Démystifier DeepSeek : cinq choses que chaque conseiller doit savoir

N^o 1 : Pourquoi les marchés ont-ils tant réagi à la nouvelle concernant DeepSeek?

La réaction du marché a été vive, mais pas immédiate : DeepSeek avait publié une version antérieure de son modèle en décembre, que les analystes du secteur évaluaient déjà. Ce n’est que lorsque les financiers ont commencé à tester eux-mêmes le modèle qu’un consensus s’est dégagé : DeepSeek était perturbatrice et avait le potentiel de faire concurrence aux meilleures applications d’IA américaines. Ce point de vue (qui était à mon avis trop négatif) s’est rapidement répandu la fin de semaine précédant la vente massive, ce qui a entraîné le repli du lundi.

Il est important de noter qu’il ne s’agissait pas d’une vente massive touchant l’ensemble du secteur de la technologie, car la baisse a été en grande partie concentrée dans Nvidia et d’autres sociétés de semi-conducteurs, comme Broadcom, qui sont fortement exposées aux dépenses en investissement dans l’IA. L’ampleur du repli global du marché était fonction de la capitalisation boursière de Nvidia et de Broadcom : par exemple, si Nvidia représente 10 % du marché, une baisse de 17 % de son action se traduit par une chute de près de 2 % du marché. Ce sont les pertes concentrées dans ces deux titres qui ont vraiment fait baisser le marché dans son ensemble.

Rendement du Nasdaq-100 en janvier 2025 par rapport aux actions à mégacapitalisation

Source : Nasdaq, Bloomberg. Données au 31 janvier 2025.

N^o 2 : Est-il réaliste de penser que le modèle de DeepSeek a été entraîné pour environ 6 millions de dollars américains, comme cela a été annoncé?

Certaines des données phares publiées dans les médias sont trompeuses. Le coût présumé de 6 millions de dollars pour l’entraînement a été calculé en multipliant les 3 millions d’heures d’unité de traitement graphique requises pour entraîner le modèle V3 de DeepSeek par un coût d’environ 2 dollars par heure d’unité de traitement graphique (3 millions d’heures x 2 dollars l’heure = 6 millions de dollars). Mais il ne s’agit que du coût d’entraînement de cette version particulière du modèle de DeepSeek; il ne comprend pas le travail effectué sur les versions précédentes. Par conséquent, nous pouvons affirmer avec certitude que le coût global de l’entraînement a été de plus de 6 millions de dollars américains, car ce chiffre n’inclut pas les nombreuses années de travail de développement qui ont précédé le modèle V3.

Il y a encore beaucoup de choses que nous ignorons sur le processus de développement de DeepSeek, notamment si l’entreprise a bénéficié de l’utilisation non autorisée des données de ses concurrents. Cependant, nous savons une chose : elle travaille sur ce projet depuis des années. En 2021, avant que le gouvernement américain interdise l’exportation de certaines puces Nvidia vers la Chine, DeepSeek a acquis environ 2 000 processeurs de pointe de Nvidia. On a également émis l’hypothèse que DeepSeek disposerait actuellement d’au moins 10 000 puces Nvidia, et peut-être jusqu’à 50 000, ce que l’entreprise ne peut pas admettre publiquement, puisqu’elle aurait dû contourner les restrictions à l’exportation des États-Unis pour se les procurer. Dans l’ensemble, étant donné le coût du matériel haut de gamme et les dépenses en immobilisations associées à l’établissement de centres informatiques, à l’entretien, etc., certains experts estiment que le coût total réel de l’élaboration des modèles de DeepSeek serait plus près de 2 milliards de dollars américains.

N^o 3 : En quoi DeepSeek change-t-elle le contexte mondial de l’IA?

Au cours des dernières années, les budgets pour le développement de l’IA aux États-Unis ont été pratiquement illimités, car ils ont été en grande partie financés par certaines des plus grandes sociétés de la planète, notamment Microsoft, Google, Meta Platforms et Amazon. Toutes ces entreprises sont déterminées à remporter la « course à l’IA » et n’ont pas vraiment à se soucier de restrictions à l’exportation ou de dépenses en immobilisations massives, compte tenu de leurs ressources financières enviables.

Avant l’émergence soudaine de DeepSeek, l’hypothèse était que les principaux modèles d’IA américains étaient supérieurs aux grands modèles chinois. Ce qui a surpris les analystes, ce sont les nouveaux gains d’efficience que DeepSeek a été en mesure d’intégrer à la conception et à l’entraînement du modèle, donnant lieu à un modèle comparable aux principaux acteurs américains à un prix peut-être inférieur à celui de ChatGPT d’OpenAI. Comme nous l’avons mentionné plus tôt, nous ne savons pas avec certitude dans quelle mesure le processus d’entraînement et de développement de DeepSeek a été moins cher que celui de ChatGPT. Mais il est probable que les principaux développeurs américains commenceront à mettre en œuvre certains de ces nouveaux gains d’efficience, s’ils ne l’ont pas déjà fait. Cela signifie que l’entraînement des modèles d’IA pourrait être moins cher et plus rapide à l’avenir, ce qui serait favorable à tous.

N^o 4 : Au bout du compte, s’agit-il d’une bonne nouvelle pour le secteur de la technologie et l’IA?

