Comment évaluer la valeur de DeepSeek ?

Pourquoi AI · DeepSeek a-t-il vu sa valorisation quintupler en trois semaines ? Quelles en sont les raisons profondes ?

Auteur｜Wang Zhaoyang
Email｜wangzhaoyang@pingwest.com

En moins de trois semaines, la valorisation de DeepSeek a été révisée quatre fois dans les rapports publics :

Début avril, environ 10 milliards de dollars lors d’un « financement de démarrage », le 22 avril, la valorisation dépasse 20 milliards de dollars, le 6 mai, des discussions avec un « grand fonds » pour un lead investissement, avec une valorisation d’environ 45 milliards de dollars, et la semaine dernière, la limite supérieure de la valorisation a été évoquée à plus de 50 milliards de dollars — si cela se confirme, ce serait la plus grande levée de fonds en une seule étape pour une entreprise d’IA chinoise de tous les temps.

Selon les rapports, la plus grosse « chèque » de cette levée ne provient pas d’un VC ou d’un géant de l’Internet, mais du fondateur de DeepSeek, Liang Wenfeng : il pourrait personnellement investir jusqu’à 20 milliards de RMB, soit 3 milliards d’euros, représentant 40 % du total levé. On dit qu’il a augmenté sa participation directe de 1 % à 34 % via une augmentation de capital, et avec sa participation indirecte, il contrôle au total environ 84,29 % des actions.

Et le « Grand Fonds » — officiellement la Fonds National d’Investissement dans l’Industrie des Circuits Intégrés — qui a déjà investi dans SMIC et Yangtze Memory Technologies, n’a jamais auparavant injecté de fonds dans un fabricant de grands modèles de langage. Si cette levée aboutit, ce sera la première fois.

L’un des traits les plus marquants de DeepSeek a toujours été l’absence de financement, de commercialisation ou de roadshow, car la société mère, Fantasia Quantitative, dispose de réserves financières suffisantes. Son absence d’actions commerciales actives rend cette valorisation élevée, déjà exagérée par rapport à d’autres entreprises de modèles, encore plus surprenante.

En mettant ces faits ensemble, on se rend compte que cette levée de fonds, expliquée par le cadre d’une société de modèles, ne peut pas tout à fait rendre compte de cette attention particulière — pourquoi la valorisation a-t-elle été multipliée par cinq en trois semaines ? Pourquoi le grand fonds intervient-il ? Pourquoi le fondateur lui-même met-il la plus grosse somme ?

Il faut un autre cadre pour comprendre cette levée.

DeepSeek n’est pas simplement une « meilleure société de modèles », c’est plutôt une société d’infrastructure qui ressemble à une société de modèles. Ce positionnement s’est pleinement manifesté dans cette levée.

1

1

Lorsqu’il a parlé de financement en 2024, Liang Wenfeng a dit : « Notre problème n’a jamais été l’argent, mais l’embargo sur les puces de haute technologie. »

Le cœur du problème pour une société de modèles est les données, les algorithmes, et les talents ; les puces sont un coût, pas une stratégie. Dire que les puces sont le problème central, c’est indiquer que DeepSeek, dès le premier jour, a surtout réfléchi à « comment reconstruire quelque chose qui tourne, même sous contrainte de puissance de calcul ».

En retraçant toutes les innovations technologiques clés de DeepSeek — MLA, MoE, entraînement FP8, efficacité extrême en inférence —, on voit qu’elles répondent toutes à la même problématique : comment produire des modèles de haut niveau avec moins de puissance, sous des contraintes. Cela a transformé la logique de l’entreprise, passant d’une société de modèles à une société d’infrastructure en R&D.

Si DeepSeek n’était pas une société de modèles, comment la valoriser ? Selon qui la comparer ? La réponse n’est ni Kimi, ni Zhipu, ni MiniMax. La structure de financement qui a été évoquée peut donner des pistes pour juger.

1

2

Le 24 avril, DeepSeek-V4 a été lancé, et le rapport technique a pour la première fois inclus dans la liste de vérification matérielle à la fois le NPU Ascend de Huawei et le GPU Nvidia — « Nous avons validé la solution EP à granularité fine sur deux plateformes : Nvidia GPU et Huawei Ascend NPU », indique le document.

Pour la première fois dans un document officiel, un modèle de plusieurs centaines de milliards de paramètres a été officiellement reconnu comme utilisant des puces IA nationales. Le jour de la sortie, huit fabricants de puces nationales, dont Huawei Ascend et Cambrian, ont été adaptés, rompant avec la pratique habituelle de plusieurs mois de débogage. Pour cette étape, l’équipe de DeepSeek a travaillé étroitement avec Huawei et Cambrian pendant plusieurs mois, ce qui aurait aussi été une raison pour retarder la publication. La société a effectué de nombreux ajustements et réécritures au niveau fondamental du modèle.

Et c’est justement pendant cette période que la levée de fonds a été lancée : le timing est très intéressant. D’autres entreprises lèvent des fonds pour réaliser un objectif précis, mais DeepSeek a levé parce qu’un objectif était déjà atteint, et de manière vérifiable publiquement — c’est comme si Liang Wenfeng, en lançant un modèle, avait réalisé une due diligence qui nécessiterait normalement plusieurs réunions.

