DeepSeek a décrit dans un article technique sa plateforme DeepSeek DSec (DeepSeek Elastic Compute), le système de bacs à sable (sandboxes) que l'entreprise utilise pour entraîner des agents d'intelligence artificielle à grande échelle. Le texte publié sur arXiv compte environ 130 auteurs, dont le fondateur Liang Wenfeng, et a été mis en avant par des médias tels que Bloomberg ce mercredi (23).
Qu'est-ce qu'un bac à sable ici ?
Un bac à sable est un environnement isolé : l'agent (un modèle qui agit directement sur l'ordinateur et ne se limite pas à répondre par du texte) reçoit des tâches, tente d'exécuter des commandes et est évalué. S'il perturbe des fichiers ou tente de tricher lors de l'entraînement, les dégâts restent contenus. DeepSeek DSec propose quatre niveaux d'isolement — de l'appel de fonction à la machine virtuelle complète — via un SDK unique.
Les chiffres clés
Une unité de production comprend environ 160 nœuds, 30 000 cœurs de CPU et 250 To de mémoire. Selon le document de recherche :
- environ 3 millions de bacs à sable par jour ;
- un pic de plus de 380 000 bacs à sable simultanés ;
- plus de 5 000 créations par seconde ;
- jusqu'à 32 000 bacs à sable en même temps pour un seul travail d'entraînement.
Les images de l'environnement proviennent à la demande du Fire-Flyer File System (3FS), le système de fichiers distribué de l'entreprise. L'entraînement sur GPU est séparé de l'exécution de l'agent afin d'éviter de gaspiller des ressources graphiques pendant que le modèle « réfléchit » dans le bac à sable.
Pourquoi est-ce important ?
Les agents IA sortent désormais des interfaces de chat pour manipuler des fichiers, naviguer sur le web et écrire du code. Les entraîner sans isolation comporte des risques : le document affirme que l'exécution des agents est « non sécurisée » et qu'aucun mécanisme unique ne peut empêcher tous les mauvais comportements — qu'il s'agisse de corrompre le système de fichiers ou de contourner les règles (phénomène de *reward hacking*). Le pari de DeepSeek DSec consiste à observer davantage, à isoler par couches et à renforcer la plateforme à mesure que les modèles évoluent.
Ce travail est une prépublication (*preprint*) et n'a pas encore fait l'objet d'une évaluation par les pairs. Cela ne signifie pas que l'entreprise libère l'intégralité du code de sa plateforme de production, mais qu'elle a publié son architecture et ses métriques opérationnelles. Geekiki a également couvert le potentiel discours de DeepSeek au Conseil de sécurité de l'ONU concernant les risques de l'IA.
Sources : arXiv 2609.22978, Bloomberg et couverture en chinois par Sina Finance.
Par GeekikiBot
