DeepSeek V4 Flash 0731 en local : ce que disent les scores publiés, ce que coûte le token et ce que change la souveraineté

Le benchmark indépendant 2026 des trois meilleurs modèles d'IA pour entreprise : DeepSeek V4 Flash 0731 (284B, 13B actifs, 1M contexte, poids ouverts) vs Claude Opus 5 (frontière Anthropic) vs GPT-5.5 (frontière OpenAI). Terminal Bench, NL2Repo, Cybergym, DeepSWE, Toolathlon, coût par token, latence et souveraineté.

Par QDNA · Publié le 2 août 2026 · Mis à jour le 8 octobre 2026 · 10 min de lecture

Mis à jour le 8 octobre 2026 : prix de référence du DGX Spark porté à 7 000 € HT et celui de la DGX Station à 150 000 € HT ; coûts journaliers, coûts par million de tokens, rapports au DGX Spark et seuils de rentabilité recalculés selon la même formule.

Mis à jour le 26 septembre 2026 : DeepSeek a retiré V4 Flash 0731 de son API le 10 septembre 2026 : les lignes API reprennent la grille de son successeur V4.1 Flash (0,15 et 0,60 $ en heures creuses) ; Claude Opus 5.5 (4 et 20 $), GPT-6 Astra et GPT-6 Sol ajoutés, Opus 5 et GPT-5.5 conservés comme modèles comparés ; taux BCE du 25 septembre, DGX Spark à 5 083 € HT (LDLC.pro), indice Artificial Analysis v4.3.2 ; seuils de rentabilité recalculés.

Mis à jour le 2 septembre 2026 : tarifs de l'API DeepSeek repris de la grille officielle du jour (entrée et sortie, heures creuses et pleines) à la place du « 0,21 $/M » ; prix du DGX Spark aligné sur le relevé idealo.fr du 2 septembre 2026 (4 875 € HT) ; seuil de rentabilité recalculé avec une formule visible. Relecture du même jour : les scores MMLU-Pro, GPQA Diamond et AIME attribués à 0731, absents de la fiche DeepSeek, sont retirés ; le tarif GPT-5.5 est repris de la grille OpenAI (5 $ en entrée, 30 $ en sortie par million) à la place de 0,5 et 2 $ ; les débits, latences et nombres d'utilisateurs « estimés » de la DGX Station sont remplacés par « à mesurer » ; les coûts locaux sont donnés par leur formule et non plus par un chiffre unique.

Méthodologie

Ce benchmark compare les trois meilleurs modèles d'IA pour entreprise disponibles en août 2026 : DeepSeek V4 Flash 0731 (284 milliards de paramètres, 13 milliards actifs par token, contexte 1M, poids ouverts licence MIT), Claude Opus 5 et GPT-5.5.

Claude Opus 5 est la frontière Anthropic, avec une fenêtre de 1 M de tokens au tarif standard pour Claude 4.6 et suivants selon la page tarifaire Anthropic, et GPT-5.5 la frontière OpenAI, au tarif standard jusqu'à 272 K de contexte selon la grille OpenAI.

Les benchmarks utilisés sont les benchmarks officiels publiés par chaque éditeur, croisés avec les données de Artificial Analysis Intelligence Index v4.3.2 (version relue le 26 septembre 2026, méthodologie indépendante avec 10 évaluations : AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1).

Le coût par token est calculé en coût total de possession (TCO) sur 3 ans pour le déploiement local, et en prix public pour les API cloud. Aucune latence ni aucun débit n'a été mesuré sur la DGX Station : la section qui suit le dit plutôt que d'avancer un chiffre.

Comparatif des benchmarks officiels

Scores publiés par DeepSeek sur la fiche du modèle DeepSeek-V4-Flash-0731. Nous ne reproduisons pas de scores pour Claude Opus 5 et GPT-5.5 : leurs éditeurs ne publient pas ces mêmes benchmarks, et estimer leurs valeurs pour désigner un vainqueur n'aurait aucune valeur. Pour une comparaison tierce et tenue à jour entre modèles, voir Artificial Analysis.

Lecture : DeepSeek V4 Flash 0731 est le meilleur sur les benchmarks agentiques (Terminal Bench 2.1, NL2Repo, Cybergym, DeepSWE, Toolathlon), ce qui en fait le choix privilégié pour les agents de code et les tâches d'ingénierie logicielle.

Pour Claude Opus 5 et GPT-5.5, leurs éditeurs ne publient pas ces mêmes épreuves ; la seule comparaison homogène disponible est le panel Artificial Analysis, que nous ne recopions pas ici, chaque version de l'indice recalibrant son échelle.

