DeepSeek et GLM 5.2 : les modèles chinois s’imposent chez les développeurs américains

Le marché des LLM vient de basculer d’une façon que peu de gens avaient anticipée aussi vite. Des développeurs américains, y compris des entreprises déjà en production, migrent vers des modèles développés en Chine. Pas pour l’idéologie. Pour le coût. Ce que tu vas apprendre:

• Pourquoi GLM 5.2 de Z.ai a affiché l’adoption la plus rapide jamais mesurée sur Vercel en 2026
• Ce que DeepSeek et GLM 5.2 offrent concrètement sur le plan technique
• L’écart de prix réel entre modèles chinois et fournisseurs américains
• Les risques géopolitiques et réglementaires que les développeurs sous-estiment
• Ce que ce glissement force OpenAI et Anthropic à faire

L’annonce

Depuis le 8 février 2026, les modèles chinois n’ont pas redescendu sous la barre des 30 % des tokens acheminés via OpenRouter par des utilisateurs américains. Chaque semaine. Sans exception.

Pour mettre ça en contexte : au premier semestre 2025, la part des tokens vers des modèles chinois via OpenRouter était à 4,5 %. Sur les douze mois précédant février 2026, la moyenne tournait autour de 11 %. Le bond est brutal. GLM 5.2 de Z.ai, de son côté, a décroché le titre de modèle à l’adoption la plus rapide jamais mesurée sur la plateforme Vercel en 2026. Vercel, c’est là où des dizaines de milliers de développeurs déploient leurs apps. C’est pas un signal anecdotique.

Notre lecture

DeepSeek et GLM 5.2 : ce que ces modèles offrent concrètement

DeepSeek n’est pas sorti de nulle part. C’est une société chinoise fondée en 2023, spin-off du fonds quantitatif High-Flyer. Depuis le début, ils publient leurs modèles en open-weight sur Hugging Face, familles V2/V3 incluses, ainsi que DeepSeek-Coder pour les usages de génération de code. En 2025, DeepSeek-R1 a marqué l’industrie. C’est un modèle de raisonnement open-weight dont le ratio performance sur coût a forcé tout le monde à se repositionner. Quand un modèle open-weight rivalise avec les meilleurs modèles fermés sur des benchmarks de raisonnement, et que tu peux le déployer toi-même ou l’appeler pour presque rien, les arguments pour payer une prime à OpenAI deviennent plus difficiles à défendre.

GLM 5.2, lui, provient de Z.ai. Moins connu grand public, mais visiblement très agréable à intégrer pour les développeurs qui travaillent sur Vercel. La vitesse d’adoption observée sur cette plateforme suggère que l’intégration est propre et que la latence est acceptable pour de la production. Les développeurs ne migrent pas vers un modèle lent ou buggué, peu importe le prix.

L’écart de prix face à OpenAI et Anthropic

Là, c’est là que ça devient difficile à ignorer. Le plan Chat de DeepSeek est gratuit. Le plan API aussi, gratuit à l’usage dans leur offre de base. Quand tu compares ça aux tarifs d’OpenAI GPT-4o ou de Claude Sonnet chez Anthropic, les deux facturés à l’usage avec des prix en USD par million de tokens, l’écart est substantiel.

Pour une startup qui traite des volumes importants de requêtes, la différence entre « presque gratuit » et « quelques dollars par million de tokens » se transforme rapidement en milliers de dollars par mois. Lindy, une plateforme d’automatisation, a migré 100 % de son trafic de Claude vers DeepSeek. Ce genre de décision ne se prend pas à la légère, et elle a une signification claire : l’écart de coût était trop large pour justifier la prime.

À la Taverne, on dit ça clairement : quand une entreprise en production migre 100 % de son trafic d’un fournisseur vers un autre, c’est pas un test. C’est un signal de marché.

Pourquoi les développeurs américains font le saut

Le calcul est simple. Des performances comparables sur plusieurs benchmarks, un coût significativement inférieur, une disponibilité API directe, et pour DeepSeek, la possibilité de self-hoster les modèles open-weight. Ce dernier point est important : si tu déploies ton propre DeepSeek-R1, tes données ne quittent pas ton infrastructure.

Les développeurs qui bâtissent des outils internes, des prototypes, ou des produits où les données ne sont pas ultra-sensibles font un choix pragmatique. Quand la plateforme de déploiement (Vercel) facilite l’intégration et que le modèle répond bien, le reste devient secondaire. Pour beaucoup, l’IA n’est plus un avantage compétitif différenciant en soi : c’est une commodité. Et les commodités, on les achète au meilleur prix.