Dans cette levée, il y a en réalité trois flux financiers, trois logiques distinctes, sans croisement.

Le Grand Fonds — officiellement la Fonds National d’Investissement dans l’Industrie des Circuits Intégrés —, le principal capital industriel national dans le secteur des semi-conducteurs, a historiquement investi dans SMIC et Yangtze Memory. Il finance l’infrastructure essentielle que la Chine ne peut pas se passer : fabrication, équipements, matériaux. Jusqu’ici, il n’avait jamais investi dans un grand modèle.

Sa réticence précédente à investir dans des modèles venait de l’incertitude sur le retour commercial, qui ne se prête pas à une logique d’investissement en semi-conducteurs. Mais DeepSeek a changé cela avec une seule action : la V4, adaptée avec des puces nationales, prouve qu’elle n’est pas une simple société de modèles. Le Grand Fonds peut désormais voir cet investissement sous un autre angle : il s’agit de tester si l’écosystème de calcul national peut soutenir cette stratégie, en utilisant des modèles de pointe pour stimuler l’itération de l’application du calcul national, et construire un cercle vertueux « puces nationales + modèles nationaux ».

Les capitaux industriels, comme Tencent, qui pourraient être évoqués dans des rumeurs, ont une autre motivation : s’assurer de ne pas être exclus de l’infrastructure IA chinoise. Si DeepSeek devient la couche fondamentale, ne pas en faire partie signifierait n’être qu’un utilisateur payant, alors que ce qu’il apporte, ce sont aussi une entrée dans l’écosystème, des clients d’entreprises, des ressources cloud — autant d’aspects où DeepSeek est encore faible commercialement.

Cela explique aussi pourquoi d’autres grands acteurs, qui ont aussi des ambitions d’infrastructure, pourraient ne pas investir : DeepSeek est perçue comme un concurrent potentiel dans cette infrastructure, pas seulement comme une société de modèles dans laquelle on peut entrer.

1

3

Cela crée une sensation de « fracture » : d’un côté, verrouiller le capital stratégique national pour confirmer le statut d’infrastructure ; de l’autre, attirer des capitaux industriels pour ouvrir la voie à la commercialisation — deux choses qui, dans beaucoup d’entreprises, peuvent sembler contradictoires. Mais dans cette structure de financement, DeepSeek tente de faire fonctionner ces deux aspects de façon totalement indépendante, sans qu’ils se gênent.

Autrement dit, après cette levée, la progression commerciale et la réalisation du grand récit stratégique ne sont pas liées.

La partie du Grand Fonds concerne une vision à long terme — autonomie du calcul, écosystème de puces nationales, sur cinq ou dix ans, sans besoin de retours trimestriels ; les capitaux industriels comme Tencent concernent une autre ligne, avec un rythme commercial aligné sur d’autres sociétés de modèles.

En discutant de ses difficultés commerciales, on oublie souvent un fait : le prix de l’API de DeepSeek a déjà cassé le plancher de l’industrie — le cache V4-Flash, avec un coût d’entrée de seulement 0,02 yuan par million de mots, représente environ 1 % du coût de GPT-5. En réduisant ainsi le coût de l’inférence, DeepSeek peut assurer que cette activité API ne sera pas déficitaire ; et dans le rapport « Top 100 Gen AI Consumer Apps » d’a16z, DeepSeek reste une plateforme qui couvre à la fois la Chine et les États-Unis — avec un trafic web réparti entre la Chine (33,5 %) et les États-Unis (6,6 %). Même avec le retard dans la mise à jour des modèles, la base d’utilisateurs mobiles n’a pas connu la chute que certains craignaient. Cela signifie que, théoriquement, toutes les autres sociétés de modèles peuvent aussi gagner de l’argent, avec des marges plus faibles.

En réalité, cette fracture est une caractéristique majeure qui distingue DeepSeek des autres — elle a été volontairement conçue, et elle existe depuis l’époque de Fantasia.

Fantasia Quantitative gagne de l’argent, DeepSeek fait de la recherche — c’est la structure qu’elle a adoptée dès le départ. Fantasia n’a pas besoin que DeepSeek lui rapporte des résultats commerciaux, et DeepSeek n’a pas besoin de prouver à Fantasia une croissance de son ARR — cette relation est difficile à comparer, elle ressemble plutôt à une société de trading autonome investissant ses profits dans la recherche fondamentale : la recherche fait partie intégrante de sa logique d’existence, ce n’est pas un projet en attente de monétisation.

Ce découplage repose sur le fait que Liang Wenfeng contrôle personnellement les deux extrémités, mais plus on avance, plus cela devient fragile : c’est une relation personnifiée, pas une structure formelle — dès qu’un capital externe entre, le risque de déséquilibre devient réel.

