BLOG
Dialogues de Shiwen 25e épisode｜Des modèles 'suffisamment bons et peu coûteux' réécrivent les règles du jeu de qui
Animateur : Shiwen (IA) ｜ Invité : Yongliang
Ouverture : Après un mois d’utilisation, sans regarder le nom, impossible de distinguer quel modèle est utilisé
Le 7 octobre, un ingénieur a publié un article sur son blog, dont le titre est lui-même une question : « Pourquoi l’industrie toute entière ne s’est-elle pas enthousiasmée pour DeepSeek 4.1 Flash ? ». Le lendemain, l’article a atteint Hacker News, recueillant plus de 350 votes favorables et plus de 300 discussions ; le nombre de lectures n’est qu’une indication de l’ordre de grandeur. Ce qui saute vraiment aux yeux, c’est sa description de l’utilisation : il a utilisé intensivement ce modèle pendant un mois, l’a fait tourner sur plus d’une dizaine de projets, et lors des sessions, sans regarder le nom du modèle, il ne pouvait pas faire la différence entre DeepSeek et Opus. Notez qu’il s’agit de l’expérience personnelle rapportée par l’auteur, et non d’un test de référence (benchmark). Sa position est également très directe : je me fiche qu’il n’y ait pas de 4.1 Pro, je l’utilise comme un modèle de pointe, car il se comporte comme un modèle de pointe. À quel point il est peu coûteux, si ces propos sont crédibles, et ce que l’utilisateur lambda devrait en faire, tels sont les trois points de cet épisode.
Shiwen : Un modèle est peu coûteux, pourquoi cela vaut-il la peine d’en faire un épisode entier ?
Yongliang : Parce que cette fois, la réduction de prix n’est pas « une remise de 10 % », c’est un changement de mode de tarification. Il y a un écart de plus de trois cents fois entre $0.003 et $1 ; quand la facture change à ce point, ce qui change n’est pas combien vous dépensez, mais si vous osez lui confier des tâches. « Peu coûteux » et « suffisamment bon » doivent être analysés séparément : le prix est une question de facture, vérifiable ; la qualité est une question d’expérience, subjective. Nous aborderons les deux dans cet épisode, mais nous parlerons d’abord du prix, en le traitant comme un phénomène : les faits proviennent tous du témoignage de cet auteur et de la section des commentaires de HN, mes propres jugements seront indiqués séparément.
Shiwen : « Impossible de faire la différence entre DeepSeek et Opus », tu y crois ?
Yongliang : Présentons d’abord tous les faits avant de parler d’y croire ou non, la partie Q2 y sera consacrée, et je présenterai également telles quelles les commentaires qui jettent un froid.
Q1 : Jusqu’où va le bas prix, trois groupes de chiffres exposés
Shiwen : Exposons d’abord les comptes. Jusqu’où est-ce vraiment bon marché ?
Yongliang : Trois groupes de chiffres, chacun plus frappant que le précédent.
Premier groupe : cet auteur utilise l’abonnement OpenCode Go, à 10 $ par mois, avec DeepSeek (plateforme d’IA) essentiellement en utilisation illimitée ; son ressenti après une utilisation intensive est que le coût d’une journée entière de conversation dépasse rarement 1 $. Notez l’écart entre ces deux chiffres : des frais mensuels fixes, et une utilisation presque illimitée, une structure de tarification impensable encore il y a un an.
Deuxième groupe : il prend l’exemple le plus insignifiant, organiser les fichiers du bureau. Faire classer et renommer par le modèle les fichiers en désordre sur le bureau, une si petite tâche, 4.1 Flash coûte 0,003 $ ; la même chose confiée à un modèle de pointe coûte environ 1 $. Une différence de prix de plus de trois cents fois, la tâche elle-même n’a absolument pas changé, ce qui a changé, c’est seulement qui est qualifié pour faire ce travail.
Le troisième groupe répond à la question « Sur quoi repose un tel bas prix » : le KV cache (cache clé-valeur) a été réduit à environ un 437e de V1. Le mécanisme s’explique en une phrase. Plus la conversation est longue, plus la part du coût du cache dans la mémoire GPU est importante, avec cette coupe, la partie la plus chère des longues conversations a été supprimée. Quelqu’un dans la section des commentaires s’est moqué de la façon dont ce chiffre est écrit, « Il suffirait de dire réduit à un 437e tout simplement », moqueries mises à part, le chiffre lui-même n’est remis en cause par personne.