Le constat tranché

L’adoption de GLM 5.2 sur Vercel et la migration de Lindy ne sont pas des accidents. Elles illustrent que l’avantage compétitif d’OpenAI et d’Anthropic reposait en partie sur l’absence de concurrence crédible à bas coût. Cette absence est terminée.

Les contre-arguments : souveraineté des données et contexte géopolitique

Soyons clairs sur les risques. Utiliser un modèle via l’API de DeepSeek ou de Z.ai signifie que tes requêtes passent par leurs serveurs, localisés en Chine. Dans certains secteurs, c’est rédhibitoire : santé, droit, finance réglementée, contrats gouvernementaux. Les tensions sino-américaines ajoutent une couche de complexité. Le Congrès américain a déjà ciblé plusieurs applications technologiques chinoises (TikTok étant le cas le plus visible). Il n’existe pas encore de cadre réglementaire clair aux États-Unis interdisant ou encadrant l’usage commercial de LLM développés en Chine, mais c’est une question de temps. Bâtir une dépendance critique sur un fournisseur potentiellement soumis à des sanctions futures, c’est un risque d’architecture.

La contre-position solide : self-hoster. DeepSeek publie ses modèles en open-weight. Si tu déploies DeepSeek-R1 sur ton propre cloud AWS ou Azure en région américaine, le problème de souveraineté des données disparaît. Tes requêtes ne quittent plus la Chine parce qu’elles ne s’y rendent jamais. C’est techniquement plus complexe et coûteux à opérer, mais c’est une option réelle que les équipes avec de la capacité DevOps explorent activement. Pour les entreprises sans cette capacité interne, le choix devient plus délicat. L’API directe de DeepSeek à bas coût versus un fournisseur américain plus cher mais avec des garanties contractuelles sur la localisation des données : l’arbitrage dépend de ton secteur et de ta tolérance au risque réglementaire.

Au final

Ce que ça signifie pour le marché des LLM en 2026

Le marché des LLM est en train de se bifurquer. D’un côté, des modèles premium américains qui continuent à cibler les entreprises avec des exigences de conformité, de support et de localisation des données. De l’autre, des modèles chinois open-weight ou à très bas coût qui captent les développeurs et startups pragmatiques. Ce clivage force OpenAI et Anthropic à agir. Pas nécessairement à baisser leurs prix à parité, mais à justifier leur prime autrement : meilleure intégration enterprise, garanties légales, support réglementaire, performance sur des tâches spécifiques où l’avantage est encore mesurable. Le positionnement « on est les meilleurs, point » ne suffit plus quand un concurrent publie ses poids en open source et offre une API gratuite.

Pour les opérateurs québécois qui construisent des produits, le message est pratique : teste les modèles chinois sur des workloads non-sensibles. DeepSeek-R1 en self-hosted, c’est techniquement accessible si tu as une équipe capable. Pour du prototypage ou des usages internes sans données critiques, l’accès API direct à coût quasi-nul change le calcul financier. Sauf que tu dois faire cet arbitrage consciemment. Pas par défaut parce que c’est moins cher. Classe tes données, identifie quels workloads tolèrent quelle exposition, et décide modèle par modèle. Une architecture hybride, GPT-4o ou Claude Sonnet pour les requêtes sensibles et DeepSeek pour le reste, est une position défendable et de plus en plus courante.

Le vrai signal de 2026 : la guerre des LLM n’est plus une guerre de performance pure. C’est une guerre de coût, de distribution et de réglementation. Et sur deux des trois fronts, les modèles chinois sont en train de gagner du terrain. Le mouvement ne va pas s’inverser de sitôt. 46 % des tokens américains vers la Chine à son pic, c’est pas une anomalie statistique. C’est un signal de marché que l’industrie entière devra intégrer dans sa stratégie. Fin de l’histoire.

Tu veux suivre les prochains mouvements sur le marché des LLM? Le Tour de Table les couvre chaque semaine.

Texte par David Cyr

David Cyr

L'Opérateur AI · Fondateur Taverne AI

Opérateur québécois. J'ai construit LeadLoup, un mandat acheteur véhicules pour Complexe Kia, et plusieurs systèmes IA en production. À la Taverne, je teste des outils qu'on me paie pour utiliser, et je dis si c'est utile ou si c'est de la marde.

À propos·Méthodologie