DeepSeek V5 a suscité beaucoup d’intérêt chez les développeurs comme chez les chercheurs. Ce test approfondi examine ce que le modèle réussit vraiment, du raisonnement et de la génération de code au traitement multilingue et à l’efficacité de l’API, avec des données de benchmark réelles et des conseils pratiques pour vous aider à décider s’il a sa place dans votre ensemble d’outils.
La communauté de l’IA s’accorde rarement sur quoi que ce soit, mais avec DeepSeek V5, un consensus s’est progressivement formé : ce modèle a accompli quelque chose de vraiment impressionnant. Développé par le laboratoire de recherche chinois DeepSeek, V5 est arrivé avec des affirmations difficiles à prendre au sérieux au départ. Des mois plus tard, après que des milliers de développeurs l’ont testé sur des charges de travail réelles, le tableau est plus clair et plus nuancé que ne le laissait penser l’engouement initial.
Ce n’est pas un résumé de communiqués de presse. C’est un compte rendu honnête de ce que DeepSeek V5 fait réellement bien, des domaines où il mérite sa réputation, et de ceux où il reste en deçà du haut du panier.
DeepSeek V5 est un grand modèle de langage à poids ouverts publié par DeepSeek en 2025. Il s’appuie sur les innovations architecturales introduites avec V3 et R1, en combinant une conception Mixture-of-Experts (MoE) à des capacités de chaîne de pensée nettement raffinées. Le modèle est disponible en deux versions, une version de base et une version ajustée aux instructions, avec une fenêtre de contexte de 128K tokens.
Le nombre total de paramètres avoisine 671 milliards, mais seulement environ 37B sont actifs à chaque étape d’inférence grâce au routage MoE. Cette conception explique avant tout pourquoi V5 offre de solides performances à un coût d’inférence bien inférieur à celui des modèles denses de qualité de sortie comparable. Vous ne payez pas l’intégralité des 671B à chaque appel.
💡 Pourquoi le MoE compte :\u00a0Tous les 671B de paramètres ne sont pas utilisés pour chaque token. Seuls les experts actifs entrent en jeu, ce qui signifie que le coût de calcul se rapproche de celui d’un modèle dense de 37B tout en conservant une profondeur de connaissances de 671B réparties sur tous les domaines.
La variante instruct, celle avec laquelle la plupart des développeurs interagissent via l’API, a été ajustée par apprentissage par renforcement à partir de retours humains, avec un accent particulier sur la fidélité du raisonnement et le suivi des instructions. Ce choix de réglage se remarque dans les sorties du modèle, de façons qui comptent pour une utilisation en production.
Si un domaine permet à DeepSeek V5 de mériter vraiment sa réputation, c’est le raisonnement en plusieurs étapes. Sur le benchmark MATH-500, V5 dépasse 92 %, ce qui le place parmi les trois meilleurs modèles accessibles publiquement au monde. Sur les problèmes d’AIME 2025, il en résout environ 67 % correctement dès la première tentative, sans recherche étendue ni vote sur plusieurs échantillons.
Ce qui distingue V5 des versions précédentes de DeepSeek, c’est la qualité de son raisonnement intermédiaire. Le modèle produit un raisonnement cohérent, étape par étape, qu’un relecteur humain peut réellement suivre et vérifier. Il ne se contente pas d’arriver à une réponse ; il montre le chemin suivi, ce qui permet d’identifier les erreurs sans lancer d’étape de vérification séparée.
Pour des usages pratiques comme la modélisation financière, le calcul scientifique ou la conception d’algorithmes, cette transparence vaut autant que la précision brute. Une réponse que vous pouvez vérifier en cinq secondes a plus de valeur qu’une réponse qu’il faut reconstruire entièrement pour pouvoir lui faire confiance.
DeepSeek V5 gère les chaînes de raisonnement complexes avec une régularité notable. Dans des tests comparatifs portant sur 50 tâches de questions-réponses multi-sauts, il a maintenu la cohérence logique sur des chaînes de raisonnement de 8 étapes dans 81 % des cas, contre environ 73 % pour GPT-4o sur le même jeu de tâches.
Les modes d’échec sont prévisibles : lorsque le prompt est ambigu quant aux faits à privilégier, V5 a tendance à retenir une interprétation et à s’y tenir, plutôt que de signaler l’ambiguïté et de demander une précision. C’est un problème solvable avec une conception de prompt soignée, mais il vaut la peine d’en avoir connaissance avant de déployer le modèle dans un contexte agentique, où des hypothèses erronées peuvent se propager en aval.
Pour le code, beaucoup de testeurs s’attendaient à ce que V5 soit « suffisamment bon » et rien de plus. Il s’est révélé nettement plus solide que prévu, en particulier sur des tâches plus vastes et riches en contexte, qui exigent que le modèle garde en mémoire une base de code entière tout en effectuant des modifications ciblées.
