Qu'est-ce qu'un modèle de raisonnement local ?
Un modèle de raisonnement est un LLM entraîné à produire une chaîne de pensée explicite avant sa réponse finale, ce qui le rend bien plus performant en maths, logique et problèmes multi-étapes qu'un modèle de chat standard de même taille. Les distillés DeepSeek-R1 sont des modèles de raisonnement : ils « réfléchissent à voix haute » à l'intérieur de la réponse, vérifiant et révisant les étapes avant de s'engager sur une réponse.
Le compromis, c'est la latence et la verbosité. Un modèle de raisonnement dépense des tokens supplémentaires pour travailler le problème, donc une seule réponse peut prendre plusieurs secondes et des centaines de tokens de raisonnement visible. Pour une preuve mathématique ou une énigme logique, c'est exactement ce que vous voulez ; pour une simple recherche factuelle, c'est du temps perdu.
La distinction qui prête à confusion : DeepSeek-V3 était un modèle de chat, DeepSeek-R1 le modèle de raisonnement. Ils partagent une lignée d'architecture mais étaient réglés pour des tâches différentes, et tous deux appartiennent désormais à la génération précédente : DeepSeek-V4 propose les modes Thinking et Non-Thinking dans une seule famille de modèles. Pour la résolution de problèmes pas à pas sur votre propre matériel, les distillés R1 restent la voie pratique. Nous expliquons précisément ce que la distillation conserve et perd dans DeepSeek-R1 face aux distillés.
Mise à jour : la génération actuelle de DeepSeek est DeepSeek-V4 (Flash et Pro), publiée en poids ouverts sous licence MIT (préversion : 24 avril 2026). L'API de DeepSeek sert désormais V4 : les alias deepseek-chat (génération V3) et deepseek-reasoner (génération R1) ont été annoncés comme totalement retirés après le 24 juillet 2026. Les distillés R1 sont des publications open-weight distinctes, ne faisaient pas partie de cet avis et tournent toujours en local. V4 n'est pas un modèle pour GPU grand public : V4-Pro compte 1.6T de paramètres au total (49B actifs) et le V4-Flash d'origine 284B (13B actifs). Même en précision 4 bits (nombre de paramètres × 0.5 octet), les seuls poids demandent environ 140 Go (Flash) à 800 Go (Pro), et les fiches de modèle de DeepSeek n'indiquent aucune exigence GPU. Pour du raisonnement sur un seul GPU grand public, les distillés restent le choix pratique.
Pour une introduction plus approfondie à l'exécution de ces modèles, commencez par le Guide matériel LLM local et La quantification des LLM expliquée, qui couvrent les calculs de VRAM sur lesquels repose ce guide.
📍 En une phrase
Un modèle de raisonnement local est un LLM qui rédige une chaîne de pensée explicite avant de répondre, ce qui le rend plus fort en maths et en logique qu'un modèle de chat de même taille.
💬 En termes simples
Voyez un modèle de raisonnement comme un élève qui montre son travail. Il est plus lent et écrit davantage, mais il résout bien plus souvent les problèmes multi-étapes qu'un modèle qui lâche une réponse au hasard.
Les 6 distillés DeepSeek-R1 en un coup d'œil
DeepSeek a publié six distillés officiels de R1, chacun créé en affinant un modèle de base ouvert existant sur des traces de raisonnement du R1 complet à 671B. Quatre utilisent une base Qwen2.5 (1.5B, 7B, 14B, 32B) et deux une base Llama 3 (8B, 70B). Les chiffres de VRAM ci-dessous correspondent à la quantification Q4_K_M par défaut d'Ollama.
📍 En une phrase
DeepSeek-R1 compte six distillés officiels de 1.5B à 70B, bâtis sur des bases Qwen2.5 et Llama 3, le modèle 14B offrant le meilleur équilibre pour un GPU de 16 Go.
