{"id":27161,"date":"2025-01-29T17:21:26","date_gmt":"2025-01-29T15:21:26","guid":{"rendered":"https:\/\/comunicagenia.com\/blog\/deepseek-janus-les-premiers-modeles-multimodaux-pour-remettre-en-question-la-domination-de-lopenai-et-de-stability-ai\/"},"modified":"2025-01-29T17:21:26","modified_gmt":"2025-01-29T15:21:26","slug":"deepseek-janus-les-premiers-modeles-multimodaux-pour-remettre-en-question-la-domination-de-lopenai-et-de-stability-ai","status":"publish","type":"post","link":"https:\/\/comunicagenia.com\/fr\/blog\/deepseek-janus-les-premiers-modeles-multimodaux-pour-remettre-en-question-la-domination-de-lopenai-et-de-stability-ai\/","title":{"rendered":"DeepSeek Janus : Les premiers mod\u00e8les multimodaux pour remettre en question la domination de l&rsquo;OpenAI et de Stability AI"},"content":{"rendered":"<p>Dans un monde o\u00f9 de grandes entreprises comme OpenAI et Google ouvrent la voie en mati\u00e8re d\u2019intelligence artificielle, la startup chinoise DeepSeek est apparue comme une surprise innovante.<\/p>\n<p>Avec des mod\u00e8les d&rsquo;intelligence artificielle qui allient efficacit\u00e9, faible co\u00fbt et performances exceptionnelles, l&rsquo;entreprise a capt\u00e9 l&rsquo;attention de l&rsquo;industrie et r\u00e9alis\u00e9 l&rsquo;impensable\u00a0: <strong>d\u00e9passer DALL-E 3 dans la g\u00e9n\u00e9ration d&rsquo;images et <\/strong><strong>rivaliser avec ChatGPT dans les chatbots<\/strong><strong>. <\/strong><\/p>\n<p>Son dernier mouvement strat\u00e9gique : la s\u00e9rie Janus, les premiers mod\u00e8les multimodaux de DeepSeek con\u00e7us pour comprendre et g\u00e9n\u00e9rer du contenu visuel et textuel dans un seul syst\u00e8me.<\/p>\n<h2>DeepSeek Janus : Une solution tout-en-un<\/h2>\n<p>La plupart des mod\u00e8les d\u2019IA actuels suivent une approche fragment\u00e9e\u00a0:<\/p>\n<ul>\n<li>\u00b7 Les mod\u00e8les de langage (tels que GPT-4 ou Claude) traitent le texte.<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 Les mod\u00e8les de vision (tels que CLIP) analysent les images.<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 Les g\u00e9n\u00e9rateurs d&rsquo;images (DALL-E 3, Stable Diffusion) cr\u00e9ent de l&rsquo;art \u00e0 partir du texte.<\/li>\n<\/ul>\n<p>Cette sp\u00e9cialisation implique des co\u00fbts de calcul \u00e9lev\u00e9s et des limitations dans les t\u00e2ches n\u00e9cessitant une int\u00e9gration multimodale. C&rsquo;est l\u00e0 que Janus fait la diff\u00e9rence.<\/p>\n<h2>Qu&rsquo;est-ce qui rend Janus unique ?<\/h2>\n<p>Ce qui suit peut \u00eatre une information trop technique pour un utilisateur occasionnel. Si tel est votre cas, vous pouvez passer \u00e0 la section \u00ab Le r\u00e9sultat en termes non techniques \u00bb. En r\u00e9sum\u00e9, la s\u00e9rie Janus pr\u00e9sente une architecture unifi\u00e9e mais segment\u00e9e. Cela signifie\u00a0:<\/p>\n<h3>Voies visuelles s\u00e9par\u00e9es<\/h3>\n<ul>\n<li>\u00b7 <strong>Compr\u00e9hension<\/strong>\u00a0: utilisez des encodeurs comme SigLIP pour extraire des caract\u00e9ristiques s\u00e9mantiques des images (objets, relations spatiales, texte int\u00e9gr\u00e9).<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 <strong>G\u00e9n\u00e9ration<\/strong>\u00a0: utilise des tokenizers VQ (une technique qui transforme les images en donn\u00e9es compr\u00e9hensibles par le mod\u00e8le) pour convertir les images en s\u00e9quences discr\u00e8tes, permettant au mod\u00e8le de \u00ab pr\u00e9dire \u00bb les pixels comme s&rsquo;il s&rsquo;agissait de mots.