DeepSeek prévoit 160 000 puces IA Huawei pour l’inférence, mais garde NVIDIA pour l’entraînement

Un virage Huawei, pas une sortie complète de Nvidia

DeepSeek prévoirait de déployer au moins 160 000 accélérateurs Huawei Ascend 950DT dans un centre de données à Ulanqab, en Mongolie intérieure, ce qui en ferait l’un des plus grands ensembles connus de puces IA Huawei si le projet est mené à terme [1]. L’annonce est importante parce qu’elle déplacerait une part majeure de la capacité de service de DeepSeek vers du silicium chinois, mais elle ne signifie pas que l’entreprise abandonne Nvidia pour la partie la plus exigeante du calcul IA [1].

La distinction centrale porte sur l’usage. Les puces Huawei seraient destinées à l’inférence, c’est-à-dire à l’exécution de modèles déjà entraînés pour répondre aux utilisateurs, alimenter des API et traiter le trafic de production [1]. L’entraînement, qui consiste à créer ou améliorer les grands modèles, resterait dépendant du matériel Nvidia, selon plusieurs articles récents citant des personnes proches du dossier [1][3]. Le projet ressemble donc moins à une indépendance technologique totale qu’à une répartition pragmatique des tâches entre les accélérateurs chinois disponibles et l’écosystème Nvidia, encore plus solide pour l’entraînement à grande échelle [3].

Le déploiement n’est pas encore un fait accompli. TechNode a souligné que l’ampleur et le calendrier restent des intentions rapportées, et non une installation déjà finalisée [5]. Ce point est essentiel: à cette échelle, il ne suffit pas de disposer d’un bon dessin de puce. Il faut aussi de la mémoire à haute bande passante, du packaging avancé, un réseau robuste, une alimentation électrique fiable, des logiciels stables et une exploitation de cluster capable de tenir la charge.

Pourquoi l’inférence passe en premier

L’inférence est devenue le front économique de l’IA générative. Chaque réponse de chatbot, complétion de code, résumé automatique ou requête d’entreprise consomme du calcul. Un fournisseur qui maîtrise ces coûts peut servir davantage d’utilisateurs, proposer des tarifs plus agressifs et réduire sa dépendance à des accélérateurs importés rares ou soumis à autorisation.

C’est précisément pourquoi le plan attribué à DeepSeek cible l’inférence plutôt que l’entraînement [1]. YFarmX résume cette logique: DeepSeek voudrait utiliser les Ascend 950DT pour faire tourner ses modèles à Ulanqab tout en conservant Nvidia pour les cycles d’entraînement [1]. Mint rapporte également que DeepSeek ne prévoit pas actuellement d’utiliser les Ascend 950DT pour entraîner ses modèles, même si Huawei présente cette puce comme capable de charges plus lourdes [3].

La séparation correspond à une réalité technique. L’entraînement d’un modèle de pointe met sous pression les interconnexions, la stabilité logicielle, la planification des tâches, les pipelines de données et la précision numérique pendant des exécutions longues où les pannes coûtent cher. L’inférence peut elle aussi être complexe, surtout avec de très grands modèles et de longues fenêtres de contexte, mais elle se prête davantage à l’optimisation par le débit, la bande passante mémoire, le groupement des requêtes, la quantification et la gestion fine de la charge.

Les caractéristiques rapportées de l’Ascend 950DT correspondent à cette logique. Des articles récents décrivent la puce comme dotée de 144 Go de mémoire à haute bande passante Huawei, d’environ 4 To/s de bande passante mémoire, de 2 To/s d’interconnexion et de formats de faible précision utiles pour améliorer l’efficacité du service de modèles [1][4]. Selon un calcul repris dans la couverture de TechPowerUp par HeadlinesBriefing, 160 000 puces offriraient théoriquement environ 160 exaFLOPS en FP8 et près de 23 Po de mémoire HBM totale [6]. Ces chiffres restent théoriques, mais ils expliquent l’intérêt d’un accélérateur riche en mémoire pour servir de grands modèles.

