Liang Wenfeng sans filtre : au cœur de la réunion d'investisseurs de quatre heures de DeepSeek qui a fuité
Actualités9 min de lecture

Liang Wenfeng sans filtre : au cœur de la réunion d'investisseurs de quatre heures de DeepSeek qui a fuité

Cataito Team2026-07-23

Une rare réunion à huis clos de quatre heures


En juillet 2026, un document d'environ 34 000 mots a commencé à circuler dans les milieux d'investissement : la transcription d'une réunion d'investisseurs à huis clos tenue par le fondateur de DeepSeek, Liang Wenfeng, le 20 mai 2026 et transcrite le 16 juillet. La séance a duré près de quatre heures et couvert 118 questions. Plusieurs médias chinois — dont Tencent Technology et Yicai (China Business Network) — ont rendu compte de cette transcription, même si DeepSeek n'en a pas confirmé officiellement l'authenticité. Lue avec cette réserve, un mot résume toute la conversation : la retenue.


Un financement hors norme


La réunion s'est tenue autour du premier tour de financement externe de DeepSeek. Selon des informations fondées sur les registres d'entreprises, le tour a totalisé environ 51 milliards de yuans, pour une valorisation post-money comprise entre environ 325 et 351 milliards de yuans.


InvestisseurMontant rapporté
Liang Wenfeng (fondateur)~20 milliards de yuans (plus gros investisseur individuel)
Tencent~10 milliards de yuans
Entités liées à CATL~5 milliards de yuans
NetEase / JD / Monolith / IDG~3 milliards de yuans chacun
Zhengxinggu / Shixiang~1,5 milliard de yuans chacun
Fonds national pour l'industrie de l'IA~0,98 milliard de yuans

Le tour était sur invitation, ouvert à un petit nombre d'institutions à des conditions strictes. Un investisseur ayant participé aux discussions a déclaré à Yicai avoir finalement renoncé, faute d'informations suffisantes sur la commercialisation et les voies de sortie.


« La retenue » : la stratégie centrale


Si un mot résume la position de Liang, c'est la retenue. Il a affirmé que l'entreprise avait délibérément évité de pousser les produits grand public, même lorsqu'un pic du Nouvel An chinois a amené un afflux d'utilisateurs. Il a comparé le trafic grand public à court terme et les revenus B2B à des « graines de sésame » face à la « pastèque » de l'AGI.


Sur les prix, la règle interne est simple : récupérer le coût du matériel en une dizaine de mois constitue un bénéfice raisonnable. Il a rappelé avoir réduit le prix d'un modèle au quart de l'original — une décision que l'équipe a applaudie.


La liste des « choses à ne pas faire »


Liang a été explicite : tout ce qui s'écarte de la ligne principale de l'AGI est écarté :

  • Génération 3D et vidéo
  • Modèles du monde
  • Poursuivre une super-application ou devenir « le prochain ByteDance ou Tencent »

  • La multimodalité, dit-il, est traitée comme un composant et non comme l'intelligence elle-même : V4 et les versions ultérieures prennent en charge la multimodalité native, mais elle ne définit pas le plafond des capacités.


    La feuille de route vers l'AGI


    Liang a décrit l'AGI comme un escalier dont chaque marche débloque une capacité centrale :

  • Raisonnement en chaîne de pensée — le modèle apprend à réfléchir étape par étape
  • Agents — le modèle apprend à utiliser des outils pour accomplir des tâches
  • Apprentissage continu — apprendre en travaillant (le problème difficile que personne n'a encore résolu)
  • Auto-itération — des modèles capables de développer leur propre génération suivante
  • Intelligence incarnée — l'IA entre dans le monde physique

  • « Un modèle ne devrait pas dépendre éternellement d'un entraînement ponctuel, a-t-il dit. Comme une personne, il devrait continuer à apprendre au travail — et il pourra alors aider à concevoir la prochaine génération d'IA. »


    Le vrai écart, c'est la puissance de calcul


    Interrogé sur l'écart avec les États-Unis, Liang a été direct : « Notre seule différence avec les États-Unis, ce sont les ressources » — avant tout la puissance de calcul. Il croit toujours au scaling (« nous n'avons pas atteint le plafond ») et voit une occasion historique pour les puces nationales à mesure que le fossé de CUDA s'érode. Sur la fabrication de ses propres puces, il est resté prudent : il préférerait acheter des puces à un prix juste plutôt que les fabriquer, et s'attend à ce que l'année à venir prouve la viabilité des puces nationales.


    Open source et revenus ne s'opposent pas


    Liang a insisté sur le fait que l'open source et la commercialisation sont compatibles. Même avec un modèle ouvert, égaler le coût de déploiement de DeepSeek est difficile. Et comme le marché de l'IA est énorme — potentiellement 10 % du PIB — aucune entreprise ne peut le monopoliser. « Il faut construire un mécanisme qui plafonne le bénéfice que l'on tire, a-t-il dit. Ce n'est qu'ainsi que l'on a plus de chances d'y parvenir vraiment. »


    Vers une introduction en bourse


    Par ailleurs, plusieurs médias (dont Bloomberg et le Wall Street Journal) rapportent que DeepSeek prépare une cotation sur le marché STAR de Shanghai, avec l'intention de déposer son dossier d'ici fin 2026 pour une entrée en bourse en 2027, avec une valorisation évoquée pouvant atteindre environ 71 milliards de dollars. Côté produit, la gamme DeepSeek V4 est documentée avec une fenêtre de contexte pouvant atteindre un million de tokens sur une architecture MoE à mille milliards de paramètres.


    « Un groupe de gens ordinaires »


    La philosophie de gestion de Liang est inhabituelle pour une entreprise technologique axée sur l'efficacité. Il admire l'idée de Jack Welch selon laquelle une grande entreprise fonctionne grâce à la vision, et non aux règles ou aux KPI. Les tâches formelles, descendantes, devraient occuper moins de 50 % du temps d'un employé, le reste étant laissé à l'exploration libre. Le seul intérêt non négociable de l'entreprise, dit-il, est de garder l'équipe centrale stable.


    « Nous ne sommes vraiment qu'un groupe de gens ordinaires, a-t-il dit. L'histoire que j'aime, c'est celle de gens ordinaires accomplissant quelque chose d'extraordinaire — pas celle de génies. » Il a également prédit que les modèles de base convergeront vers une poignée d'acteurs une fois que les marges supposées élevées se révéleront irréalistes.


    L'essentiel


    Même dans le pire des cas, a dit Liang, « nous miserons tout sur la vente de l'API et sur la qualité du service — et je pense que cela suffit ». Retenue, open source, prix bas, ligne principale AGI, calcul national, apprentissage continu : présentés moins comme des tactiques que comme une conviction.


    Note de CATAI : les chiffres présentés ici proviennent d'une transcription largement diffusée mais non confirmée officiellement, ainsi que de la couverture médiatique associée. À considérer comme des informations rapportées, et non comme des faits établis.

    DeepSeekLiang WenfengAGIOpen SourceAI IndustryChina AI