<\/li>\n<\/ul>\n<h3>Transformateur unifi\u00e9<\/h3>\n<p>Un \u00fanico modelo procesa tanto texto como representaciones visuales, integrando ambas modalidades en un flujo autoregresivo. Esto permite, por ejemplo:<\/p>\n<ul>\n<li>\u00b7 Analizar una imagen y generar una descripci\u00f3n detallada.<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 Recibir una pregunta textual sobre una imagen y responder contextualmente.<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 Crear im\u00e1genes complejas a partir de instrucciones textuales ricas en detalles.<\/li>\n<\/ul>\n<h3>Le r\u00e9sultat en termes non techniques ?<\/h3>\n<p>Janus est comme un interpr\u00e8te bilingue qui comprend et traduit simultan\u00e9ment entre le langage visuel et textuel.<\/p>\n<p>No solo iguala a modelos especializados en sus respectivas \u00e1reas (como LLaVA en comprensi\u00f3n visual o DALL-E 3 en generaci\u00f3n), sino que lo hace con una fracci\u00f3n de los recursos y mayor versatilidad.<\/p>\n<h2>Janus vs. la Competencia: Rendimiento y Eficiencia<\/h2>\n<p>DeepSeek a publi\u00e9 des r\u00e9f\u00e9rences comparatives qui r\u00e9v\u00e8lent des donn\u00e9es convaincantes. Dans la <strong>g\u00e9n\u00e9ration d&rsquo;images \u00e0 partir de texte<\/strong> (Text-to-Image), nous avons ce qui suit\u00a0:<\/p>\n<ul>\n<li>\u00b7 Pr\u00e9cision dans les Consignes (GenEval) :<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 Janus-Pro-7B\u00a0: 92\u00a0%<\/li>\n<\/ul>\n<p>-DALL-E 3\u00a0: 89%<\/p>\n<ul>\n<li>Diffusion stable XL : 85%<\/li>\n<\/ul>\n<p>Concernant la <strong>stabilit\u00e9 visuelle<\/strong>, Janus-Pro r\u00e9duit les artefacts courants dans les g\u00e9n\u00e9rateurs (mains mal form\u00e9es, objets flottants) gr\u00e2ce \u00e0 son entra\u00eenement avec 72 millions d&rsquo;images synth\u00e9tiques de haute qualit\u00e9, \u00e9quilibr\u00e9es avec des donn\u00e9es r\u00e9elles.<\/p>\n<p>Nous disposons \u00e9galement de donn\u00e9es sur leur <strong>compr\u00e9hension multimodale<\/strong>. C&rsquo;est la moyenne de 4 benchmarks :<\/p>\n<ul>\n<li>\u00b7 Janus-Pro-7B : 78,5 points<\/li>\n<\/ul>\n<ul>\n<li>LLaVA-1,5 (13B) : 72,3<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 GPT-4V\u00a0: 75,1 (selon des \u00e9valuations ind\u00e9pendantes).<\/li>\n<\/ul>\n<p>Passons maintenant \u00e0 ce qui est probablement la diff\u00e9rence la plus soulign\u00e9e, la <strong>rentabilit\u00e9<\/strong> des mod\u00e8les DeepSeek. Janus-Pro-7B a \u00e9t\u00e9 form\u00e9 en seulement 14 jours \u00e0 l&rsquo;aide de clusters GPU NVIDIA A100, un temps record pour un mod\u00e8le multimodal de cette envergure.<\/p>\n<p>De plus<strong>, la version Janus-Pro-1B (4,1 Go) peut fonctionner sur des ordinateurs portables dot\u00e9s d&rsquo;un GPU d\u00e9di\u00e9<\/strong>, ce qui est impensable pour DALL-E 3 ou Midjourney, qui d\u00e9pendent de serveurs cloud.<\/p>\n<h2>La trilogie Janus : des mod\u00e8les pour tous les besoins<\/h2>\n<p>DeepSeek a lanc\u00e9 trois variantes, chacune optimis\u00e9e pour diff\u00e9rents cas d&rsquo;utilisation\u00a0:<\/p>\n<h3>Janus (mod\u00e8le de base)<\/h3>\n<p>Avec 1,3 milliard de param\u00e8tres (1,3 milliard), il est id\u00e9al pour les applications en temps r\u00e9el ; chatbots avec support visuel, analyse de documents, etc. Prend en charge jusqu&rsquo;\u00e0 4096 jetons de contexte.<\/p>\n<h3>JanusFlow<\/h3>\n<p>Il combine une mod\u00e9lisation autor\u00e9gressive avec un flux rectifi\u00e9, une technique permettant de g\u00e9n\u00e9rer des images plus coh\u00e9rentes en moins d&rsquo;\u00e9tapes. Excelle dans les t\u00e2ches cr\u00e9atives qui n\u00e9cessitent une haute fid\u00e9lit\u00e9 (conception graphique, storyboards).