Le 13 novembre 2026, l’entreprise chinoise DeepSeek a ouvert aux développeurs les outils de son assistant conversationnel : recherche web avec citations, lecture de fichiers et de liens, contrôle de sécurité et voix. Pour un produit en français, la limite tient à la voix : la transcription comprend le français, mais la synthèse vocale ne le parle pas.
Hors voix, ces outils s’activent dans la conversation par quelques paramètres de l’API de DeepSeek, l’interface qui permet à un logiciel d’appeler ses modèles d’IA. La voix passe par des API séparées, tout comme la reconnaissance du texte dans les documents (OCR), vendue 0,225 dollar les 1 000 pages, soit environ 0,20 euro. Les deux API vocales sont à moitié prix, pour une durée que DeepSeek ne précise pas.
L’annonce prolonge celle du 17 octobre. DeepSeek avait alors ouvert ses API de recherche web et de lecture de pages, Search et Fetch, à 0,75 dollar les 1 000 appels, un tarif inchangé. Les fonctions intégrées à la conversation reposent sur deepseek-flash, le moins cher des deux modèles de l’API, dans sa version V4.1-Flash-1017. DeepSeek n’annonce pas de nouveau modèle.
Cinq fonctions de l’assistant, activées par un paramètre
« La recherche, les fichiers, les liens, la sécurité et la voix : les capacités derrière l’application DeepSeek sont désormais disponibles par l’API DeepSeek », écrit l’entreprise dans sa note du 13 novembre. Les citations de cet article sont traduites par la rédaction. Selon le journal des modifications de DeepSeek, le développeur active une option dans sa requête. Les serveurs de DeepSeek lancent alors eux-mêmes les recherches ou les lectures, puis placent les résultats dans la conversation.
C’est le modèle qui décide s’il cherche sur le web. Ces fonctions acceptent trois formats de requête : celui d’Anthropic, l’éditeur de Claude (Messages), et deux formats d’OpenAI, l’éditeur de ChatGPT (Responses et Chat Completions). DeepSeek ne les annonce que pour deepseek-flash.
DeepSeek décrit cinq fonctions intégrées :
- la recherche web, sur du texte ou des images, avec des citations dans la réponse ; elle s’active par l’outil deepseek_web_search, hors mode réflexion ;
- la recherche en mode réflexion, où le modèle raisonne avant de répondre, en cherchant et en ouvrant des pages à plusieurs étapes ;
- les fichiers : PDF, documents Word et PowerPoint, images, analysés en texte seul ou avec leur mise en page et leurs figures, puis ajoutés à la conversation ;
- la lecture de liens, par l’outil deepseek_read_url : le modèle repère les adresses web dans le message de l’utilisateur et lit les pages, dans la limite des 10 premières adresses différentes du message ;
- le contrôle de sécurité, qui passe en revue les questions et les réponses et renvoie un refus quand il détecte un risque.
Des outils facturés en plus des jetons
Utilisés pendant une conversation, ces outils sont facturés en plus des jetons, les unités de texte (un mot, un nombre, un signe de ponctuation) que le modèle lit et écrit. DeepSeek publie ses prix en dollars, convertis ici au cours de la Banque centrale européenne du 13 novembre 2026 : 1 euro pour 1,1052 dollar.
| Outil | Prix catalogue | Prix actuel |
|---|---|---|
| Recherche web (texte ou image) | 0,75 dollar les 1 000 recherches | identique, environ 0,68 euro |
| Lecture de page (Fetch) | 0,75 dollar les 1 000 lectures | identique, environ 0,68 euro |
| Analyse de fichiers et OCR | 0,225 dollar les 1 000 pages | identique, environ 0,20 euro |
| Transcription de la voix | 0,116 dollar l’heure d’audio | 0,058 dollar, environ 5 centimes d’euro |
| Synthèse vocale | 0,45 dollar les 10 000 caractères | 0,225 dollar, environ 0,20 euro |
Pour la transcription et la synthèse vocale, la page de prix affiche un « prix pour une durée limitée (50 % de réduction) », sans date de fin. La recherche et la lecture de pages coûtent le même prix, appelées directement par le développeur ou par le modèle en cours de conversation. Un fichier joint à une conversation est facturé une fois, à la page. Les questions posées ensuite sur ce fichier se paient en jetons.