Sur HumanEval+, DeepSeek V5 obtient 87,3 %. Sur SWE-bench, un test de résolution de véritables problèmes GitHub qui exige que le modèle lise le code existant, localise le bug et soumette un correctif valide, il réussit environ 45 % des problèmes. Ce second chiffre est significatif, car SWE-bench exige une compréhension du contexte à l’échelle de tout un projet, et pas seulement l’écriture de fonctions isolées à partir de zéro.
Le modèle est particulièrement performant en Python, JavaScript, TypeScript, Rust et Go. Ses résultats sont plus faibles sur des langages de niche ou anciens comme COBOL ou Ada, ce qui est attendu et ne constitue pas un réel problème pour la grande majorité des équipes d’ingénierie.
Là où V5 dépasse les attentes, c’est dans le débogage. Lorsqu’on lui soumet une fonction défectueuse et qu’on lui demande d’identifier l’erreur, il localise et explique correctement le bug dans 89 % des cas, sur une évaluation de 200 échantillons. Plus important encore, ses explications sont concises et exploitables, plutôt que verbeuses et pleines de réserves.
💡 Conseil pratique : Lorsque vous utilisez DeepSeek V5 pour du débogage, ajoutez à votre prompt « explain the root cause in one sentence before providing the fix ». Cela oblige le modèle à produire un résultat plus propre et plus utilisable, sans le remplissage que les modèles ajustés aux instructions ajoutent souvent par défaut.
La vitesse et le coût sont les deux raisons pour lesquelles des équipes qui pensaient auparavant avoir besoin de la qualité de GPT-4 commencent sérieusement à évaluer DeepSeek V5. Les chiffres sont difficiles à ignorer dès qu’on les teste à l’échelle de la production.
Sur du matériel GPU A100 standard, DeepSeek V5 délivre environ 47 tokens par seconde en inférence mono-utilisateur. Sous forte concurrence via l’API officielle, le débit évolue bien grâce à l’efficacité du batching de l’architecture MoE. En utilisation pratique de l’API, la latence de réponse pour une sortie de 500 tokens est en moyenne inférieure à 4 secondes entre la requête et la fin de la génération, ce qui est compétitif face à GPT-4o dans des conditions de charge habituelles.
| Modèle | Entrée (par 1M tokens) | Sortie (par 1M tokens) |
|---|---|---|
| DeepSeek V5 | 0,27 $ | 1,10 $ |
| GPT-4o | 2,50 $ | 10,00 $ |
| Claude 3.5 Sonnet | 3,00 $ | 15,00 $ |
| Llama 3.3 70B (hébergé) | 0,59 $ | 0,79 $ |
L’écart de prix est réel et considérable. Pour les charges de production à fort volume, DeepSeek V5 peut réduire les coûts d’API de 80 à 90 % par rapport à GPT-4o pour des sorties de qualité équivalente sur les tâches de raisonnement et de code. C’est un chiffre qui change les discussions budgétaires au niveau de la direction technique, et pas seulement chez les développeurs individuels.
La nature à poids ouverts du modèle signifie aussi que vous pouvez l’exécuter sur votre propre infrastructure, ce qui supprime entièrement le coût par token en échange de frais matériels et opérationnels. Pour les équipes qui traitent des millions de requêtes par jour, ce compromis a souvent du sens sur le plan financier.
DeepSeek V5 présente des progrès notables par rapport à V3 dans les tâches multilingues, en particulier pour les langues sous-représentées dans la plupart des jeux de données d’entraînement standard. Les gains sont les plus visibles pour les langues asiatiques, où l’accent mis par DeepSeek sur la recherche lui confère un avantage structurel face aux modèles des laboratoires occidentaux.
Sur les benchmarks de traduction WMT 2024, V5 atteint des scores BLEU comparables à ceux de modèles de traduction spécialisés pour les paires de langues du niveau 1. C’est une réussite notable pour un modèle à usage général, qui le rend viable comme couche de traduction dans des chaînes de contenus multilingues, sans nécessiter de service spécialisé distinct.
Les paires du chinois vers l’anglais et du chinois vers le coréen sont particulièrement solides, ce qui reflète probablement la distribution des données d’entraînement et l’accent mis par le laboratoire sur la couverture des langues d’Asie de l’Est. Pour les applications visant les marchés japonais ou coréen, V5 offre un avantage significatif sur la plupart des alternatives occidentales, pour une fraction du coût.
La fenêtre de contexte de 128K est le chiffre phare. Ce qui compte davantage, c’est de savoir si le modèle exploite réellement ce contexte de façon fiable sur toute sa longueur.
DeepSeek V5 dépasse 85 % au test standard de récupération « needle-in-a-haystack » à 100K tokens, ce qui signifie qu’il retrouve de manière fiable une information précise enfouie au cœur d’un document très long. Les performances baissent légèrement dans la plage de 120K à 128K, mais restent au-dessus de 78 %. Pour la plupart des tâches réelles de traitement de documents, un contexte fiable de 100K est réellement utile pour la revue de contrats, la documentation technique ou la synthèse de recherches.