<\/p>\n<h3>Janus-Pro\u00a0:<\/h3>\n<p>Le joyau de la couronne avec des param\u00e8tres 7B (7 milliards). Il est form\u00e9 avec 162 millions d&rsquo;\u00e9chantillons (90M pour la compr\u00e9hension, 72M pour la g\u00e9n\u00e9ration). Surpasse le DALL-E 3 en termes de pr\u00e9cision et de stabilit\u00e9, sur la base de tests internes.<\/p>\n<h2>Comment essayer Janus-Pro ?<\/h2>\n<p>DeepSeek permet d&rsquo;acc\u00e9der \u00e0 ses mod\u00e8les de deux mani\u00e8res, en ligne ou en l&rsquo;installant localement.<\/p>\n<h3>En ligne (Espaces c\u00e2lins pour le visage)<\/h3>\n<p>La d\u00e9mo officielle du mod\u00e8le Janus-Pro-7B est disponible sur Hugging Face. Cela permet :<\/p>\n<ul>\n<li>\u00b7 T\u00e9l\u00e9chargez des images et posez des questions complexes.<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 G\u00e9n\u00e9rez des images \u00e0 partir de texte avec des param\u00e8tres de style et de r\u00e9solution.<\/li>\n<\/ul>\n<ul>\n<li>\u00b7 Comparez les r\u00e9sultats avec d&rsquo;autres mod\u00e8les tels que Stable Diffusion.<\/li>\n<\/ul>\n<p>Cependant, l&rsquo;acc\u00e8s \u00e0 DeepDeek Janus depuis Hugging Face pr\u00e9sente certaines <strong>limitations<\/strong>, telles que des <strong>files d&rsquo;attente<\/strong> pendant les pics d&rsquo;utilisation et une <strong>r\u00e9solution maximale<\/strong> de 1 024 x 1 024 pixels (inf\u00e9rieure \u00e0 Midjourney v6).<\/p>\n<h3>Installation locale (Docker)<\/h3>\n<p>Pour les utilisateurs techniques, DeepSeek fournit tout le code sur GitHub. Le processus r\u00e9sum\u00e9, sans entrer dans les d\u00e9tails qui peuvent \u00eatre trouv\u00e9s dans le lien, implique\u00a0:<\/p>\n<ul>\n<li>Cloner le r\u00e9f\u00e9rentiel et modifier l\u00e9g\u00e8rement le code pour l&rsquo;adapter au mat\u00e9riel local.<\/li>\n<\/ul>\n<ul>\n<li>Cr\u00e9ez une image Docker avec prise en charge des GPU NVIDIA.<\/li>\n<\/ul>\n<ul>\n<li>T\u00e9l\u00e9charger les poids des mod\u00e8les (disponibles sur Hugging Face sous licence semi-ouverte).<\/li>\n<\/ul>\n<p>La configuration minimale requise pour ex\u00e9cuter DeepSeek Janus localement est\u00a0:<\/p>\n<ul>\n<li>GPU avec au moins 8 Go de VRAM (NVIDIA RTX 3080 ou sup\u00e9rieur recommand\u00e9).<\/li>\n<\/ul>\n<ul>\n<li>6 Go de RAM.<\/li>\n<\/ul>\n<ul>\n<li>Docker Desktop et WSL2 (si vous utilisez Windows).<\/li>\n<\/ul>\n<h2>DeepSeek Janus : L&rsquo;avenir de l&rsquo;IA multimodale ?<\/h2>\n<p>Alors qu&rsquo;OpenAI et Stability AI se concentrent sur la mise \u00e0 l&rsquo;\u00e9chelle de mod\u00e8les massifs (comme GPT-5 ou Stable Diffusion 3), DeepSeek s&rsquo;engage en faveur d&rsquo;une efficacit\u00e9 radicale. Janus n\u2019est pas simplement un mod\u00e8le parmi d\u2019autres : c\u2019est un paradigme qui remet en question la croyance selon laquelle la multimodalit\u00e9 n\u00e9cessite des ressources infinies.<\/p>\n<p>Les avantages sont clairs. <strong>L&rsquo;unification<\/strong> \u00e9limine le besoin d&rsquo;int\u00e9grer plusieurs mod\u00e8les (par exemple\u00a0: CLIP + Stable Diffusion + GPT-4). Le <strong>faible co\u00fbt<\/strong> et la possibilit\u00e9 de fonctionner avec du mat\u00e9riel modeste sont \u00e9galement cruciaux sur les march\u00e9s soumis \u00e0 des restrictions technologiques.<\/p>\n<p>Mais le plus important est peut-\u00eatre l\u2019approche ouverte de son d\u00e9veloppement. Bien que Janus ne soit pas enti\u00e8rement open source, il permet des ajustements et des r\u00e9glages fins.<\/p>\n<p>La irrupci\u00f3n de Janus no es solo un logro t\u00e9cnico: es un recordatorio de que la carrera de la IA est\u00e1 lejos de estar decidida. <strong>Mientras Nvidia y OpenAI se recuperan del impacto en sus acciones<\/strong>, una cosa es clara: el futuro de la IA ser\u00e1 multimodal.