DeepSeek-V4 et la fin du monopole NVIDIA : ce que l'Europe doit vraiment retenir

# DeepSeek-V4 et la fin du monopole NVIDIA : ce que l'Europe doit vraiment retenir

Pendant des années, la phrase était devenue un axiome : pas de GPU NVIDIA, pas d'IA sérieuse. DeepSeek-V4 a rendu cet axiome obsolète. Pas parce que le modèle chinois est parfait — il ne l'est pas — mais parce qu'il a prouvé quelque chose que beaucoup refusaient d'admettre : la dépendance à une seule architecture matérielle dans un domaine aussi stratégique que l'intelligence artificielle relevait du choix, pas de la nécessité.

Pour les décideurs IT européens, ce signal mérite davantage qu'un article de veille technologique. Il mérite une vraie remise en question.

Ce qui s'est passé, et pourquoi ça compte

DeepSeek-V4 — successeur du modèle V3 qui avait déjà secoué le secteur en début 2025 — a été entraîné et déployé en s'appuyant sur une infrastructure matérielle délibérément diversifiée, intégrant notamment des puces Huawei Ascend aux côtés de GPU NVIDIA de génération précédente soumis aux restrictions d'exportation américaines. Le résultat sur les benchmarks publics est compétitif avec les meilleurs modèles occidentaux disponibles à ce jour.

Ce n'est pas un tour de magie. C'est le produit d'une contrainte transformée en ingénierie. Les restrictions d'export imposées par Washington à partir de 2022, censées ralentir la Chine, ont en réalité forcé ses équipes de recherche à optimiser leurs architectures, à réduire leur dépendance matérielle, à innover là où les acteurs américains pouvaient se permettre de brûler des ressources. L'histoire a un certain sens de l'ironie.

Pour être précis : DeepSeek n'a pas *remplacé* NVIDIA. L'entreprise continue d'utiliser des H800 et des A100 là où elle peut. Ce qu'elle a démontré, c'est qu'une infrastructure hétérogène, bien orchestrée, peut produire des résultats comparables. C'est une nuance importante. Ce n'est pas la mort de NVIDIA — dont la domination reste réelle — mais c'est la fin de son monopole comme *seul chemin possible*.

L'Europe regardait, pendant ce temps

L'Union européenne a beaucoup parlé de souveraineté numérique depuis 2020. L'AI Act, les investissements du plan France 2030, les ambitions affichées autour des supercalculateurs EuroHPC... Le cadre réglementaire et les intentions politiques existent. Mais dans les faits, les grandes infrastructures d'entraînement de modèles fondamentaux en Europe restent massivement dépendantes des GPU NVIDIA, et les clouds sur lesquels tournent la majorité des workloads IA des entreprises européennes restent américains.

Ce n'est pas une critique gratuite : NVIDIA fabrique effectivement les meilleures puces du marché pour ce cas d'usage, et AWS, Azure ou GCP offrent des services matures. Personne ne peut leur reprocher d'avoir été adoptés. Mais la question qui se pose aujourd'hui n'est plus « pourquoi avons-nous choisi ces fournisseurs ? » Elle est : « avons-nous construit une alternative crédible au cas où cette dépendance deviendrait un problème ? »

De ce point de vue, l'exemple DeepSeek-V4 est inconfortable pour l'Europe. La Chine a été *forcée* de construire cette alternative. L'Europe, elle, a eu le choix — et ne l'a pas vraiment fait, du moins pas à la hauteur des discours.

Ce que ça change concrètement pour un DSI en 2026

Soyons honnêtes : si vous êtes DSI d'une ETI industrielle ou CTO d'une scale-up SaaS, vous n'entraînez probablement pas vos propres LLM de plusieurs centaines de milliards de paramètres. Votre dépendance à NVIDIA est donc indirecte — elle passe par vos fournisseurs de cloud et les API que vous consommez.

Mais cette dépendance indirecte a des implications très concrètes.

Premièrement, la concentration du risque. Si demain une nouvelle vague de restrictions à l'export, une tension géopolitique, ou simplement une décision commerciale d'un acteur américain modifie les conditions d'accès aux modèles que vous utilisez en production, vous n'avez pas de plan B opérationnel. Ce n'est pas un scénario science-fiction : en 2025, plusieurs entreprises européennes ont découvert brutalement que leurs accès API à certains services d'IA générative étaient soumis à des conditions d'utilisation unilatéralement modifiées.