Ulanqab comme site de calcul massif

Le lieu rapporté du projet, Ulanqab en Mongolie intérieure, n’est pas anodin. La ville se trouve au nord-ouest de Pékin et s’inscrit dans une géographie favorable aux grands centres de calcul, avec de l’espace, des ressources électriques et des conditions climatiques plus fraîches [1]. Plusieurs articles décrivent l’ambition d’infrastructure de DeepSeek dans la région comme un projet à l’échelle du gigawatt, les 160 000 puces Huawei ne représentant qu’une partie de la capacité prévue [1][5].

Un site de classe gigawatt placerait DeepSeek dans la même catégorie d’infrastructures que les très grands projets IA des groupes technologiques mondiaux. Mint note qu’un centre de données dépassant 100 000 puces IA rapprocherait les ambitions chinoises de l’échelle des installations occidentales, même si les sites chinois fonctionneraient avec des processeurs généralement considérés comme moins puissants que les meilleurs accélérateurs Nvidia [3]. La comparaison est importante: la compétition IA ne se mesure plus seulement à la qualité des modèles, mais aussi à la capacité de faire tourner des flottes massives, coûteuses et énergivores en continu.

La quantité de 160 000 puces est aussi énorme par rapport aux déploiements chinois connus. Control Plane décrit le projet comme inhabituel à l’échelle du silicium domestique chinois et le compare à un cluster Huawei de 10 000 puces rendu public plus tôt en 2026 [2]. YFarmX propose une autre mesure: 160 000 Ascend 950DT équivaudraient à un peu moins de vingt Atlas 950 SuperPoD, ou à environ 30 % d’une configuration Atlas 950 SuperCluster telle que décrite dans la feuille de route de Huawei [1].

Cette comparaison doit rester prudente. Les SuperPoD et SuperCluster sont des configurations produit, pas la preuve qu’un tel système fonctionne déjà chez DeepSeek. L’enseignement principal est ailleurs: le volume envisagé est suffisamment grand pour être stratégique, mais il reste soumis à la limite la plus concrète du moment, celle de l’approvisionnement.

La contrainte Huawei: produire assez de puces

Plusieurs sources récentes pointent vers le même obstacle: Huawei pourrait ne pas être capable de livrer rapidement une commande de cette taille [1][3][5]. Mint rapporte que Huawei ne devrait produire que quelques centaines de milliers d’Ascend 950DT cette année en raison de pénuries de composants clés, notamment de mémoire avancée [3]. TechNode indique également que le calendrier dépendra de la capacité de production de Huawei [5].

Cette contrainte change la lecture du dossier. Si DeepSeek demande 160 000 puces alors que la production annuelle disponible est limitée et que d’autres clients attendent eux aussi, l’allocation devient un choix stratégique. YFarmX rapporte que DeepSeek a sollicité l’aide de Pékin pour convaincre Huawei de lui réserver davantage de puces et plus rapidement [1]. Le goulet d’étranglement ne se situe donc pas seulement dans la conception d’accélérateurs chinois, mais dans leur fabrication, leur intégration mémoire, leur livraison et leur déploiement à l’échelle demandée par les grands laboratoires IA.

La mémoire à haute bande passante est particulièrement sensible. L’inférence de grands modèles dépend souvent de la vitesse à laquelle les poids du modèle et les données de contexte circulent dans la mémoire. Tom’s Hardware Italia rapporte que chaque Ascend 950DT intègre 144 Go de HBM et atteint 4,0 To/s de bande passante, tout en soulignant que les limites de production pourraient allonger les délais de livraison [4]. Pour DeepSeek, la question devient donc simple: la demande d’inférence croît-elle plus vite que la disponibilité du matériel?