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dans un monde o\u00f9 de grandes entreprises comme OpenAI et Google ouvrent la voie en mati\u00e8re d\u2019intelligence artificielle, la startup chinoise DeepSeek est apparue comme une surprise innovante. Avec des mod\u00e8les d&rsquo;intelligence artificielle qui allient efficacit\u00e9, faible co\u00fbt et performances exceptionnelles, l&rsquo;entreprise a capt\u00e9 l&rsquo;attention de l&rsquo;industrie et r\u00e9alis\u00e9 l&rsquo;impensable\u00a0: d\u00e9passer DALL-E 3 dans la [&hellip;]<\/p>\n","protected":false},"author":9,"featured_media":16927,"comment_status":"open","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","_thinkrank_schema_form_data":"","_thinkrank_selected_schema_type":"","_thinkrank_additional_schemas":"","_thinkrank_canonical_url":"","_thinkrank_og_title":"","_thinkrank_og_description":"","_thinkrank_og_image":"","_thinkrank_twitter_title":"","_thinkrank_twitter_description":"","_thinkrank_twitter_image":"","_thinkrank_imported_from":"","_thinkrank_focus_keywords":[],"_thinkrank_focus_keyword":"","_thinkrank_robots_meta_enabled":0,"_thinkrank_robots_meta":"","_thinkrank_advanced_robots_meta":"","_thinkrank_exclude_from_search":0,"_thinkrank_exclude_from_archives":0,"_thinkrank_primary_category":0,"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[718],"tags":[],"class_list":["post-27161","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-intelligence-artificielle"],"uagb_featured_image_src":{"full":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales.jpg",1792,1024,false],"thumbnail":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales-150x150.jpg",150,150,true],"medium":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales-300x171.jpg",300,171,true],"medium_large":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales-768x439.jpg",768,439,true],"large":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales-1024x585.jpg",1024,585,true],"1536x1536":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales-1536x878.jpg",1536,878,true],"2048x2048":["https:\/\/comunicagenia.com\/wp-content\/uploads\/2025\/01\/deepseek-janus-modelos-multimodales.jpg",1792,1024,false]},"uagb_author_info":{"display_name":"marketing","author_link":"https:\/\/comunicagenia.com\/fr\/blog\/author\/marketing\/"},"uagb_comment_info":0,"uagb_excerpt":"Dans un monde o\u00f9 de grandes entreprises comme OpenAI et Google ouvrent la voie en mati\u00e8re d\u2019intelligence artificielle, la startup chinoise DeepSeek est apparue comme une surprise innovante. Avec des mod\u00e8les d&rsquo;intelligence artificielle qui allient efficacit\u00e9, faible co\u00fbt et performances exceptionnelles, l&rsquo;entreprise a capt\u00e9 l&rsquo;attention de l&rsquo;industrie et r\u00e9alis\u00e9 l&rsquo;impensable\u00a0: d\u00e9passer DALL-E 3 dans la\u2026","_links":{"self":[{"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/posts\/27161","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/comments?post=27161"}],"version-history":[{"count":0,"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/posts\/27161\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/media\/16927"}],"wp:attachment":[{"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/media?parent=27161"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/categories?post=27161"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/comunicagenia.com\/fr\/wp-json\/wp\/v2\/tags?post=27161"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}