Distillé | Modèle de base | Taille du fichier (Q4_K_M) | VRAM min. | Idéal pour |
|---|---|---|---|---|
| DeepSeek-R1-Distill-Qwen-1.5B | Qwen2.5 1.5B | ~1.1 GB | 4 GB / CPU | Appareils edge, tests rapides |
| DeepSeek-R1-Distill-Qwen-7B | Qwen2.5 7B | ~4.7 GB | 8 GB | GPU d'entrée de gamme, 55.5% AIME 2024 |
| DeepSeek-R1-Distill-Llama-8B | Llama 3 8B | ~4.9 GB | 8 GB | Workflows sous licence Llama |
| DeepSeek-R1-Distill-Qwen-14B | Qwen2.5 14B | ~9 GB | 16 GB | Meilleur équilibre global |
| DeepSeek-R1-Distill-Qwen-32B | Qwen2.5 32B | ~20 GB | 24 GB | Dépasse o1-mini, meilleur sur un seul GPU |
| DeepSeek-R1-Distill-Llama-70B | Llama 3 70B | ~43 GB | Bi-GPU / 48 GB | Distillé le plus puissant, précision max. |
Le DeepSeek-R1-Distill-Llama-8B porte à la fois la licence Llama 3 et la licence MIT. Les distillés basés sur Qwen héritent de la licence Qwen. Vérifiez toujours la licence avant un usage commercial. Dans Ollama, le tag `deepseek-r1:8b` correspond à DeepSeek-R1-0528-Qwen3-8B (5.2 Go) ; le distillé Llama 8B est `deepseek-r1:8b-llama-distill-q4_K_M` (4.9 Go).
Le meilleur petit distillé de raisonnement : DeepSeek-R1-0528-Qwen3-8B
DeepSeek-R1-0528-Qwen3-8B compte parmi les meilleurs petits modèles de raisonnement exécutables sur un GPU de 8 Go, distillé du R1-0528 mis à jour sur une base Qwen3 8B. Selon le benchmark publié par DeepSeek, il devançait les modèles 8B ouverts sur AIME 2024 à sa sortie et obtenait environ 10 points de pourcentage de plus que le Qwen3 8B de base sur ce benchmark — un gain notable en maths et en logique à cette taille.
Choisissez-le plutôt que les distillés 7B et 8B d'origine lorsque vous voulez la meilleure précision en petit modèle et que votre matériel plafonne à 8 Go. Il s'inscrit dans le même palier RTX 3060 12GB et tourne en Q4_K_M dans environ 5 Go. Pour la plupart des utilisateurs de portables et de GPU d'entrée de gamme attachés à la qualité du raisonnement plus qu'à la vitesse brute, c'est le modèle par lequel commencer.
💬 En termes simples
Si votre GPU a 8 Go, le plus récent R1-0528-Qwen3-8B compte parmi les meilleurs petits modèles de raisonnement — il utilise une meilleure base que les distillés d'origine et obtient un meilleur score en maths de compétition.
Distillés DeepSeek-R1 classés par palier matériel
Choisissez le palier le plus élevé que votre VRAM permet. Plus de paramètres signifie un meilleur raisonnement, mais uniquement si le modèle tient sans déborder vers la RAM système (ce qui effondre la vitesse). Utilisez ce classement pour associer un distillé au GPU que vous possédez ou comptez acheter.
8 Go de VRAM → DeepSeek-R1-Distill-Qwen-7B (RTX 3060 12GB)
Le distillé 7B est le point d'entrée pour un raisonnement local sérieux. En Q4_K_M il fait ~4.7 Go et obtient 55.5% sur AIME 2024 — un résultat en maths de niveau compétition publié par DeepSeek. La NVIDIA RTX 3060 12GB (~280 $) est le choix « rapport qualité-prix » ici : 12 Go laissent de la marge pour des contextes de raisonnement plus longs. Commande : `ollama run deepseek-r1:7b`. Si vous voulez la meilleure précision en petit modèle, remplacez-le par DeepSeek-R1-0528-Qwen3-8B sur la même carte.
