1. Avis officiel américain : les agences civiles fédérales doivent exclure et retirer les produits liés à DeepSeek
Date : 20 oct. 2026 (publication au Federal Register)
Sources : Avis du Federal Register ; PDF GovInfo ; CNBC
Le Department of Homeland Security (DHS) a publié un avis au Federal Register : en vertu du Federal Acquisition Supply Chain Security Act, le secrétaire à la Sécurité intérieure a ordonné—(1) l’exclusion des produits et services informatiques développés par Hangzhou DeepSeek Artificial Intelligence et ses affiliés des achats des agences civiles fédérales ; et (2) le retrait des systèmes informatiques des agences civiles des produits DeepSeek et affiliés, ainsi que des produits et services tiers développés à partir d’implémentations DeepSeek.
Selon CNBC, citant l’ordonnance, elle a été émise vers juillet 2026 et rendue publique vers le 20 octobre ; elle s’applique aux agences civiles fédérales (Trésor, État, Justice, etc.) et exclut le Department of Defense. Le DHS a déclaré que les modèles DeepSeek présentent « de multiples vecteurs de menace », dont un stockage possible de données sur des serveurs en Chine, des prompts sensibles susceptibles d’être transférés au gouvernement chinois, et des recherches open source signalant des failles critiques dans l’app iOS de DeepSeek. Les agences peuvent demander des exceptions ou des reports par écrit dans les 60 jours suivant l’émission, avec une « justification convaincante ». La porte-parole du ministère chinois des Affaires étrangères Mao Ning a déclaré à Reuters que la Chine s’oppose à la sur-généralisation de la sécurité nationale et à la politisation de la science, de la technologie et du commerce, et protégera les droits et intérêts légitimes des entreprises chinoises.
Analyse : Ce n’est pas une interdiction d’usage personnel ; cela élève des restrictions dispersées d’agences en une règle civile à l’échelle du gouvernement dans le cadre de la sécurité de la chaîne d’approvisionnement. Pour les fournisseurs, des solutions tierces intégrant des poids ou services DeepSeek peuvent aussi entrer dans le périmètre de retrait.
2. Le même jour : DeepSeek publie en open source le framework d’inférence de production DeepInfer
Date : 20 oct. 2026
Sources : GitHub : deepseek-ai/DeepInfer ; The Next Web
DeepSeek a annoncé le même jour sur X et a publié son framework d’inférence interne DeepInfer sur GitHub sous Apache 2.0, destiné pour l’instant au déploiement de production de DeepSeek-V4.1-Flash. Selon les reportages et le dépôt, il inclut des kernels optimisés pour le modèle, un partitionnement multi-puces, le décodage spéculatif, et le support des GPU NVIDIA SM100 et Huawei Ascend 950 ; DeepSeek a dit viser à aider la communauté à réduire les coûts de calcul et d’énergie. Les documents publics indiquent aussi que la version actuelle n’inclut pas un système de cache complet, la désagrégation prefill/decode des prompts ni l’équilibrage de charge multi-machines ; une recette de tokenization alignée sur l’API officielle (deepseek-recipe) est fournie. DeepInfer affirme s’appuyer surtout sur vLLM et s’inspirer de SGLang et TensorRT-LLM. TNW a noté des milliers d’étoiles mardi après-midi ; les débits publiés sont des mesures DeepSeek, sans reproduction indépendante.
Analyse : Une interdiction fédérale américaine et l’ouverture du stack d’inférence de production d’un lab chinois le même jour forment un contraste fort—épuration des achats civils d’un côté, méthodes de baisse de coûts partagées avec la communauté et les cloud providers de l’autre. Pour l’open source, la valeur réside dans des techniques de production réutilisables ; pour les acheteurs conformité, « utiliser des poids DeepSeek » et « apprendre de son ingénierie » doivent être évalués séparément.
3. Reuters : OpenAI accélère une levée d’environ 30 milliards de dollars avant l’IPO d’Anthropic
Date : 20 oct. 2026 (dépêche Reuters largement reprise)
Sources : Business Standard (Reuters) ; Quartz
Selon Reuters, citant des personnes au fait du dossier : OpenAI accélère une levée d’environ 30 milliards de dollars qui pourrait la valoriser à plus de 1 400 milliards de dollars, cherchant des engagements avant le début en Bourse attendu d’Anthropic à mi-novembre. SoftBank, MGX (Abou Dabi) et d’autres actionnaires existants négocient leur participation. OpenAI et SoftBank ont refusé de commenter auprès de Reuters ; Anthropic et MGX n’ont pas répondu immédiatement.
Des personnes au fait des discussions ont dit qu’OpenAI présente aux investisseurs un revenu annualisé d’environ 50 milliards de dollars après GPT-6 Astra, attendu à environ 70 milliards d’ici fin d’année, et que la baisse de prix des modèles moins chers a stimulé l’usage. Reuters avait précédemment rapporté un revenu annualisé d’Anthropic d’environ 65 milliards en juillet, et une communication aux investisseurs d’environ 16,8 milliards au T3 (contre environ 11,6 milliards au T2). Les méthodes comptables diffèrent : OpenAI enregistre en net après parts des partenaires et a accusé Anthropic de comptabiliser la valeur brute des contrats cloud ; Anthropic dit suivre des pratiques comptables établies. La dernière levée bouclée d’OpenAI était d’environ 122 milliards de capital engagé en mars, pour une valorisation de 852 milliards.
Analyse : Il s’agit d’une négociation rapportée, non d’une annonce officielle de financement clos. Le récit central : deux labs frontière se disputent le même vivier d’investisseurs—l’un fixe une valorisation privée, l’autre entre en divulgation IPO—, celui qui verrouille le capital en premier peut mieux poser la base de comparaison.
4. Jour de la PyTorch Conference : bêta publique de TorchNeuron pour AWS Trainium natif
Date : 20 oct. 2026 (open source / bêta publique en parallèle de la PyTorch Conference North America)
Sources : Blog officiel PyTorch
AWS et l’équipe PyTorch ont annoncé TorchNeuron, un backend PyTorch natif pour AWS Trainium2 / Trainium3, à publier sous Apache 2.0 (github.com/aws-neuron/torch-neuronx), entrant en bêta publique le 20 octobre. L’argument : enregistrer Trainium comme appareil standard—dans la plupart des cas, .to('neuron') suffit—, avec support du mode eager, de torch.compile, de l’entraînement distribué (dont FSDP2, parallélisme tenseur/pipeline, etc.) et d’opérateurs NKI personnalisés. Le blog cite des retours clients—p. ex. Deepgram a indiqué qu’en évaluation Trainium traitait environ 60 % de secondes audio de plus par dollar que sa baseline GPU existante. Cartesia, Hugging Face et d’autres figurent parmi les partenaires de feedback précoce.
Analyse : La nouvelle technique dure du jour est ici—pas de nouveaux poids LLM, mais desserrer le lock-in CUDA pour déplacer des workflows PyTorch existants vers un accélérateur propriétaire. Pour les acheteurs training/inférence, c’est une histoire de stack logiciel ; pour NVIDIA, un nouveau test de compatibilité d’écosystème.
Clôture et limites
Les fils IA vérifiables du 20 octobre se résument à : Washington écarte DeepSeek côté civil via la loi sur la chaîne d’approvisionnement ; DeepSeek ouvre le même jour son moteur d’inférence de production ; OpenAI accélérerait une levée face à l’IPO d’Anthropic ; AWS/PyTorch passent TorchNeuron en bêta publique.