DeepSeek lance la reconnaissance d’images et passe à l’IA multimodale

DeepSeek introduit la reconnaissance d’images dans son IA, amorçant un virage vers la multimodalité pour rivaliser avec les leaders du secteur et renforcer sa position mondial

Un virage stratégique pour DeepSeek

L’écosystème de l’intelligence artificielle en Chine vient de connaître un mouvement significatif. La start-up DeepSeek, dont le logo en forme de baleine s’affiche désormais sur d’innombrables écrans, amorce une nouvelle phase de sa stratégie. Elle propose désormais, au sein de son application et via son interface web, un tout nouveau mode baptisé « image recognition mode », aux côtés des options « expert » et « flash ». Cette nouveauté n’est pas anodine : elle ouvre la porte à la gestion simultanée du texte, de l’image et bientôt, peut-être, de la vidéo.

L’enjeu de la multimodalité

Depuis l’émergence du modèle V4, qui a frappé fort par ses performances et ses tarifs agressifs il y a quelques jours seulement, certains observateurs pointaient encore une lacune majeure : l’absence d’une offre réellement multimodale. Or, dans ce secteur où l’innovation ne laisse aucune place à l’immobilisme, cette capacité à traiter plusieurs types de données s’impose comme un passage obligé. D’ailleurs, nombre de concurrents directs déjà positionnés sur ce créneau font pression sur les retardataires.

Un lancement sous contrôle et des attentes fortes

La mise en ligne de cette fonction n’a pas été généralisée immédiatement. Seuls quelques utilisateurs triés sur le volet ont pu tester en avant-première ce nouveau mode au travers d’une version bêta. Sur les réseaux sociaux chinois, l’équipe technique s’est exprimée sans détour : « Venez découvrir le travail exceptionnel réalisé par nos collègues du pôle multimodal ! », a lancé Chen Xiaokang, responsable du projet chez DeepSeek. Peu après, Chen Deli — chercheur senior — ajoutait avec humour : « La petite baleine voit enfin ! ».

Voici ce que propose aujourd’hui l’interface revisitée :

• Nouveau mode dédié à la reconnaissance d’images intégré.
• Fonctionnalités accessibles via site web et application mobile.
• Mise à disposition progressive auprès d’utilisateurs sélectionnés.

Perspectives et concurrence internationale

Il faut se souvenir que le grand tournant pour DeepSeek, c’était en janvier 2025 : son modèle s’imposait alors comme une référence mondiale grâce à une efficacité redoutable et un coût imbattable. Pourtant, jusqu’à aujourd’hui, l’absence d’une solution capable de gérer autre chose que du texte menaçait sérieusement sa position. En adoptant la multimodalité, la start-up veut manifestement combler ce déficit et peut-être retrouver un peu d’avance dans cette course effrénée où chaque nouvelle fonctionnalité peut faire basculer le rapport de force.