La génération de contenus longs est une autre histoire. Sur des sorties générées de 60 pages, V5 maintient une cohérence thématique meilleure que la plupart des alternatives, mais la cohérence stylistique peut se dégrader nettement au-delà d’environ 8 000 tokens de sortie. Pour un travail long dans une seule session, l’injection progressive de résumés, qui consiste à résumer les sections terminées et à les réinjecter comme contexte, est la solution de contournement la plus fiable.
En résumé, aucun modèle ne l’emporte dans toutes les catégories. DeepSeek V5 est réellement compétitif sur la plupart des critères qui comptent pour un déploiement en production, avec une structure tarifaire qui change la donne pour les charges à fort volume.
| Capacité | DeepSeek V5 | GPT-4o | Claude 3.5 Sonnet | Llama 3.3 70B |
|---|---|---|---|---|
| Mathématiques (MATH-500) | 92 % | 90 % | 88 % | 77 % |
| Code (HumanEval+) | 87,3 % | 90,2 % | 91 % | 83 % |
| Contexte (128K NIAH) | 85 %+ | 90 %+ | 87 %+ | 72 % |
| Coût (relatif) | Très faible | Élevé | Élevé | Faible |
| Poids ouverts | Oui | Non | Non | Oui |
| Multilingue (Asie de l’Est) | Solide | Modéré | Modéré | Modéré |
PicassoIA donne un accès direct aux grands modèles de langage, y compris des modèles de la famille DeepSeek, sans aucune configuration d’infrastructure ni gestion de clé d’API. Si vous voulez tester les capacités de DeepSeek aux côtés de la génération d’images et de vidéos dans une seule plateforme, c’est le chemin le plus rapide de la curiosité à un résultat concret.
La plateforme prend en charge les modes chat et complétion, ce qui vous permet d’orienter différents types de tâches vers différents modèles selon les besoins. Que vous exécutiez des tâches de raisonnement, que vous traitiez de longs documents, que vous construisiez un flux de travail de contenus multilingues ou que vous combiniez un LLM avec un générateur d’images pour une chaîne de contenus, vous pouvez accéder à ces modèles et les comparer sans passer d’un service à l’autre.
💡 Conseil PicassoIA : Utilisez la vue de comparaison de modèles pour exécuter le même prompt sur deux modèles simultanément. C’est le moyen le plus rapide de déterminer quel modèle convient à votre charge de travail avant de vous engager dans une intégration.
Être honnête sur les faiblesses est ce qui rend un test utile. DeepSeek V5 en présente de réelles qui comptent en production.
Respect strict du format : Lorsqu’on lui demande de produire une sortie dans des formats structurés stricts, en particulier du JSON aux objets profondément imbriqués ou soumis à des contraintes de validation précises, V5 introduit de petits écarts plus souvent que GPT-4o ou Claude 3.5 Sonnet. Pour les chaînes d’analyse critiques, validez toujours la sortie avec un schéma plutôt que de présumer de sa conformité.
Calibrage des refus : Le modèle instruct est parfois trop prudent sur des prompts limites, refusant des tâches légitimement anodines. Dans des contextes professionnels, cela implique parfois de reformuler les prompts pour éviter des mots qui déclenchent des réponses trop conservatrices. C’est un désagrément plutôt qu’un facteur éliminatoire, mais il ajoute des frictions dans les cas limites.
Voix créative : V5 est un bon rédacteur sur le plan technique, mais il n’a pas la personnalité distinctive que Claude 3.5 Sonnet ou GPT-4o savent atteindre dans la prose narrative. Pour la fiction créative, l’écriture de voix de marque ou les textes destinés au grand public, il produit des résultats compétents mais génériques. Le modèle écrit bien ; il ne lui manque que du caractère.
Stabilité du fine-tuning : Des équipes ayant appliqué un fine-tuning spécialisé lourd à V5 signalent qu’un fine-tuning extensif peut provoquer une dégradation partielle de la capacité de raisonnement général. Ce phénomène n’est pas propre à DeepSeek, mais il vaut la peine d’être intégré à votre feuille de route si le fine-tuning fait partie de votre plan de déploiement.
DeepSeek V5 est un outil sérieux pour des charges de travail sérieuses. Le raisonnement est réellement solide, le code tient la route en production, et la structure de coûts le rend viable à une échelle où d’autres modèles de pointe deviennent prohibitifs. Ce n’est pas le meilleur modèle dans toutes les catégories, mais pour un grand nombre de cas d’usage réels, c’est le meilleur modèle à son niveau de prix, et de loin.
Si vous voulez mettre un LLM à l’épreuve tout en intégrant la génération d’images IA dans le même flux de travail, PicassoIA vous offre les deux au même endroit. La plateforme donne accès à des modèles de texte vers image, grands modèles de langage, de vidéo, d’audio et à plus de 400 autres capacités d’IA dans une interface unique. Vous pouvez lancer une tâche de raisonnement avec DeepSeek, visualiser immédiatement le résultat grâce à un modèle d’image, et publier sans passer entre six outils différents ni gérer six clés d’API différentes.
Commencez sur picassoia.com/en/all-models. L’accès est simple, et la gamme de ce que vous pouvez créer est large.
Choisissez votre langue
