Formation : DeepSeek

Module 1 — Panorama des modèles DeepSeek

• Situer DeepSeek comme laboratoire d'IA proposant des modèles à poids ouverts sous licence permissive MIT.
• Distinguer les familles : DeepSeek-V3 (modèle généraliste Mixture-of-Experts) et DeepSeek-R1 (modèle de raisonnement).
• Comprendre l'échelle des modèles, par exemple R1 avec environ 671B de paramètres totaux en architecture MoE.
• Repérer les évolutions successives comme V3.1 (octobre 2025) introduisant des modes hybrides de raisonnement.
• Identifier les cas d'usage cibles : mathématiques, logique, code et tâches nécessitant des étapes de raisonnement.

Module 2 — Raisonnement et chaîne de pensée

• Comprendre le principe du raisonnement par chaîne de pensée (chain-of-thought) produit par DeepSeek-R1.
• Analyser la génération d'étapes de réflexion, historiquement encadrées par des balises de type think, avant la réponse finale.
• Distinguer mode raisonnement (plus lent, plus coûteux) et mode direct pour ajuster l'intensité de calcul à la tâche.
• Concevoir des prompts adaptés aux tâches de résolution de problèmes exigeant une décomposition explicite.
• Évaluer les limites : coût en tokens, temps de réponse et vérification nécessaire des conclusions.

Module 3 — Exécution locale et auto-hébergement

• Télécharger les poids ouverts depuis GitHub ou Hugging Face sous licence MIT.
• Exécuter des versions distillées ou quantifiées en local avec Ollama, LM Studio ou vLLM.
• Estimer les contraintes matérielles : les grands modèles MoE exigent une infrastructure GPU importante en pleine précision.
• Mettre en place un serveur d'inférence exposant une API compatible OpenAI pour un usage interne.
• Cadrer les bénéfices en matière de confidentialité et de maîtrise des données face aux enjeux d'un fournisseur étranger.

Module 4 — Accès hébergé et intégration API

• Utiliser la plateforme DeepSeek (platform.deepseek.com) et son API compatible OpenAI.
• Gérer l'authentification, les clés d'API et les paramètres de génération dans une application.
• Comparer l'accès via l'API officielle et via des hébergeurs tiers proposant les modèles ouverts.
• Distinguer les points de terminaison de chat et de raisonnement selon la version du modèle utilisée.
• Mettre en place une journalisation et un suivi de la consommation de tokens pour maîtriser les coûts.

Module 5 — Comparaison, coûts et bonnes pratiques

• Comparer DeepSeek aux autres modèles ouverts comme Llama, Qwen et Mistral sur le raisonnement et le code.
• Évaluer le rapport coût/performance entre exécution locale et API hébergée selon le volume d'usage.
• Mettre en place une évaluation rigoureuse (jeux de tests, mesures de qualité) avant mise en production.
• Traiter la sécurité et la conformité RGPD, en tenant compte de la localisation des traitements.
• Définir un plan de veille pour suivre les nouvelles versions et l'évolution rapide de la famille de modèles.