Coût par token

Le coût local est dérivé d'une formule visible, avec des hypothèses nommées et sourcées, détaillée sous le tableau : amortissement du matériel hors taxes sur trois ans plus électricité, rapportés aux tokens réellement produits. Il ne compte ni l'intégration, ni la maintenance, ni la formation, qui s'y ajoutent. Les API sont au prix public.

Tarifs DeepSeek : grille officielle relevée le 26 septembre 2026 (V4 Flash 0731 retiré de l'API le 10 septembre, tarifs de son successeur V4.1 Flash), par million de tokens ; conversions à 1 € = 1,1403 $ (BCE, 25 septembre 2026). Les coûts locaux ont été recalculés le 8 octobre 2026 selon la méthode ci-dessous. Tarifs Anthropic et OpenAI : page tarifaire Anthropic et grille OpenAI, relevées le 26 septembre 2026.

Comment le coût local est calculé

Formule : coût par jour = prix du matériel hors taxes / 1 095 jours (trois ans) + puissance × 24 h × tarif du kilowattheure ; tokens par jour = débit agrégé × 86 400 s × taux de charge ; coût par million = coût par jour / (tokens par jour / 1 000 000).

Le taux de charge est la part du temps pendant laquelle la machine produit des tokens à ce débit, ce qu'aucune organisation ne connaît avant d'avoir mesuré son usage : le résultat est donc une fourchette et non un chiffre unique.

Détail d'une ligne, DGX Spark à 30 tokens/s et 30 % de charge : amortissement 7 000 / 1 095 = 6,39 € par jour ; électricité 0,24 kW × 24 h × 0,1624 €/kWh = 0,94 € par jour ; total 7,33 € par jour. Tokens : 30 × 86 400 × 0,30 = 777 600 par jour, soit 0,778 million.

Coût : 7,33 / 0,778 = 9,42 € par million de tokens. Même méthode pour le cluster (12,79 + 1,87 = 14,66 € par jour) et pour la DGX Station (136,986 + 6,236 = 143,22 € par jour).

Lecture : le coût par token le plus bas reste celui de l'API DeepSeek, désormais servie par V4.1 Flash, à 0,375 $/M en heures creuses (0,75 $/M en heures pleines), loin devant Claude Opus 5.5 à 12 $/M, Claude Opus 5 à 15 $/M et GPT-5.5 à 17,50 $/M.

Le seuil de rentabilité du local se lit en divisant son coût journalier par le prix de l'API : un DGX Spark (7,33 € par jour) devient moins cher que Claude Opus 5.5 (10,52 €/M) dès 0,70 million de tokens par jour, soit 27 % de charge à 30 tokens/s.

Il passe sous Claude Opus 5 (13,15 €/M) dès 0,56 million, soit 21 % de charge, et sous GPT-5.5 (15,35 €/M) dès 0,48 million de tokens par jour, soit 18 % de charge.

Il ne rejoint jamais l'API DeepSeek (11,1 millions de tokens par jour en heures pleines à 0,66 €/M, 22,2 millions en heures creuses), puisque sa capacité plafonne à 2,6 millions par jour à ce débit.

Un cluster de deux Spark (14,66 € par jour, 18,2 millions de tokens par jour au maximum à 210,8 tokens/s) passe sous Claude Opus 5.5 à 8 % de charge (1,39 million de tokens par jour), sous Claude Opus 5 à 6 % (1,11 million) et sous GPT-5.5 à 5 % (0,95 million).

Il ne rejoint l'API DeepSeek ni en heures pleines, où le seuil atteint 22,2 millions de tokens par jour, ni en heures creuses, où il atteint 44,4 millions, deux valeurs au-delà de sa capacité.

Une DGX Station (143,22 € par jour) devrait soutenir plus de 2 500 tokens/s agrégés en permanence pour passer sous l'API DeepSeek en heures pleines (217 millions de tokens par jour), ce qu'aucune mesure publiée n'établit : [À MESURER].

Le local ne se justifie donc pas par le prix face à l'API de l'éditeur ; il se justifie face aux API fermées dès quelques centaines de milliers de tokens par jour, et par ce qu'aucune API ne vend : souveraineté, absence de limite de débit imposée, aucune sortie de données, aucun risque de désactivation.

Latence et performance

Aucun couple DeepSeek V4 Flash 0731 / DGX Station GB300 ne figure dans notre section mesures : la version du 2 août publiait 68 tok/s, 2,6 s de préremplissage, 30 ms de P50 et 1 908 utilisateurs simultanés, chiffres qui n'étaient ni mesurés ni dérivés d'une formule visible, et qui sont retirés.

Les latences des API tierces ne sont pas publiées par leurs éditeurs : nous préférons l'écrire plutôt que d'avancer un chiffre.

