GTA 6 arrive à Vice City 19 novembre Tout ce qu'on sait : le dossier
IA

DeepSeek DSpark : la technique open source qui accélère n’importe quel modèle, Gemma 4 compris

DeepSeek a publié début juillet 2026 une technique baptisée DSpark, capable d'accélérer la génération de texte de n'importe quel grand modèle de langage, sans toucher à son architecture. Trois mois plus tard, elle tourne déjà sur Gemma 4 de Google, sur Qwen d'Alibaba et même sur des Mac personnels.
MAC · · 5 MIN
Logo de DeepSeek et titre DSpark, la technique de décodage spéculatif qui accélère les modèles de langage
Publicité

Le principe répond à un problème très concret : générer du texte avec un grand modèle de langage coûte cher et prend du temps, token après token. DSpark promet jusqu’à 85 % de gain de vitesse sans changer un seul paramètre du modèle visé, ce qui explique pourquoi la technique s’est diffusée aussi vite en dehors de DeepSeek.

DSpark : une technique publiée en juillet pour accélérer l’IA, pas la modifier

La méthode est détaillée dans un article de recherche déposé le 6 juillet 2026 sur arXiv, intitulé « DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation ». Il rassemble 33 auteurs, dont Xin Cheng, Xingkai Yu et Chenze Shao, issus de DeepSeek et de l’Université de Pékin.

Publicité

DSpark appartient à la famille du décodage spéculatif, une approche déjà connue dans la recherche en IA mais que DeepSeek pousse plus loin. Le code est publié sous licence MIT, qui autorise un usage commercial libre, et disponible dans le dépôt DeepSpec sur GitHub. Il est également activable directement dans vLLM, l’un des moteurs d’inférence les plus utilisés pour faire tourner des modèles de langage en production.

Comment ça marche : le décodage spéculatif expliqué simplement

L’idée tient en une image. Un modèle de langage classique génère son texte mot par mot, comme un expert qui réfléchirait à chaque mot avant de l’écrire. Le décodage spéculatif ajoute un second module, plus petit et plus rapide, qui joue le rôle d’un stagiaire : il propose d’un coup un bloc entier de plusieurs mots probables. L’expert, le modèle principal, vérifie ensuite ce bloc en une seule passe au lieu de le composer mot après mot.

Si le stagiaire a bien deviné, l’expert valide tout le bloc d’un coup, ce qui fait gagner un temps précieux. S’il se trompe, l’expert reprend la main normalement. DSpark combine cette logique avec une tête de confiance qui évalue en temps réel la fiabilité des propositions, et un ordonnanceur qui adapte le comportement du système selon la charge du serveur.

Point important : ce module brouillon se greffe au modèle existant, sans en modifier les poids ni l’architecture, comme le précise la fiche technique publiée sur Hugging Face.

Les chiffres : 60 à 85 % plus rapide sur DeepSeek, confirmé sur Gemma 4 et Qwen

Les résultats en conditions réelles sont détaillés par The Batch, la newsletter de DeepLearning.AI, le 10 juillet 2026 :

  • Sur DeepSeek-V4-Flash, la génération par utilisateur est 60 à 85 % plus rapide qu’avec l’ancien système MTP-1.
  • Sur DeepSeek-V4-Pro, le gain va de 57 à 78 %.

Le débit total du serveur progresse aussi, de 51 % pour V4-Flash et 52 % pour V4-Pro, avec des débits mesurés à 80 et 35 tokens par seconde et par utilisateur.

Plus intéressant encore, la technique fonctionne sur des modèles que DeepSeek n’a pas conçus. Sur la famille Qwen3 (4, 8 et 14 milliards de paramètres), DSpark fait accepter 26,7 à 30,9 % de tokens en plus par vérification comparé à EAGLE-3, une méthode concurrente, et 16,3 à 18,4 % de plus que DFlash, dont DSpark reprend certains principes. DeepSeek est même allé tester son module sur Gemma4-12B, le modèle de Google, et a publié un module brouillon prêt à l’emploi pour ce modèle précis (deepseek-ai/dspark_gemma4_12b_block7).

La diffusion : des développeurs indépendants l’adaptent partout

La portabilité de DSpark est son argument le plus solide. Un projet communautaire baptisé mlx-dspark, mis à jour fin septembre 2026, a porté la technique sur Mac équipés de puces Apple Silicon, via le framework MLX. Les mesures publiées par ce projet, non validées par DeepSeek lui-même, donnent une idée de l’ampleur du gain : sur un Mac M4 Pro, Gemma 4 12B passe de 18,4 à 59,8 tokens par seconde en moyenne, soit une vitesse multipliée par 3,25.

Sur certaines tâches de mathématiques, le gain grimpe jusqu’à un facteur 4,24, et atteint 2,62 sur des échanges conversationnels classiques.

Cette adoption par des développeurs indépendants, trois mois à peine après la publication de l’article de recherche, confirme que DSpark n’est pas un outil réservé aux infrastructures de DeepSeek. C’est une brique technique que n’importe quel ingénieur peut reprendre pour son propre modèle.

Ce que ça change pour vous : moins de serveurs, réponses plus rapides, IA locale plus fluide

Pour l’utilisateur final, le gain se traduit par des réponses qui arrivent plus vite dans un chatbot, sans attente supplémentaire côté serveur. Pour les entreprises qui opèrent ces modèles, un gain de 50 % de débit signifie, en théorie, pouvoir servir environ une fois et demie plus de requêtes avec la même infrastructure, ou réduire d’environ un tiers le nombre de serveurs nécessaires.

Sur un ordinateur personnel, comme le montre l’expérience mlx-dspark, c’est la viabilité même de l’IA locale qui progresse : des modèles plus gros deviennent utilisables en pratique sur du matériel grand public.

DeepSeek a par ailleurs sorti DeepSeek-V4.1 Flash le 10 septembre 2026, toujours sous licence MIT et avec la compréhension d’images en plus, tandis que la version V4.1 Pro n’est pas encore disponible. Dans un paysage où les comparatifs entre ChatGPT, Claude et Gemini opposent surtout des modèles fermés, DSpark illustre une autre dynamique : un laboratoire publie une technique universelle, sous licence libre, et laisse la communauté l’adapter à des modèles concurrents comme Gemma ou Qwen.

Ce qu’il faut retenir : DSpark n’est pas un nouveau modèle, c’est un accélérateur qui s’adapte à l’existant. Trois mois après sa publication, son adoption dépasse déjà largement DeepSeek, et rien n’indique que ce mouvement va s’arrêter.

Publicité

Rédacteur en chef d'ActusWeb, la souris dans une main et la manette dans l'autre depuis l'époque où un modem 56K tenait du miracle. Raid leader occasionnel sur World of Warcraft, il garde un œil sur tout ce qui a un processeur ou un patch note — mais dès qu'un modèle d'IA sort du labo, c'est là qu'il dégaine en premier.