IA et choc inattendu sur le marché des cryptoactifs

Récemment, un développement inattendu a émergé dans le domaine de l'IA, influençant le marché de manière surprenante. Cette tendance n'est pas la fusion de l'IA avec les cryptoactifs, mais plutôt l'impact en chaîne de l'IA sur les marchés de capitaux traditionnels et des cryptoactifs.

Le 27 janvier, le modèle AI DeepSeek de Chine a dépassé pour la première fois le téléchargement de ChatGPT, devenant ainsi le numéro un de l'App Store américain. Cette nouvelle a suscité un large intérêt dans les cercles technologiques, d'investissement et médiatiques du monde entier.

Cet événement a non seulement incité à réfléchir aux changements possibles dans le paysage technologique entre la Chine et les États-Unis, mais a également déclenché une brève panique sur le marché des capitaux américain. En conséquence, plusieurs géants de la technologie ont connu une chute significative de leurs actions, Nvidia ayant chuté de 5,3 %, ARM de 5,5 %, Broadcom de 4,9 % et TSMC de 4,5 %. De plus, les actions de Micron, AMD et Intel ont également baissé. Les contrats à terme sur le Nasdaq 100 ont élargi leur baisse à 400 points, ce qui pourrait représenter la plus forte baisse quotidienne récente. On estime que la capitalisation boursière américaine a pu s'évaporer de plus de 1 000 milliards de dollars au cours de la journée de négociation.

Le marché des cryptoactifs, suivant les tendances du marché boursier américain, a également connu une baisse significative. Le prix du bitcoin est tombé en dessous de 40 500 dollars, avec une baisse de 4,48 % sur 24 heures. L'ethereum est tombé en dessous de 3 200 dollars, avec une baisse de 3,83 % sur 24 heures. De nombreux investisseurs sont confus par cette chute rapide du marché des cryptoactifs, certains supposant que cela pourrait être lié à une baisse des attentes de réduction des taux de la Réserve fédérale ou à d'autres facteurs macroéconomiques.

La source de la panique sur le marché semble provenir des avancées révolutionnaires de DeepSeek. Contrairement à d'autres entreprises d'IA bien connues, DeepSeek ne s'est pas appuyé sur d'énormes capitaux et ressources matérielles. En comparaison, OpenAI a été fondée il y a dix ans, compte 4500 employés et a levé 6,6 milliards de dollars ; un géant des réseaux sociaux a investi 60 milliards de dollars dans le développement de grands centres de données IA. Quant à DeepSeek, elle a été fondée il y a moins de deux ans, ne compte que 200 employés, ses coûts de développement sont inférieurs à 10 millions de dollars et elle n'a pas largement utilisé de GPU haut de gamme.

Le succès de DeepSeek a non seulement brisé les barrières de coût sur les plans capital et technologique, mais a également remis en question les perceptions et les modes de pensée ancrés dans l'esprit des gens depuis longtemps.

Le vice-président des produits d'une célèbre entreprise de stockage en nuage a déclaré sur les réseaux sociaux que l'histoire de DeepSeek illustre une innovation de rupture typique. Les entreprises traditionnelles se concentrent sur l'optimisation des processus existants, tandis que les perturbateurs repensent les méthodes fondamentales. DeepSeek a proposé une nouvelle idée : comment résoudre les problèmes de manière plus intelligente, plutôt que simplement en augmentant les investissements matériels ?

Actuellement, le coût de l'entraînement des grands modèles d'IA de pointe est très élevé. Certaines grandes entreprises d'IA ont investi plus de 100 millions de dollars uniquement dans les ressources informatiques. Elles ont besoin de grands centres de données équipés de milliers de GPU d'une valeur de 40 000 dollars, dont la consommation d'énergie est comparable à celle d'une centrale électrique.

Cependant, DeepSeek a proposé une toute nouvelle approche : comment atteindre le même objectif avec 5 millions de dollars ? Ils n'ont pas seulement proposé cette idée, mais l'ont également mise en pratique avec succès. Leur modèle est comparable, voire supérieur, à des modèles d'IA de pointe dans plusieurs tâches. Leur secret réside dans une réflexion fondamentale sur l'ensemble du processus. Les modèles d'IA traditionnels utilisent des décimales sur 32 bits pour représenter chaque chiffre, tandis que DeepSeek a essayé d'utiliser des décimales sur 8 bits, découvrant que la précision reste suffisante, tout en réduisant les besoins en mémoire de 75 %.

Les résultats sont surprenants : le coût de formation est passé de 100 millions de dollars à 5 millions de dollars, le nombre de GPU nécessaires est passé de 100 000 à 2 000, et le coût de l'API a chuté de 95 %. Plus important encore, leur modèle peut fonctionner sur des GPU de jeu ordinaires, sans avoir besoin de matériel de centre de données spécialisé. De plus, ils ont également choisi une stratégie open source.

Le succès de DeepSeek remet en question plusieurs idées reçues dans le domaine de l'IA, notamment les stéréotypes sur le modèle de développement technologique chinois, la position de leader de la Silicon Valley dans le domaine de l'IA, les barrières techniques de certaines entreprises d'IA, l'énorme investissement nécessaire pour développer des modèles d'IA de premier plan, la théorie de l'accumulation de la valeur des modèles ainsi que la relation linéaire entre la performance des modèles et les coûts d'investissement.

Une célèbre institution d'investissement américaine a déclaré dans son bulletin que DeepSeek représente une victoire importante de l'open source par rapport au closed source. La contribution de la communauté open source va rapidement propulser le développement de tout le domaine. Cependant, ils ont également noté que certaines entreprises adoptant une stratégie d'investissement en ressources à grande échelle pourraient connaître de nouvelles percées à l'avenir. D'après l'histoire du développement de l'IA, la puissance de calcul pourrait encore être un facteur clé.

Le succès de DeepSeek a permis aux modèles open source d'égaler voire de dépasser certains modèles propriétaires en termes de performance, tout en étant plus efficaces, ce qui réduit la nécessité pour les entreprises d'acheter des API commerciales d'IA. Le déploiement privé et le réglage autonome offriront un plus grand espace de développement pour les applications en aval. On s'attend à ce que dans un avenir d'un à deux ans, nous puissions voir une diversité accrue de produits de puces de raisonnement et un écosystème d'applications de grands modèles linguistiques plus prospère.

Néanmoins, la demande en puissance de calcul ne devrait pas diminuer. Cela pourrait conduire à un phénomène similaire au "paradoxe de Jevons" : bien que l'efficacité par unité s'améliore, l'élargissement du champ d'application pourrait en fait augmenter la demande globale. Cela ressemble à l'évolution qui a mené des premiers téléphones mobiles à l'ère de la popularisation des téléphones Nokia : c'est précisément en raison de la baisse des coûts qu'ils ont pu se généraliser, et cette généralisation a entraîné une augmentation de la consommation totale sur le marché.