C’est pourquoi cette levée de fonds, en réalité, formalise pour la première fois cette dépendance à la volonté personnelle dans la structure de propriété. La relation entre Fantasia et DeepSeek, qui était jusque-là une fracture, est maintenant reproduite à une échelle plus grande : la première couche de fracture est celle de Fantasia sur DeepSeek, la seconde concerne la séparation entre la commercialisation interne et la recherche d’infrastructure de calcul, avec un même concepteur.

Ainsi, dans cette levée, en dehors des deux investissements principaux, ce qui est encore plus unique, c’est la contribution personnelle de Liang Wenfeng.

Selon les rapports, il aurait investi jusqu’à 20 milliards de RMB, soit environ 2,8 milliards d’euros. En comparaison, la dernière levée de Kimi, récemment terminée, s’élevait à environ 2 milliards d’euros — c’est-à-dire que l’argent personnel de Liang Wenfeng est déjà suffisant pour couvrir la plupart des levées d’un seul tour pour des sociétés de modèles.

Ainsi, l’entrée de 60 % d’investisseurs externes n’est pas destinée à faire survivre DeepSeek en tant que société de modèles ou à continuer à entraîner des modèles, la société Fantasia a déjà assez de fonds, et l’argent personnel de Liang Wenfeng aussi. Chaque nouvel investisseur externe rejoint parce que DeepSeek n’est plus simplement une société de modèles.

Et cet investissement personnel sert à verrouiller la structure : peu importe combien de capitaux externes sont introduits, la prise de décision centrale ne sera pas diluée.

1

4

De plus, la raison souvent évoquée pour cette levée était la fuite des talents. Mais une observation attentive montre que cette fuite pourrait être exagérée.

Les départs sont importants — Wang Bingxuan est allé chez Tencent, Guo Daya chez ByteDance, Luo Fuli a été recrutée par Xiaomi avec un salaire annuel de plusieurs millions, Ruan Chong a rejoint Yuanrong Qihang, couvrant les principales lignes technologiques : modèles de base, inférence, OCR, multimodal.

Mais selon une récente étude détaillée de « Caijing », parmi les 15 personnes les plus citées dans 27 articles, seulement 2 ont quitté. Lors du lancement de DeepSeek-LLM, 86 personnes étaient en poste, et 71 figurent encore dans la liste des auteurs du V4. Sur 300 employés, 10 ont quitté, soit un taux de départ de 3,3 % — un chiffre très faible pour ceux qui suivent la compétition des talents dans l’IA.

La valorisation par options sur actions a une vraie valeur pour retenir les talents, mais cela reste un aspect secondaire, la vraie solution étant de faire des choses longues et correctes. En réalisant des objectifs à long terme, la question de la rétention se résout d’elle-même — c’est une logique générale pour toutes les décisions de DeepSeek : elle n’agit pas pour résoudre un problème immédiat, mais une fois que le long terme est en place, les problèmes immédiats s’évanouissent souvent d’eux-mêmes.

1

5

Enfin, pour comprendre complètement la logique de cette levée et de cette valorisation, il faut aborder un sujet clé : qui sont réellement les concurrents de DeepSeek ?

Nvidia a défini les règles du jeu du calcul dans l’ère de l’IA. Toutes les sociétés de modèles — qu’elles soient en Chine ou aux États-Unis — évoluent dans cette limite. DeepSeek tente de redéfinir cette limite. La validation de l’adaptation à Ascend de Huawei lors de la V4 est la première preuve publique de cette tentative. La société accorde une importance primordiale à Nvidia.

Une valorisation de 50 milliards de dollars ne reflète pas la capacité actuelle du modèle, ni l’ARR, ni la taille de la base utilisateur. Les comparables mondiaux : Kimi, qui a récemment levé environ 2 milliards d’euros avec une valorisation post-financement d’environ 20 milliards, soutenue par un ARR réel ; Anthropic, avec une valorisation post-financement de 380 milliards de dollars, dont le chiffre d’affaires annuel dépassera 30 milliards dès 2026. DeepSeek, avec une croissance commerciale quasi nulle, atteint une valorisation plus de deux fois celle de Kimi — et une grande partie de cette valorisation provient du fonds national des semi-conducteurs, pas d’un VC axé sur la croissance du ARR.

Ce que cela montre, c’est que la différence de valorisation ne repose pas sur la commercialisation, mais sur la prime d’infrastructure.

Si DeepSeek parvient à réaliser ce qu’elle tente : un système d’IA de pointe indépendant d’Nvidia, basé sur l’open source, une infrastructure IA chinoise — alors son concurrent potentiel serait quelque part entre la version « Stargate » d’OpenAI et Nvidia, une position encore non définie : à la fois produire des modèles de haut niveau et tenter de résoudre le problème d’infrastructure de calcul avec de nouvelles méthodes. Aucune autre société ne ressemble à cela à l’échelle mondiale.

Selon cette perspective, 50 milliards de dollars, c’est un record, mais c’est encore bon marché.

Cette levée valorise quelque chose qui n’est pas encore réalisé. La réussite dépend de Liang Wenfeng, qui a toujours poursuivi une vision à long terme. En faisant ce qu’il faut, de nombreux problèmes se résoudront naturellement en cours de route. Cette levée pourrait être la première à donner au monde extérieur une vision complète de cette ambition.