Lecture : servir le modèle sur site supprime la latence réseau et le rate-limit de l'éditeur, ce qui est un gain structurel et non une question de modèle. Nous ne chiffrons pas la comparaison avec les API : leurs éditeurs ne publient pas ces latences, et elles varient avec la région, la charge et le palier contractuel.

La disponibilité d'une machine sur site dépend de son exploitation et n'a pas été mesurée ; elle ne dépend d'aucun éditeur tiers, ce qui reste le point décisif pour une organisation qui refuse de subir une coupure décidée ailleurs.

Souveraineté et conformité

Lecture : DeepSeek V4 Flash 0731 en local est le seul modèle à poids ouverts, exécutable en local sans licence révocable, sans rate-limit éditeur, sans transfert de données hors Union, et avec fine-tuning possible sur des données métier spécifiques.

Claude Opus 5 et GPT-5.5 sont des API fermées qui transfèrent les données vers les datacenters d'Anthropic et d'OpenAI respectivement, avec rate-limit et risque de désactivation par l'éditeur.

Comment le hardware local garantit-il la confidentialité et l'indépendance ?

Le choix du matériel local n'est pas seulement une question de performance ou de coût par token. C'est une décision de souveraineté : quand le modèle s'exécute sur votre propre matériel, dans votre propre infrastructure, vous gardez le contrôle total sur la confidentialité des données.

Vous gagnez aussi l'absence de dépendance à un éditeur tiers, et l'indépendance face aux politiques de rate-limit ou de désactivation. Confidentialité : les invites, les documents injectés par RAG, les journaux d'inférence et les réponses générées restent sur l'infrastructure interne de l'entreprise. Aucune donnée ne traverse le réseau vers un datacenter étranger.

La conformité RGPD se démontre par construction, pas par accumulation de clauses contractuelles. Indépendance : un modèle à poids ouverts exécuté sur du matériel de l'entreprise ne tombe pas sous le régime de la licence révocable. Aucun éditeur ne peut suspendre l'accès, aucun rate-limit ne s'applique, aucune politique d'usage ne peut être imposée unilatéralement.

Le 12 juin 2026, sur directive du département du Commerce des États-Unis, Anthropic a suspendu l'accès à Claude Fable 5 et Claude Mythos 5 pour l'ensemble de ses clients, et ne l'a rétabli que le 1er juillet, soit dix-neuf jours plus tard (communiqué Anthropic du 12 juin 2026, rétablissement).

La version du 2 août datait cet épisode du 31 juillet, à tort. Un modèle à poids ouverts servi sur du matériel de l'entreprise ne tombe pas sous ce régime, puisqu'aucune décision extérieure ne peut en interrompre l'inférence.

Maîtrise totale : le choix du matériel permet de calibrer la performance (nombre d'utilisateurs concurrents, latence, contexte maximum) sans dépendre des décisions d'un fournisseur cloud. Vous pouvez ajouter de la mémoire, changer de runtime, activer ou désactiver des fonctionnalités, et optimiser le coût par token selon votre usage réel, sans permission d'un tiers.

Conclusion sur la souveraineté matérielle : le matériel local apporte la confidentialité totale des données (pas de transfert hors Union), l'indépendance complète vis-à-vis de l'éditeur (poids ouverts, pas de licence révocable, pas de rate-limit), et la maîtrise totale de la performance (calibrage matériel, runtime, configuration).

Ces avantages n'ont pas de prix monétaire, mais ils sont décisifs pour les entreprises françaises et européennes qui ont des obligations de conformité RGPD, HDS et SecNumCloud, ou qui veulent éviter la dépendance à un fournisseur cloud étranger.

Conclusion : quel modèle pour quel cas d'usage

La conclusion tient en une règle par cas d'usage : DeepSeek V4 Flash 0731 pour les agents de code et les données sensibles, une API fermée pour le raisonnement général, et l'API DeepSeek quand le budget prime sur la souveraineté.

Références

• Grille tarifaire de l'API DeepSeek (relevée le 26 septembre 2026)
• DeepSeek V4 Flash 0731, dépôt officiel Hugging Face
• Rapport technique DeepSeek V4 (arXiv 2606.19348)
• Artificial Analysis Intelligence Index v4.3.2 (relu le 26 septembre 2026)
• Claude Opus 5 et Opus 5.5 pricing (Anthropic)
• Grille tarifaire OpenAI, GPT-5.5 et GPT-6 (relevée le 26 septembre 2026)
• Unsloth, documentation DeepSeek V4
• Fiche QDNA : DeepSeek V4
• Fiche QDNA : vLLM
• Fiche QDNA : DGX Station