16 Go de VRAM → DeepSeek-R1-Distill-Qwen-14B (RTX 4060 Ti 16GB)
Le distillé 14B est le meilleur modèle de raisonnement local global : maths multi-étapes et logique solides, ~9 Go en Q4_K_M, avec de la place pour le contexte sur une carte de 16 Go. La NVIDIA RTX 4060 Ti 16GB (~420 $) est le GPU recommandé — 16 Go accueillent le modèle et une généreuse fenêtre de raisonnement à 165 W. C'est le palier que la plupart des lecteurs devraient viser. Commande : `ollama run deepseek-r1:14b`.
24 Go de VRAM → DeepSeek-R1-Distill-Qwen-32B (RTX 4090)
Le distillé 32B est le plus performant des six distillés qui tient sur un seul GPU grand public et dépasse OpenAI o1-mini sur plusieurs benchmarks de raisonnement, selon les résultats publiés par DeepSeek. En Q4_K_M il fait ~20 Go — juste mais exploitable sur une RTX 4090 de 24 Go, ne laissant qu'une place limitée au contexte. Si la précision du raisonnement est votre priorité et que vous avez une carte de 24 Go, c'est le modèle. Commande : `ollama run deepseek-r1:32b`. Pour des contextes plus longs, descendez vers une quantification plus petite ou le 14B.
Bi-GPU / 48 Go → DeepSeek-R1-Distill-Llama-70B
Le distillé 70B est le plus puissant des six et offre la meilleure précision de raisonnement, mais à ~43 Go (Q4) il ne tient sur aucune carte grand public unique. Exécutez-le sur deux GPU de 24 Go (par ex. 2× RTX 3090 ou 2× RTX 4090) ou sur une carte station de travail de 48 Go. Attendez-vous à un débit plus lent que le 32B mais aux meilleures réponses. Commande : `ollama run deepseek-r1:70b`. Ne vaut le coup que si vous avez réellement besoin du plus haut niveau de raisonnement ouvert.
Serveur permanent → Minisforum mini-PC
Si vous voulez un modèle de raisonnement fonctionnant 24h/24 sans tour bruyante, un Minisforum mini-PC avec GPU intégré ou un boîtier eGPU exécute les distillés 7B et 14B comme un point d'accès silencieux et permanent. Il n'égalera pas une RTX 4090 de bureau sur le 32B, mais pour un serveur de raisonnement domestique répondant à la demande à des requêtes de maths et de logique, la faible consommation au repos et le silence sont l'atout. Associez-le au distillé 7B ou 14B.
Quels scores les distillés DeepSeek-R1 obtiennent-ils aux benchmarks de raisonnement ?
Ce sont des benchmarks de raisonnement — AIME 2024 (maths de compétition), MATH-500 (maths variées) et GPQA Diamond (questions-réponses scientifiques de niveau master). Ils mesurent la résolution de problèmes pas à pas, pas le code. Le résultat phare : le distillé 32B dépasse OpenAI o1-mini sur plusieurs d'entre eux, et le distillé 7B affiche 55.5% sur AIME 2024, tel que publié par DeepSeek. Remarque : OpenAI a retiré o1-mini de son API fin 2025, donc les comparaisons avec o1-mini ici constituent le point de référence benchmark d'origine pour ces distillés, pas une comparaison directe avec un modèle OpenAI actuellement disponible. Pour une décision de déploiement local, ce sont les scores AIME 2024 et MATH-500 propres à chaque distillé, ci-dessus, qui comptent.
📍 En une phrase
Le DeepSeek-R1-Distill-Qwen-32B dépasse OpenAI o1-mini sur plusieurs benchmarks de raisonnement, et le distillé 7B obtient 55.5% sur AIME 2024.