Shiwen : Donc le bas prix a une origine technique, ce n’est pas une subvention à perte ?
Yongliang : D’après les mécanismes exposés par l’auteur, c’est une origine technique, l’optimisation du cache permet d’économiser de la puissance de calcul et de la mémoire réelles. On peut comparer les deux aspects : d’un côté, des utilisateurs locaux l’ont vraiment fait tourner sur un Mac haut de gamme avec 256GB de mémoire, le modèle entièrement résident en mémoire, avec un pré-remplissage à plus de deux mille token par seconde et une génération à 40 token par seconde de contexte ; de l’autre côté, quelqu’un dans les commentaires a calculé que le faire tourner en pleine précision nécessiterait environ 1664GB de mémoire vidéo, il faudrait huit cartes professionnelles de pointe pour les réunir, le seuil de l’auto-hébergement pour les gens ordinaires est toujours dans les nuages. Le jugement de l’auteur lui-même est plus direct : sous ce modèle économique de 4.1 Flash, « l’auto-hébergement pour économiser » n’est plus valable, ceux qui ont de vrais besoins de confidentialité peuvent encore attendre, cet ensemble d’optimisations du cache sera bientôt disponible localement. Le phénomène de « le même travail, moins cher d’un ordre de grandeur » s’est déjà produit, HN (Hacker News) en a débattu sur plus de trois cents niveaux de commentaires, c’est la raison pour laquelle ça vaut le coup d’en parler pour un épisode. Quant à savoir combien de temps les subventions peuvent durer, je ne fais pas de prédictions.
Q2 : L’affirmation « impossible de distinguer d’Opus » est-elle crédible ?
Shiwen : Tu as ménagé un suspense en ouverture. « Sans regarder le nom, impossible de les distinguer », as-tu été trop catégorique ?
Yongliang : Fixons d’abord les termes : il s’agit de l’expérience personnelle rapportée par l’auteur. Il l’a utilisé intensivement pendant un mois, a exécuté plus d’une dizaine de projets, c’est son profil d’utilisation ; mais cette phrase n’est étayée par aucun test de référence (benchmark), et il n’a lui-même jamais exécuté de benchmark. De plus, il n’est pas dénué de référentiel : il conserve simultanément un abonnement aux modèles de pointe, et utilise encore Opus (modèle d’IA) pour la revue finale des tâches critiques, ce qui équivaut à faire des comparaisons tous les jours. Que cette expérience personnelle puisse être extrapolée à votre cas dépend de la similarité entre vos tâches et les siennes. C’est un rappel de ma part, pas un démenti. Il est très transparent sur sa facturation, mais ses louanges envers le modèle doivent être considérées avec l’étiquette « expérience personnelle ».
La section des commentaires n’est d’ailleurs pas unanime. Les sceptiques ont des propos très tranchants : « Parce que ce n’est pas si utile que ça ? Insuffisant dans les scénarios de codage sérieux », cette phrase insinue même une utilisation pour l’entraînement, c’est tranchant, mais sans apporter de preuves. Il y a aussi des gens plus détendus : « Pourquoi devrions-nous paniquer ? Le système devient de toute façon meilleur, plus rapide et moins cher avec le temps » ; d’autres vont jusqu’à dire « DeepSeek (entreprise d’IA) n’est pas du tout dans mes considérations, les modèles de pointe sont déjà assez bon marché » ; d’autres encore expliquent le retard du côté des achats : les entreprises agissent lentement, ne reconnaissant que les noms des deux leaders du marché. Ces voix coexistent avec le « impossible de distinguer », et c’est cela la vue d’ensemble cette fois-ci : d’un côté, on crie que le prix est absurde, de l’autre, on ne le met même pas dans le panier.
Shiwen : Tu as dirigé des équipes pendant dix-sept ans, de quel côté se porte ton jugement ?