Deuxièmement, la question des données. L'entraînement fine-tuning ou le RAG sur vos données propriétaires via des API cloud américaines soulève des questions qui ne sont toujours pas résolues au regard du RGPD et des nouvelles exigences de l'AI Act. Ce n'est pas une position anti-américaine : c'est une réalité juridique que vos équipes legal et compliance vous poseront tôt ou tard.

**Troisièmement, le signal compétitif.** Si une équipe de recherche chinoise sous embargo matériel parvient à produire des modèles comparables à OpenAI ou Anthropic, cela signifie que la barrière à l'entrée pour déployer des modèles puissants *on-premise* ou sur infrastructure européenne va continuer à baisser. Des acteurs comme Mistral AI — pour ne citer que celui qui est effectivement pertinent ici — l'ont d'ailleurs anticipé en proposant des modèles optimisés pour des déploiements sur infrastructure contrainte. La question n'est plus de savoir si c'est techniquement possible. Elle est de savoir si vous vous y préparez.

Trois réflexions pour éviter de subir ce que DeepSeek a subi

1. Cartographier vos dépendances IA avant qu'elles deviennent des vulnérabilités

C'est le travail de base, et il est rarement fait sérieusement. Pas un audit de sécurité formel avec un cabinet de conseil — une conversation honnête en interne : quels services IA sont aujourd'hui en production ? Quel est notre fournisseur unique de criticité ? Quel serait l'impact d'un arrêt de service de 72 heures, d'un mois, d'un an ?

Cette cartographie n'est pas là pour vous pousser à tout remplacer. Elle est là pour identifier les deux ou trois points de fragilité qui méritent un plan de mitigation. La plupart des organisations découvrent à cet exercice qu'elles ont une dépendance forte sur un ou deux services qu'elles croyaient interchangeables — et qui ne le sont pas vraiment.

2. Tester des modèles européens sur des cas d'usage réels, pas en démo

Mistral AI propose des modèles disponibles en self-hosting ou via des partenaires hébergeurs européens. OVHcloud — puisque le sujet s'y prête cette fois — a construit une infrastructure GPU spécifiquement pensée pour répondre aux exigences de localisation des données. Ce ne sont pas des solutions parfaites, et elles n'ont pas la profondeur d'écosystème d'AWS ou Azure.

Mais les tester sérieusement — pas sur un projet pilote isolé, mais sur un vrai workload de production secondaire — vous donnera une information précieuse : est-ce que c'est viable pour nous aujourd'hui ? Dans six mois ? La réponse honnête est parfois non, et c'est acceptable. Mais ne pas poser la question, c'est choisir par défaut la dépendance.

3. Participer aux conversations sur l'infrastructure partagée européenne

EuroHPC, GAIA-X dans sa version post-turbulences, les consortiums sectoriels qui commencent à émerger dans l'industrie ou la santé — ces initiatives ont souffert d'un décalage entre ambition politique et adoption réelle par les entreprises. Une partie de la responsabilité incombe aux entreprises elles-mêmes.

Pas question de vous demander de devenir lobbyiste européen. Mais si vous êtes DSI d'une ETI dans un secteur stratégique, votre voix dans ces discussions compte. Les infrastructure mutualisées se construisent avec des utilisateurs qui ont des besoins réels, pas avec des cahiers des charges écrits par des consultants en chambre.

La vraie leçon n'est pas technologique

DeepSeek-V4 sera peut-être remplacé dans dix-huit mois par un modèle qui rend son architecture obsolète. La dynamique de l'IA générative est suffisamment rapide pour que toute conclusion définitive soit imprudente.

Mais la leçon structurelle, elle, est durable : les dépendances technologiques ne sont pas des fatalités. Elles sont des choix, faits par accumulation de décisions individuelles rationnelles à court terme. La Chine a été contrainte de le redécouvrir par l'extérieur. L'Europe a encore le luxe de le faire par anticipation.

Ce luxe a une durée de vie limitée.

La vraie question que DeepSeek-V4 pose aux décideurs IT européens n'est pas « faut-il migrer vers du matériel Huawei ? » — la réponse est non, pour des raisons évidentes de conformité et de sécurité. Elle est : « sommes-nous en train de construire, même lentement, même imparfaitement, les alternatives qui nous permettront de ne jamais être dans la situation de devoir choisir entre deux dépendances étrangères ? »

Si la réponse est honnêtement non, il est peut-être temps de commencer à la changer.