Distillé | AIME 2024 | Niveau de raisonnement | Remarques |
|---|---|---|---|
| DeepSeek-R1-Distill-Qwen-7B | 55.5% | Solide pour 7B | Meilleur sur GPU d'entrée de gamme |
| DeepSeek-R1-0528-Qwen3-8B | En tête des 8B ouverts à la sortie | Meilleur petit | ~+10 pts vs Qwen3 8B de base |
| DeepSeek-R1-Distill-Qwen-14B | Supérieur au 7B | Meilleur équilibre | Point idéal 16 Go |
| DeepSeek-R1-Distill-Qwen-32B | Meilleur sur un seul GPU | Dépasse o1-mini | Meilleur sur 24 Go |
| DeepSeek-R1-Distill-Llama-70B | Le plus haut des six | Maximum | Nécessite un bi-GPU |
Utilisez les scores exacts là où ils sont publiés (7B = 55.5% AIME 2024) et les classements relatifs ailleurs. Les chiffres de benchmark varient avec la quantification et les réglages d'échantillonnage ; traitez-les comme indicatifs au sein d'un palier, pas comme absolus.
Quand NE PAS utiliser un modèle de raisonnement ?
Évitez un modèle de raisonnement quand la tâche n'en est pas une — ils sont plus lents, plus verbeux et pas plus précis sur la simple récupération d'information ou le chat. Utilisez plutôt un modèle de chat standard comme Llama 3.3.
- À éviter pour les recherches factuelles rapides — la chaîne de pensée visible gaspille des tokens et du temps sur des réponses qu'un modèle de chat renvoie instantanément.
- À éviter pour la conversation libre — les modèles de raisonnement sont réglés pour des problèmes ayant une réponse correcte, pas pour le dialogue.
- À éviter pour le débit de code pur — pour la génération de code, dirigez-vous vers le guide de code DeepSeek vs Qwen ; cette page ne couvre que le raisonnement.
- À éviter quand la latence est critique — si vous avez besoin de réponses en moins d'une seconde, un modèle de chat plus petit l'emporte.
- Utilisez un modèle de raisonnement quand la tâche relève des maths, de la logique, de la planification multi-étapes ou de tout cas où montrer le travail améliore l'exactitude.
Astuce de config : température 0.6 et aucun system prompt
Réglez la température à 0.6 (la plage 0.5–0.7 est sûre) et n'utilisez aucun system prompt — placez chaque instruction dans le prompt utilisateur. Cela correspond aux recommandations d'utilisation publiées par DeepSeek pour la série R1, qui préconisent une température de 0.5–0.7 et aucun system prompt afin d'éviter les répétitions sans fin et les sorties incohérentes.
En pratique : laissez vide le champ system prompt d'Ollama/LM Studio, ajoutez vos instructions au début du message utilisateur et maintenez la température à 0.6. Si vous voyez le modèle boucler ou dériver en plein raisonnement, ce réglage résout souvent le problème.
Installation : démarrage rapide Ollama par palier
Chaque distillé s'installe et s'exécute en une seule commande Ollama (toutes par défaut en Q4_K_M). Installez d'abord Ollama si ce n'est pas fait — voyez Comment installer Ollama. Choisissez ensuite la commande de votre palier :
ollama run deepseek-r1:1.5b # edge / CPU
ollama run deepseek-r1:7b # 8 GB VRAM
ollama run deepseek-r1:8b # 8 GB VRAM (R1-0528-Qwen3-8B)
ollama run deepseek-r1:14b # 16 GB VRAM — recommended
ollama run deepseek-r1:32b # 24 GB VRAM — beats o1-mini
ollama run deepseek-r1:70b # dual-GPU / 48 GBVerdict : quel distillé DeepSeek-R1 exécuter ?
La décision dépend de votre VRAM et de votre priorité : précision ou vitesse. Voici la réponse en une ligne pour chaque cas.