Le prix des jetons de deepseek-flash n’a pas changé, note le 14 novembre Pandaily, un média spécialisé dans la technologie chinoise. Aux heures de pointe, un million de jetons lus coûte 0,30 dollar, environ 0,27 euro, pour du texte que le serveur n’a pas déjà en mémoire (hors cache). Un million de jetons écrits coûte 1,20 dollar, environ 1,09 euro. Les deux prix baissent de moitié en heures creuses.
Les heures de pointe vont du lundi au vendredi, hors jours fériés chinois, de 2 h à 5 h et de 7 h à 11 h, heure de Paris en hiver. Le contrôle de sécurité consomme lui aussi des jetons, comptés comme des jetons écrits.
OCR, transcription et synthèse vocale : trois API vendues à part
Des documents jusqu’à 1 000 pages
L’API d’OCR reconnaît, page par page, le texte d’un PDF, d’un document Word ou PowerPoint ou d’une image (PNG, JPEG, TIFF et d’autres formats). Un fichier peut compter jusqu’à 1 000 pages et peser 100 Mio, soit environ 105 mégaoctets. L’envoi du fichier, la reconnaissance et la réponse doivent tenir en 180 secondes au total.
L’API propose deux modes : la reconnaissance du texte et celle de la mise en page. Le texte reconnu garde les coordonnées de chaque zone de la page, ce qui permet de situer le texte et de découper les figures. DeepSeek précise que le texte renvoyé est le résultat brut du modèle, « sans aucun nettoyage ».
Seules les pages reconnues sont facturées : un échec ou un dépassement de délai ne coûte rien. Un même compte peut lancer au plus 15 reconnaissances en même temps.
Des fichiers audio de deux minutes
L’API de transcription reconnaît 21 langues, dont le français, l’allemand, l’espagnol, l’italien et le portugais. Le modèle détecte la langue lui-même : aucun réglage ne permet de la fixer.
Chaque fichier audio est limité à 120 secondes et 8 Mio, au format audio WAV (PCM 16 bits) ou Ogg Opus. Une réunion d’une heure doit donc être découpée en au moins 30 fichiers. Sur un enregistrement stéréo, seule la piste de gauche est transcrite.
La transcription arrive en une seule réponse, une fois l’audio traité. DeepSeek cite comme exemple d’usage la saisie vocale dans un assistant conversationnel.
Une synthèse vocale sans français
L’API de synthèse vocale lit un texte à voix haute dans 10 langues : mandarin, cantonais, anglais, japonais, coréen, malais, arabe, indonésien, thaï et vietnamien. Le français, l’allemand et l’espagnol n’y figurent pas.
Elle propose deux voix : une voix féminine, Stella, et une voix masculine, Tide. Une requête est limitée à 10 000 caractères facturés, et un caractère chinois en compte deux. La vitesse de lecture ne se règle pas, et le service refuse un texte qui ne passe pas son contrôle de contenu.
Une application de démonstration au code ouvert
DeepSeek a aussi publié chat-demo, une application de démonstration qui reproduit son assistant à partir de ces API. Son code est public, sous licence MIT, qui en permet la libre réutilisation. Une version est en ligne, avec une interface en chinois et en anglais. La démo gère la recherche, la lecture de liens, les pièces jointes, la dictée et la lecture des réponses à voix haute.
La démo tourne dans le navigateur, sans serveur intermédiaire. L’utilisateur y saisit sa propre clé API, son code d’accès personnel, que le navigateur garde en mémoire sur l’appareil. Il peut aussi importer l’historique de ses conversations exporté depuis DeepSeek.
Le guide Build a Chatbot de DeepSeek précise que cette démo est fournie « à titre de démonstration uniquement ». Le 31 octobre, l’entreprise avait déjà publié sur la plateforme GitHub un prototype d’agent de code, un programme qui écrit du code à la demande, présenté comme un prototype de recherche.