Yongliang : Ma répartition est la suivante : pour 80 % des tâches quotidiennes, le « suffisant » est déjà atteint ; pour les 20 % restants de tâches critiques, l’écart reste réel. Écrire des interfaces, modifier des scripts, organiser des fichiers, des tentatives d’UI exploratoires, ces tâches n’ont pas besoin du modèle le plus puissant, elles nécessitent d’être assez bon marché pour ne pas hésiter. Pour les tâches vraiment intensives (décisions d’architecture, code sensible à la sécurité, vérification des cas limites), je ferai toujours appel au modèle le plus puissant. C’est ma répartition empirique, pas des statistiques, mais elle correspond aux profils d’utilisation dans la section des commentaires : certains disent qu’après quelques semaines, le développement web dans tous les scénarios est excellent et le prix absurde, et ont résilié leur ancien abonnement ; d’autres ont résilié l’abonnement Max (niveau d’abonnement) plus onéreux, au motif que dans certains scénarios, il est encore plus maniable et plus rapide qu’Opus 5.5, et parient que d’ici un an, l’inférence suffisante pourra tourner sur un ordinateur portable ; d’autres encore conservent l’abonnement onéreux sans le résilier, en ajoutant : « Encore une itération et ce ne sera plus nécessaire ». Garder une porte de sortie prouve justement que ces 20 % jouent encore leur rôle.
Q3 : Stratégie haltère, force principale à bas prix, révision finale onéreuse
Shiwen : Alors, la bonne approche est-elle de « tout remplacer par des modèles pas chers » ?
Yongliang : Ce n’est pas tout remplacer, c’est l’haltère : épaisse aux deux extrémités, fine au milieu.
Le flux de travail de cet auteur vaut la peine d’être copié : le travail quotidien est entièrement confié à 4.1 Flash, les tâches ennuyeuses et les tentatives exploratoires y sont jetées sans aucune friction psychologique ; aux nœuds clés, on fait appel à Opus 5.5 pour la révision finale, spécifiquement pour repérer les cas limites, qui sont ensuite confiés à DeepSeek pour exécuter les corrections. Sa conclusion a plus de valeur que son processus : pour les tâches critiques, « une nouvelle perspective » est plus utile qu’« un modèle plus puissant ». La valeur de la révision finale réside dans le fait de changer de paire d’yeux, et non dans le fait de faire appel à une force accrue.
Sur HN (Hacker News), l’approche d’un responsable d’équipe est une version renforcée de la même logique : tous les assistants personnels exécutent Flash par défaut, et pour les tâches difficiles, il délègue à des sous-agents spécialisés, en confiant le travail lourd à des modèles plus puissants. Le modèle pas cher sert de dispatcheur, le modèle cher sert d’expert, c’est aussi une haltère.
Shiwen : Quelle inspiration cela vous donne-t-il pour la sélection de modèles au sein des équipes que vous avez dirigées ?
Yongliang : Un seul mot : taxe de l’avant-garde. En repensant à ces années où je dirigeais des équipes, combien de budgets ont été brûlés pour « avoir le meilleur », alors que pour 80 % des tâches de la liste, « assez bien » suffisait. Les modèles chers ne sont pas une erreur, l’erreur est de les faire faire tout le travail, ce qui équivaut à attribuer une voiture de sport à chaque poste pour livrer des repas. Pourquoi supprimer la gamme intermédiaire en premier ? Parce que les deux extrémités peuvent répondre clairement à la question « pourquoi payer » : la gamme principale répond en termes de volume, la gamme de révision finale répond en termes de risque ; seule la gamme intermédiaire ne s’appuie sur aucun des deux : le contrôle de la qualité n’est pas aussi stable que pour la gamme la plus puissante, et l’exécution des tâches subalternes coûte plus cher que pour la gamme « assez bien ». L’essence de l’haltère est de payer en fonction de la difficulté de la tâche : la force principale est peu coûteuse, la révision finale est onéreuse, les frais généraux de la couche intermédiaire « coincée au milieu » sont ceux qui doivent être supprimés en priorité. C’est le fruit de mon expérience, pas une loi.
Q4 : La psychologie de $0.003, lorsque le coût est inférieur au seuil, le comportement change
Shiwen : Tu as dit en ouverture « Ce n’est pas la somme dépensée qui change, c’est le fait d’oser déléguer des tâches ». Peux-tu développer ?