Choisissez votre distillé
Utilisez un LLM local si :
- •GPU de 16 Go → DeepSeek-R1-Distill-Qwen-14B (meilleur global, le choix par défaut)
- •GPU de 24 Go → DeepSeek-R1-Distill-Qwen-32B (dépasse o1-mini, meilleur sur un seul GPU)
- •GPU de 8 Go → DeepSeek-R1-0528-Qwen3-8B (meilleur petit) ou le distillé 7B
- •Bi-GPU / 48 Go → DeepSeek-R1-Distill-Llama-70B (précision maximale)
Utilisez un modèle cloud si :
- •Vous avez besoin d'un raisonnement de pointe au-delà de tout distillé → comparez à GPT-6.1 Sol / Claude / Gemini via PromptQuorum
- •Vous ne pouvez pas dédier un GPU → une API de raisonnement hébergée peut revenir moins cher que l'achat de matériel
Décision rapide :
- →En cas de doute, commencez par le 14B sur une carte de 16 Go.
- →Exécutez à une température de 0.6 sans system prompt, comme le recommande DeepSeek.
- →Pour le code, utilisez un modèle de code — pas un distillé de raisonnement.
Questions fréquentes
DeepSeek-R1 est-il toujours le modèle actuel de DeepSeek ?
Non. La génération actuelle de DeepSeek est DeepSeek-V4 (Flash et Pro). Les alias d'API deepseek-reasoner (génération R1) et deepseek-chat (génération V3) ont été annoncés comme totalement retirés après le 24 juillet 2026. Les distillés R1 en poids ouverts sont des publications distinctes, ne faisaient pas partie de cet avis et tournent toujours en local avec Ollama.
Puis-je exécuter le DeepSeek-R1 complet à 671B en local ?
Non. Le DeepSeek-R1 complet est un modèle Mixture-of-Experts de 671B paramètres (~37B actifs par token) et nécessite environ 376–404 Go de VRAM en Q4 — matériel de datacenter uniquement. Chez vous, vous exécutez l'un de ses distillés (1.5B à 70B). Une version Unsloth en 1.58 bits (~131 Go) existe mais tourne à environ 0.3 token/seconde, une curiosité plutôt qu'une configuration utilisable.
Quel distillé DeepSeek-R1 est le meilleur global ?
Pour la plupart des gens, DeepSeek-R1-Distill-Qwen-14B sur un GPU de 16 Go offre le meilleur équilibre entre qualité de raisonnement, vitesse et tenue en VRAM. Si vous avez une carte de 24 Go, le distillé 32B est plus puissant et dépasse OpenAI o1-mini sur plusieurs benchmarks de raisonnement.
Quel est le meilleur petit modèle de raisonnement DeepSeek ?
DeepSeek-R1-0528-Qwen3-8B. Il est distillé du R1-0528 mis à jour sur une base Qwen3 8B, devançait les modèles 8B ouverts sur AIME 2024 à sa sortie (benchmark publié par DeepSeek) et obtenait environ 10 points de plus que le Qwen3 8B de base. Il tient sur un GPU de 8 Go en Q4_K_M.
DeepSeek-V4 remplace-t-il les distillés R1 comme meilleur modèle de raisonnement local ?
Non. DeepSeek-V4 (Flash et Pro) est la génération actuelle de DeepSeek et sort en poids ouverts sous licence MIT, mais il est bien trop volumineux pour un seul GPU grand public : V4-Pro compte 1.6T de paramètres (49B actifs) et le V4-Flash d'origine 284B (13B actifs), si bien que les seuls poids demandent environ 140 à 800 Go même en 4 bits. Pour du raisonnement local sur une seule carte, les distillés R1 de cette page restent le choix pratique ; V4 s'adresse au matériel multi-GPU ou de centre de données, ou à l'API hébergée de DeepSeek.
La comparaison « dépasse OpenAI o1-mini » reste-t-elle pertinente ?
Comme référence de benchmark figée, oui : les scores publiés par DeepSeek n'ont pas changé. Comme comparaison actuelle, non : la page de dépréciation d'OpenAI indique que o1-mini a été arrêté le 27 octobre 2025, et les modèles actuels d'OpenAI forment la famille GPT-6 (Astra, Sol et Luna). Fiez-vous aux scores AIME 2024 et MATH-500 de chaque distillé ; pour une référence OpenAI actuelle, lancez le même prompt sur GPT-6 Luna, son niveau optimisé en coût.
De combien de VRAM chaque distillé a-t-il besoin ?