Nvidia reste au cœur de l’entraînement

La nuance la plus importante est que Nvidia reste central pour l’entraînement de DeepSeek. Mint rapporte que DeepSeek a déjà exploré l’entraînement sur processeurs Huawei, mais continue de s’appuyer sur des accélérateurs Nvidia pour ce processus critique [3]. TechTimes présente la même séparation: l’inférence se déplace vers une infrastructure souveraine, mais l’entraînement dépend toujours de Nvidia [2].

Cette réalité affaiblit toute lecture simpliste selon laquelle Huawei aurait remplacé Nvidia dans toute la pile DeepSeek. Ce qui se dessine est plus ciblé. DeepSeek chercherait à déplacer la couche de service, coûteuse et continue, vers des puces chinoises, tout en conservant Nvidia pour la création et l’amélioration des modèles. L’entreprise réduirait ainsi son exposition là où le matériel chinois semble le plus exploitable aujourd’hui, sans prendre le risque de fragiliser ses grands cycles d’entraînement.

Le contexte des contrôles à l’exportation reste déterminant. Les puces Nvidia les plus avancées sont fortement restreintes en Chine, et certains produits destinés au marché chinois dépendent d’autorisations politiques et réglementaires [3]. Pour une entreprise chinoise, disposer d’une flotte d’inférence domestique offre donc une forme de résilience. Mais la résilience n’est pas la parité. Le maintien de Nvidia pour l’entraînement montre que la maturité logicielle, l’écosystème et la performance réelle restent aussi importants que l’origine nationale des puces.

Un signal pour la course mondiale au calcul IA

Le projet attribué à DeepSeek montre que la transition chinoise vers des accélérateurs nationaux passe des vitrines technologiques aux décisions d’achat massives. Il montre aussi que cette transition est inégale. Les puces domestiques peuvent être envisagées pour une inférence de production à très grande échelle, tandis que Nvidia demeure l’option préférée, voire nécessaire, pour les charges d’entraînement les plus ambitieuses [1][3].

Pour Huawei, une commande de cette ampleur validerait la feuille de route Ascend si elle peut être honorée. Pour DeepSeek, elle offrirait davantage de contrôle sur la capacité de service et pourrait réduire le coût marginal du trafic utilisateur. Pour Nvidia, le message est double: la pression sur son activité chinoise s’accentue, mais son matériel reste profondément ancré là où la performance d’entraînement compte le plus.

La conclusion la plus solide est que l’infrastructure IA se divise désormais par type de charge. L’inférence peut migrer plus vite vers des plateformes chinoises, parce qu’elle est continue, monétisable et optimisable autour d’accélérateurs à forte capacité mémoire. L’entraînement est plus difficile à déplacer, car il dépend d’une pile matérielle et logicielle mature capable de supporter des exécutions massives et synchronisées.

Si le déploiement d’Ulanqab se concrétise, DeepSeek n’aura donc pas bâti une entreprise IA post-Nvidia. Elle aura construit quelque chose de plus subtil: une architecture de calcul hybride où Huawei prend en charge l’échelle visible du service quotidien, tandis que Nvidia reste présent dans le travail moins visible qui consiste à créer les modèles eux-mêmes.

Sources des dernières 72 heures

1. [1]DeepSeek plans at least 160,000 Huawei Ascend chips in Inner Mongolia5 sept. 2026, 00:00 UTC
2. [2]DeepSeek’s 160,000-Chip Huawei Order Puts PRC Law Over Every API Query5 sept. 2026, 14:05 UTC
3. [3]China's Nvidia alternative? DeepSeek plans massive Huawei AI chip rollout at Inner Mongolia data centre4 sept. 2026, 17:35 UTC
4. [4]DeepSeek sceglie 160.000 chip Huawei, ma NVIDIA resta essenziale6 sept. 2026, 15:00 UTC
5. [5]DeepSeek reportedly plans 160,000-chip Huawei cluster in Inner Mongolia7 sept. 2026, 00:00 UTC
6. [6]Huawei Supplies 160K Ascend 950DT Chips to DeepSeek6 sept. 2026, 18:53 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.