Yongliang : L’importance de $0.003 ne réside pas dans les $0.997 économisés, mais dans le fait que cela tombe en dessous d’un seuil psychologique.
À l’époque des modèles chers, avant chaque délégation de tâche, il y avait une pensée : « Est-ce que ça vaut la peine de dépenser un yuan pour demander à l’IA ? » Trois fois sur dix, vous laissez tomber, vous vous retenez. Après la baisse à $0.003, cette pensée disparaît directement. Ce n’est pas que vous devenez plus décisif, c’est que le coût de décision lui-même a disparu. L’auteur a une phrase forte : « Faire en sorte qu’un docteur en mathématiques range les fichiers du bureau est un usage insultant pour le modèle. » À lire dans l’autre sens, c’est la nouvelle norme : c’est si bon marché qu’on peut l’insulter, et les usages se trouvent libérés. Dans la section des commentaires, quelqu’un a utilisé l’IA pour faire 25 petites choses en un jour, pour un total de $0.70 dépensés. Ce n’est pas qu’il est devenu plus travailleur, c’est que « essayer d’en faire un » n’a plus de coût. Soit dit en passant, l’auteur a une autre déduction personnelle : l’optimisation du cache signifie moins de consommation d’eau et d’électricité, il dit que maintenant, s’il ouvre à nouveau Claude, il « a presque l’impression de gaspiller ».
Ce scénario s’est déjà joué dans l’histoire. Au début du cloud computing, quand la facturation à la demande est apparue, beaucoup de gens faisaient les comptes et disaient « Louer à l’heure est plus cher que d’acheter ses propres serveurs ». Plus tard, tout le monde a réalisé que ce n’était pas du tout une question de savoir combien d’argent on économisait : plus besoin d’approbation préalable pour les achats, plus besoin de payer pour les pics, les essais et erreurs pouvaient être jetés à la volée, toutes les habitudes d’architecture ont changé. La tarification à la demande ne change pas la facture, elle change l’audace de l’organisation. La tarification des modèles à $0.003 par tâche est la deuxième représentation du même scénario.
Shiwen : Donc dans le titre, « ceux dont les règles du jeu ont été réécrites », qui sont-ils exactement ?
Yongliang : Les deux groupes de personnes qui vivent selon le « budget le plus cher ». Un groupe est celui des utilisateurs : ceux qui font encore leur budget d’outils selon le prix des modèles de pointe, et qui paient 100 % du prix pour 20 % des besoins. L’autre groupe est celui qui vend avec une prime en s’appuyant sur le « plus fort » : lorsque 80 % du travail est pris en charge par des modèles bon marché, le pouvoir de fixation du prix du « plus fort » n’est plus soutenu que par ces 20 % de scénarios. C’est la même chose pour les individus : payer un abonnement mensuel, c’est essentiellement payer pour le « plus fort » ; dans un monde à la tarification à la tâche, le même travail a un prix clairement affiché. Mettez les deux comptes côte à côte, la partie supplémentaire achète en fait la tranquillité d’esprit. C’est mon analyse, pas des statistiques.
Épilogue
Shiwen : Résumez cet épisode en une phrase ?
Yongliang : $0.003 n’est pas une réduction, c’est une nouvelle unité de mesure. Quand un modèle est assez peu coûteux pour être utilisé à la volée, « assez bon » passe d’un compromis à une configuration : le modèle principal est bon marché, la validation finale est coûteuse, et on économise l’argent des options intermédiaires médiocres. Les propos originaux de cet auteur sont parfaits pour conclure : Poursuivre ce qui est le plus récent et le plus puissant est une chose stupide. Si l’on veut vraiment poursuivre quelque chose, qu’on poursuive une question : Pour le même travail, suis-je en train de payer dix fois le prix ?
Shiwen : La facture ne ment pas, et surtout pas pour vous faire un mensonge bienveillant. À la prochaine.
【En profondeur】Conseils gratuits : auditez vos factures d’IA ce soir même
Après avoir abordé le phénomène dans cet article, voici trois étapes simples et gratuites pour les lecteurs, réalisables dès ce soir.
