou Kimi K3 : lequel choisir ?

Les deux modèles ne visent pas exactement le même public, et il serait réducteur de les opposer terme à terme. Voici un tableau comparatif pour vous aider à choisir selon votre usage :

Critère	DeepSeek V4	Kimi K3
Taille	V4-Pro : 1,6T (49B actifs)	2,8T (50B actifs)
Licence	MIT (très permissive)	Licence à confirmer par Moonshot
Contexte	1 million de tokens	1 048 576 tokens
Auto-hébergement local	Possible sur serveur costaud	Quasi impossible hors datacenter (1,4 To requis)
Accès simple	Chat gratuit + API à bas coût	App Kimi + API + hébergeurs cloud tiers
Point fort	Rapport performance/prix imbattable	Taille et fenêtre de contexte record
Point faible	Tarification à la hausse en heures de pointe CN	Poids lourd à héberger, expérience encore perfectible

🌍 Un signal plus large : la Chine accélère sur l’IA gratuite

Ces deux annonces ne sont pas des cas isolés. Elles confirment une tendance observée depuis plusieurs mois : les laboratoires chinois publient des modèles ouverts et gratuits à un rythme que les géants américains, largement fermés et payants, peinent à suivre. Dario Amodei, le PDG d’Anthropic, pourtant lui-même à la tête d’un laboratoire aux modèles fermés, a réagi publiquement à la sortie de Kimi K3 le 27 juillet 2026, précisant qu’Anthropic n’avait « jamais milité pour une interdiction des modèles à poids ouverts » et qu’un modèle ouvert et non dangereux constituait « un bien public », tout en plaidant pour un encadrement plus strict sur les exportations de puces, la distillation de modèles concurrents et les tests de sécurité obligatoires.

🟡 Cette course à l’ouverture profite indéniablement aux blogueurs, développeurs indépendants et petites entreprises comme les nôtres, qui peuvent désormais accéder à des modèles proches de l’état de l’art sans dépenser un centime en licence. Mais elle pose aussi une vraie question de souveraineté numérique : à mesure que ces modèles gratuits gagnent en puissance, combien d’infrastructures occidentales vont-elles, sans même s’en rendre compte, finir par tourner sur des fondations technologiques chinoises ?

Si vous cherchez un modèle à intégrer dans un projet dès aujourd’hui, sans attendre, DeepSeek V4-Flash reste à mon sens le choix le plus pragmatique : léger, très abordable, et suffisamment costaud pour l’immense majorité des usages de rédaction, de code ou d’analyse. Kimi K3, de son côté, est davantage une démonstration de force qu’un outil que vous installerez chez vous ce week-end, sa vraie valeur se révèlera surtout pour les entreprises et les hébergeurs cloud capables d’absorber ses besoins en mémoire. Dans les deux cas, une chose est sûre : l’argument massue du « il faut payer cher pour avoir de l’IA performante » perd chaque semaine un peu plus de terrain, et c’est une excellente nouvelle pour quiconque bricole, apprend ou entreprend avec des moyens limités.

💬 Et vous, qu’en pensez-vous ?

Cette actualité mérite votre avis. Dites-nous en commentaire :

1. Avez-vous déjà testé DeepSeek ou un modèle Kimi ? Qu’en avez-vous pensé face à ChatGPT, Claude ou Gemini ?
2. La provenance chinoise de ces modèles ouverts vous inquiète-t-elle, ou considérez-vous que l’auto-hébergement suffit à lever vos réserves ?