La modération reste à la charge du développeur
DeepSeek pose une règle dans sa note : « Les applications ouvertes au public doivent activer les contrôles de sécurité. » Les développeurs restent responsables de la modération des contenus, de « l’enregistrement du modèle, le cas échéant » et de l’étiquetage des contenus générés par l’IA. DeepSeek ne dit pas à quelle réglementation ces obligations renvoient.
Selon le guide de sécurité de DeepSeek, ce contrôle ne remplace pas les obligations du développeur. Le développeur, fournisseur du service, porte la responsabilité principale de la vérification des contenus. Une réponse refusée n’en donne pas la raison. Le texte déjà affiché avant le refus ne peut pas être retiré : l’application doit le masquer elle-même.
Les zones d’ombre
DeepSeek publie des prix et des limites techniques, mais aucune mesure de qualité pour l’OCR, la transcription ou la synthèse vocale. Le guide de l’OCR ne donne pas la liste des langues reconnues : rien n’indique donc comment l’OCR traite un document en français. La note ne cite aucun client et ne prend aucun engagement sur la disponibilité du service.
La note et les guides ne disent pas non plus où sont traités les fichiers et les enregistrements envoyés. La politique de confidentialité de DeepSeek, mise à jour le 10 février 2026, indique que l’entreprise collecte, traite et stocke les données personnelles en République populaire de Chine. Les conditions d’utilisation de sa plateforme pour développeurs renvoient à cette politique pour les données du développeur. Pour les utilisateurs d’une application construite sur l’API, ces conditions désignent le développeur comme responsable du traitement, chargé d’informer ces utilisateurs sur le traitement de leurs données.
Notre analyse
Les serveurs de DeepSeek lancent désormais eux-mêmes les recherches et la lecture de liens, quand le modèle le décide, et ajoutent les fichiers analysés à la conversation. En octobre, Search se vendait d’abord comme une API à part, que le programme du développeur devait appeler. DeepSeek promet aux développeurs de passer « moins de temps à reconstruire les bases ».
L’API de DeepSeek se rapproche ainsi de celle d’Anthropic, où Claude décide lui-même quand chercher. L’écart de prix demeure : Anthropic facture 10 dollars, environ 9 euros, les 1 000 recherches web sur l’API Claude, contre 0,75 dollar chez DeepSeek, jetons en plus dans les deux cas.
L’annonce concerne d’abord les développeurs et les agences qui construisent des assistants, des outils de lecture de documents ou des interfaces à commande vocale. Elle arrive un mois après l’exemple de la banque en ligne Revolut, dont environ 2 000 ingénieurs codent désormais avec un modèle chinois que la banque héberge elle-même.
Pour un produit en français, la transcription se limite à des fichiers de deux minutes.
Trois questions restent ouvertes : la qualité de l’OCR et de la transcription en français, la durée de la remise sur la voix et le lieu où sont traités les fichiers envoyés. Deux points seront à suivre : l’ajout de langues européennes à la synthèse vocale et les premiers tests indépendants de ces outils.
Sources
- The full DeepSeek App experience, now via API, DeepSeek, 13 novembre 2026
- Change Log, Releasing the full suite of application APIs, DeepSeek, 13 novembre 2026
- Models & Pricing, DeepSeek, consulté le 14 novembre 2026
- OCR, Speech to Text, Text to Speech, Model Content Safety, Web Tools, File Parsing et Build a Chatbot, guides DeepSeek, consultés le 14 novembre 2026
- deepseek-ai/chat-demo, GitHub, consulté le 14 novembre 2026
- DeepSeek Privacy Policy, DeepSeek, 10 février 2026, et DeepSeek Open Platform Terms of Service, DeepSeek, 29 avril 2026
- Web search tool, Anthropic, consulté le 14 novembre 2026
- DeepSeek Opens Its App’s Search, File, OCR and Voice Tools as APIs So Developers Can Rebuild the App, Pandaily, 14 novembre 2026
Image d’en-tête : graphique MACCUS. Données : DeepSeek, page des tarifs de l’API et guides, consultés le 14 novembre 2026