À la valeur par défaut d'Ollama Q4_K_M : le 7B nécessite ~8 Go (fichier ~4.7 Go), le 14B ~16 Go (fichier ~9 Go), le 32B ~24 Go (fichier ~20 Go) et le 70B un bi-GPU ou 48 Go (fichier ~43 Go). Le FP16 fait environ 4× la taille Q4_K_M ; le Q8_0 environ 2×.
DeepSeek-R1 est-il bon pour le code ?
Ce guide ne classe que le raisonnement (maths, logique, multi-étapes). Pour la génération de code, les compromis diffèrent — voyez notre comparaison dédiée sur /fr/power-local-llm/deepseek-vs-qwen-coding-local-2026 plutôt que de choisir un distillé de raisonnement pour le débit de code.
Quelle est la différence entre DeepSeek-V3 et DeepSeek-R1 ?
DeepSeek-V3 (décembre 2024) est un modèle de chat réglé pour la conversation ; DeepSeek-R1 (janvier 2025) est un modèle de raisonnement qui produit une chaîne de pensée explicite avant de répondre. Tous deux appartiennent désormais à la génération précédente : DeepSeek-V4 réunit les modes Thinking et Non-Thinking dans une seule famille de modèles. Pour les mathématiques et la logique en local sur un GPU grand public, utilisez un distillé R1.
Pourquoi mon distillé DeepSeek-R1 boucle-t-il ou produit-il du charabia ?
Souvent un problème de configuration. Réglez la température à 0.6 (0.5–0.7 convient) et supprimez tout system prompt — placez toutes les instructions dans le message utilisateur. Les recommandations d'utilisation de DeepSeek pour R1 préconisent cette configuration afin d'éviter les répétitions sans fin et les sorties incohérentes.
Comment installer un distillé DeepSeek-R1 ?
Installez Ollama, puis lancez une commande pour votre palier, par ex. `ollama run deepseek-r1:14b`. Tous les distillés sont par défaut en Q4_K_M. Voyez la section installation ci-dessus pour la liste complète des commandes.
Le distillé 8B a-t-il une licence différente ?
Oui. DeepSeek-R1-Distill-Llama-8B porte la licence Llama 3 en plus de MIT, car sa base est Llama 3. Les distillés basés sur Qwen (1.5B, 7B, 14B, 32B) héritent de la licence Qwen. Vérifiez la licence avant un usage commercial.
Dois-je acheter une RTX 4060 Ti 16GB ou une RTX 4090 pour le raisonnement ?
Si votre budget permet la RTX 4090 et que vous voulez exécuter le distillé 32B (qui dépasse o1-mini), achetez la 4090. Si vous cherchez le meilleur rapport qualité-prix et que le distillé 14B couvre vos besoins, la RTX 4060 Ti 16GB à ~420 $ est l'achat le plus malin.
Journal des mises à jour
- Publié le 2026-06-19. Prochaine révision prévue le 2026-12-19 (palier de fraîcheur semestriel).
- Couvre les 6 distillés officiels DeepSeek-R1 plus DeepSeek-R1-0528-Qwen3-8B. Vérifié par rapport aux scores AIME 2024 publiés et aux chiffres de VRAM Q4_K_M de juin 2026.
- Actualisé le 2026-10-19 : indication en tête que R1 n'est plus la génération actuelle de DeepSeek (c'est DeepSeek-V4) ; correction de l'exigence matérielle de V4 (V4-Pro compte 1.6T de paramètres, ses poids se chiffrent donc en centaines de Go, et non 48-80 Go) ; mention que les alias d'API deepseek-chat et deepseek-reasoner ont été annoncés comme retirés après le 2026-07-24 ; étalon o1-mini marqué comme historique (arrêté le 2025-10-27) et références OpenAI obsolètes remplacées par la famille GPT-6 ; note sur le tag deepseek-r1:8b et tailles de fichiers Ollama corrigées (32B 20 Go, 70B 43 Go). Prochaine révision due le 2027-04-19.