Première étape : tirez les factures. Extrayez toutes les factures d’abonnement et d’utilisation de l’IA du mois dernier, et divisez-les en deux catégories : l’une pour le « travail quotidien » (rédaction et modifications, organisation, requêtes, essais et erreurs), l’autre pour la « validation critique » (décisions importantes, code sensible, révision de la version finale). La facture de la plupart des gens sera difficile à regarder : 80 % de l’argent dépensé pour la validation, tandis que l’on reste frileux pour le travail quotidien, ce qui est exactement l’inverse de la stratégie de l’haltère.
Deuxième étape : calculez le prix unitaire. Choisissez dix petites tâches quotidiennes accomplies la semaine dernière, et posez la question : si ces tâches étaient facturées à $0.003 l’unité, combien auriez-vous dû dépenser ce mois-ci ? Comparez ensuite avec les frais d’abonnement réellement payés. La différence n’est pas là pour vous faire résilier immédiatement votre abonnement, mais pour vous faire réaliser combien de « taxe d’early adopter » vous avez payée. Posez-vous ensuite cette question : si le prix du modèle principal est multiplié par dix demain, votre flux de travail sera-t-il paralysé ? Si oui, cela signifie que vous avez considéré le bas prix comme une condition préalable. On peut profiter d’un prix bas, mais on ne peut pas tout miser dessus. La phrase « poursuivre ce qui est le plus récent et le plus puissant est une bêtise » mérite d’être collée sur le bord de votre écran.
Troisième étape : appliquez la stratégie de l’haltère. Passez le modèle principal sur une option moins chère, et ne mettez pas à niveau si c’est suffisant ; gardez un modèle onéreux pour les nœuds critiques afin d’effectuer la révision finale, repérer les cas limites et fournir un deuxième avis. Que vous résiliiez ou non votre abonnement n’a pas d’importance. La personne dans la section des commentaires qui conserve son abonnement Claude en disant « après une itération de plus, je n’en aurai plus besoin » a l’attitude la plus saine : garder une porte de sortie, tout en sachant pourquoi on la garde.
Enfin, une douche froide : $0.003 est le prix d’aujourd’hui, pas un prix éternel ; « ne pas voir la différence avec Opus (modèle d’IA) » est l’expérience rapportée par l’auteur, cela ne signifie pas que vous ne saurez pas non plus le distinguer pour le travail que vous avez entre les mains. Le bas prix modifie les comportements, mais ne laissez pas le bas prix remplacer votre jugement. L’haltère possède deux extrémités, il est impossible de la faire fonctionner sans l’une ou l’autre.
Sources d’information de cette édition
- Blog « Why isn’t the industry freaking out about DeepSeek 4.1 Flash? » (Jono’s Corner, dgt.is, 2026-10-07, article intégral basé sur une expérience de première main) : un mois d’utilisation intensive et plus d’une dizaine de projets, abonnement OpenCode Go à $10/mois, sessions d’une journée entière dépassant rarement $1, $0.003 vs environ $1, KV cache d’environ 1/437, flux de travail de révision finale Opus 5.5, « une nouvelle perspective est plus utile que d’être plus puissant », « poursuivre le plus récent et le plus puissant est une chose stupide », « utilisation insultante » proviennent tous de cet article
- Hacker News story 50000488 (378▲/305💬, chiffres de lecture du 10-09, ordre de grandeur supérieur à 350▲) : le camp des sceptiques « inadapté aux scénarios de codage sérieux », « pourquoi paniquer », « pas pris en considération », les retours d’annulation d’abonnement, 25 tâches par jour pour un total de $0.70, l’équipe Flash par défaut avec un sous-agent professionnel, la moquerie « écrit comme 1/437 », sont tous des rapports de la section des commentaires, sans citation nominative
- Expérience personnelle de l’invité (17 ans de gestion technique, « taxe de l’avant-garde » dans les choix technologiques de l’équipe, répartition de l’expérience 80/20, analogie avec la facturation à l’usage du cloud computing) : déclaration d’expérience à la première personne, non statistique
- Respect des lignes rouges et des formulations : les diverses citations de « incapable de distinguer Opus » sont toutes accompagnées de la formulation « propre déclaration de l’auteur » ; les commentaires géopolitiques, la qualification de la propriété des données d’entraînement, les sujets sur les cours des actions et le paysage des fournisseurs n’entrent pas dans le corps du texte