L’avantage pour bon nombre des principaux acteurs de l’IA est que l’adoption de certaines des améliorations architecturales initiées par DeepSeek pourrait réduire le coût de l’entraînement des modèles d’IA à l’avenir. En fait, OpenAI travaillait déjà de façon indépendante à l’élaboration et à la mise en œuvre de gains d’efficience afin de rendre les modèles plus axés sur le calcul par inférence plutôt que sur l’entraînement. Qu’est-ce que cela signifie en termes simples? Au cours des dernières années, la course à l’IA a principalement consisté à utiliser le meilleur matériel et le plus de données, l’étendue complète du savoir humain, essentiellement, afin d’entraîner les modèles les plus coûteux. OpenAI et d’autres sociétés d’IA tentent maintenant de trouver un équilibre entre tout cet entraînement initial très cher et une façon plus « humaine » de réfléchir aux problèmes. Dans cette nouvelle approche axée sur le calcul par inférence, un modèle fondamental bien entraîné est en mesure d’appliquer la raison aux questions, en évaluant simultanément les réponses potentielles et en les recoupant, au lieu de simplement s’appuyer sur une base de données massive de connaissances. Ce changement était déjà en cours et DeepSeek n’a fait que l’accélérer.

Le passage à une approche de calcul par inférence pourrait constituer une nouvelle haussière pour des acteurs comme Nvidia, car des unités de traitement graphique puissantes seront toujours nécessaires pour effectuer ce type de calculs en continu. La question est la suivante : le calendrier de la croissance des revenus et des bénéfices sera-t-il différent si l’on dépense moins d’argent au départ pour un entraînement intensif des modèles, et plus d’argent plus tard, à mesure que l’IA sera adoptée plus largement et que la demande augmentera? À long terme, la demande accrue en matière d’IA se traduira par une demande plus importante de calcul d’inférence, ce qui est un indicateur haussier pour les fabricants de puces comme Nvidia. Des sociétés comme Microsoft, Amazon et Google financent ou exploitent également des plateformes infonuagiques de premier plan, où se fera une grande partie de ces calculs d’inférence, de sorte que ces développements pourraient également leur être favorables. Apple est une autre société qui pourrait en bénéficier, car des modèles d’IA plus efficaces et plus compétents pourront être exécutés sur des appareils comme les iPhones et les MacBooks sans utiliser toutes les ressources des appareils.

N^o 5 : Avec ce que nous savons maintenant, comment les investisseurs peuvent-ils jouer sur le thème de l’IA?

Nous croyons que le Nasdaq-100^MD, qui est accessible par l’intermédiaire du Fonds FNB actions du Nasdaq 100 BMO, convient bien à ce contexte de marché unique en raison de son leadership de longue date en matière d’innovation et de sa capacité avérée à inscrire un rendement supérieur en période de marchés volatils.

Cela a été particulièrement évident en mars 2020, au début de la pandémie, lorsque le Nasdaq-100 a connu le repli le plus faible et la reprise la plus rapide parmi les trois principaux indices de référence américains, et a fait mieux que l’indice S&P 500 et l’indice Dow Jones des valeurs industrielles. La situation s’est reproduite en mars 2023, pendant la crise bancaire régionale aux États-Unis, lorsque l’indice Nasdaq-100 a devancé les indices Dow Jones et S&P 500 de 5 % à 7 % après que la culmination de la crise¹. Dans ce cas, l’indice a été favorisé par le fait que, par définition, il n’est pas exposé aux services financiers.

Par le passé, les titres technologiques étaient considérés comme plus volatils, plus spéculatifs et plus risqués que les marchés dans leur ensemble. Mais cette perspective s’est enracinée à une époque où les technologies n’étaient pas encore au cœur de l’économie comme elles le sont aujourd’hui. À l’époque, les sociétés de technologie n’avaient tout simplement pas l’air aussi solides sur le plan des données fondamentales qu’elles le sont actuellement. Nous pensons que le Nasdaq-100 sera bien placé au cours des prochaines années, surtout si les taux d’intérêt restent plus élevés pour plus longtemps ou si l’inflation repart à la hausse. En effet, environ la moitié des sociétés de l’indice n’ont pas de dette ou ont suffisamment de liquidités dans leur bilan pour générer un revenu d’intérêt supérieur à ce qu’elles dépensent pour le service de la dette. Les taux élevés sont donc relutifs pour l’indice, ce qui n’était pas le cas il y a 10 ou 20 ans.

Indice Nasdaq-100 c. indice S&P 500 : un endettement nettement inférieur

Source : Nasdaq, Bloomberg. Données au 29 novembre 2025.

* Ratio des frais de gestion (RFG) en date du 30 septembre 2024.

BMO Gestion mondiale d’actifs, au 31 janvier 2025.

Veuillez communiquer avec votre équipe de vente de BMO Gestion mondiale d’actifs pour obtenir de l’aide et des conseils supplémentaires.

¹ Sources : Nasdaq, Bloomberg.

² Tous les placements comportent des risques. La valeur d’un fonds d’investissement peut diminuer autant qu’augmenter, et vous pourriez perdre de l’argent. Le risque d’un fonds d’investissement est évalué en fonction de la volatilité de son rendement au moyen de la méthode normalisée de classification des risques prescrite par les Autorités canadiennes en valeurs mobilières. La volatilité antérieure n’indique pas quelle sera la volatilité du fonds à l’avenir. Un fonds d’investissement dont la cote de risque est faible peut tout de même perdre de l’argent. Pour en savoir plus sur la cote de risque et les risques spécifiques qui peuvent avoir une incidence sur le rendement d’un fonds d’investissement, veuillez passer en revue le prospectus simplifié de BMO Fonds d’investissement.