DeepSeek muscle ses équipes sur deux fronts clés : un moteur de recherche IA multilingue et un socle d’agents autonomes à grande échelle. D’après plusieurs offres publiées en janvier, la société recrute des profils capables de concevoir une recherche multimodale acceptant texte, image et audio, et d’industrialiser l’entraînement, l’évaluation et le déploiement d’agents fonctionnant avec un minimum d’intervention humaine.
Les fiches de poste détaillent la mise en place de pipelines de données, de frameworks d’évaluation et de plateformes dédiées aux agents, avec la perspective de faire tourner un volume important de systèmes persistants sur le long terme. La dimension multilingue est explicitement prioritaire, signe d’une volonté d’adresser d’emblée des marchés hors du chinois et de l’anglais.
Cette accélération intervient un an après le choc provoqué par le modèle R1, présenté en janvier dernier, dont le rapport performance/coût a bousculé les références du secteur. Fin décembre, DeepSeek a publié un papier centré sur l’optimisation de l’efficacité du développement IA, un type de publication qui, chez l’entreprise, a déjà précédé des annonces de modèle. Officiellement, la feuille de route reste opaque, même si la mention « model1 » est apparue de façon discrète sur le GitHub de la société.
Recherche IA et agents, nouveau terrain de jeu concurrentiel
Plus d’une douzaine de postes illustrent la trajectoire stratégique: un moteur de recherche piloté par IA pour dépasser le paradigme du chatbot, et des agents outillés pour exécuter des tâches du quotidien de bout en bout. Le cadrage fait écho aux investissements d’OpenAI et d’Alphabet, tous deux engagés sur la recherche augmentée et les agents opérationnels.
DeepSeek revendique ouvertement l’ambition AGI et attend des profils capables de réfléchir au « chemin technique vers l’intelligence artificielle générale ». L’accent mis sur l’évaluation et l’infrastructure suggère une approche orientée production, avec des boucles de feedback mesurables et des services durables plutôt qu’une simple démonstration de labo.
Un signal sur la prochaine génération de modèles
Si aucun détail matériel n’est communiqué, la priorité donnée au multilingue et au multimodal cadre avec une montée en complexité des jeux de données et des outils d’orchestration. La combinaison recherche+agents implique des capacités robustes en retrieval, en planification et en exécution long contexte, où la concurrence pousse déjà vers des architectures plus efficaces en coût d’inférence.
Pour le marché, l’enjeu est clair: transformer des modèles performants en services utiles, continus et mesurables. Si DeepSeek parvient à reproduire le différentiel coût/perf de R1 sur la recherche et les agents, la pression sur les marges d’inférence et les tickets d’abonnement s’intensifiera, forçant les acteurs établis à accélérer sur l’optimisation et l’automatisation des workflows plutôt que sur la seule augmentation de la taille des modèles.
Source : ITHome
