GPT-5.5 vs DeepSeek V4. Pendant que vous dormiez, le monde a basculé une fois de plus

Hier, OpenAI a dévoilé GPT-5.5, et aujourd'hui les Chinois de DeepSeek ont répondu avec leur V4.
Je comprends parfaitement que vous ayez déjà lu 150 posts enthousiastes identiques traduits dans d'autres chaînes à propos de GPT-5.5, et peut-être même déjà entendu parler de DeepSeek. Tout le monde en a déjà discuté, a liké les benchmarks et a oublié.
Mais laissez-moi quand même souligner l'essentiel.

GPT-5.5
La métrique clé ici n'est pas MMLU (qui s'en soucie en 2026 ?), mais Expert-SWE (73,1%). Cela signifie que le modèle peut passer 20 heures d'affilée à fouiller dans votre code legacy, à déboguer, à réécrire des tests et finalement à produire une PR fonctionnelle, et non une montagne d'excuses. Il consomme moins de tokens pour les mêmes tâches que le 5.4. OpenAI a compris que gonfler le contexte sans contrôle mène à une impasse.

"Perdre l'accès à GPT-5.5 est comme subir une amputation" — citation du communiqué.

DeepSeek V4: Le bélier chinois contre les sanctions américaines 🇨🇳
Pendant que Sam Altman parle d'AGI et vend des abonnements Enterprise coûteux, les Chinois mettent en open source un modèle de 1 billion de paramètres avec un contexte de 1 million de tokens.

Grâce à un MoE (Mixture-of-Experts) agressif, sur ce billion, seuls ~49B paramètres sont activés lors de l'inférence pour la version Pro, et seulement 13B pour la version Flash.

Ils n'ont pas accès aux puces Nvidia haut de gamme, donc ils s'en sortent avec des maths pures. L'architecture Engram memory et les Manifold-Constrained Hyper-Connections (mHC) leur permettent d'entraîner et de faire tourner ce monstre sur du matériel local comme le Huawei Ascend 950PR.

Résultat : l'API coûte une misère (de $0,03 à $0,30 par million de tokens en entrée). C'est des dizaines de fois moins cher que Claude 4.7 et GPT-5.4.

Modèle sur HF

On attend la sortie de Sber ? 😁