Du fonds quantitatif au labo d'IA : comment High-Flyer, de Liang Wenfeng, a fait naître DeepSeek

Bien avant que DeepSeek ne publie son premier modèle, le fonds spéculatif qui en est à l'origine exécutait sur des GPU des opérations sur actions sélectionnées par des réseaux de neurones. Liang Wenfeng a fondé la société de trading quantitatif High-Flyer en 2015, puis lancé DeepSeek, l'entreprise d'IA basée à Hangzhou, en 2023, en la finançant en partie avec des fonds de High-Flyer, selon Forbes. Entre-temps, High-Flyer a construit deux clusters de calcul et les a fait fonctionner avec des logiciels développés en interne. Ce parcours, des modèles de trading à un laboratoire qui publie ses articles et les poids de ses modèles, est un exemple précoce du rapprochement entre trading quantitatif et recherche en IA.

Liang est titulaire d'une licence et d'un master d'ingénierie de l'université du Zhejiang, selon Forbes. L'université a écrit en mars 2025 que Liang avait achevé quinze ans plus tôt un mémoire de master au sein de son College of Information Science & Electronic Engineering, et en a cité les remerciements en anglais. Selon la traduction anglaise de l'université, Liang y attribuait à la personne qui dirigeait le mémoire, Xiang Zhiyu, son introduction au « domaine de la vision artificielle ». Selon Forbes, Liang a créé High-Flyer avec deux camarades d'université et a recouru aux mathématiques et à des techniques d'IA pour en faire « l'une des sociétés de trading quantitatif les plus grandes et les plus performantes du pays ». Polstob n'a trouvé aucun chiffre publié vérifiable sur les rendements ou les encours gérés de High-Flyer.

L'ingénierie de Fire-Flyer II est documentée dans un article de 2024 de chercheurs de DeepSeek-AI, cosigné par Liang et déposé sur arXiv au nom de Liang. Les auteurs écrivent : « Pour l'entraînement en apprentissage profond, nous avons déployé le Fire-Flyer 2 avec 10 000 GPU PCIe A100, atteint des performances proches de celles du DGX-A100 tout en réduisant les coûts de moitié et la consommation d'énergie de 40 %. » Ces comparaisons avec les systèmes DGX-A100 de Nvidia sont celles de l'article lui-même. L'équipe a aussi écrit ses propres logiciels pour le cluster : la page historique de High-Flyer mentionne un système de fichiers parallèle (3FS) et un cadre de communication pour l'entraînement distribué (hfreduce), et l'article attribue à sa pile logicielle le recouvrement possible entre calcul et communication.

Le rapport technique de V3 de DeepSeek, mis en ligne pour la première fois le 27 décembre 2024 et déposé au nom de Liang, décrit un modèle de langage à mélange d'experts comptant 671 milliards de paramètres au total, dont 37 milliards actifs pour chaque token, pré-entraîné sur 14,8 milliers de milliards de tokens. Selon le rapport, l'entraînement complet a nécessité 2,788 millions d'heures GPU H800, et chaque millier de milliards de tokens de pré-entraînement a pris 3,7 jours sur un cluster de 2 048 GPU H800. DeepSeek a publié les points de contrôle (checkpoints) du modèle sur GitHub.

L'argent de High-Flyer a permis le démarrage de DeepSeek, mais l'entreprise a depuis levé des capitaux extérieurs, selon des informations de presse que DeepSeek n'a pas confirmées. Un article de Bloomberg repris par The Straits Times le 15 juillet 2026 faisait état d'un tour de 7,4 milliards de dollars en juin 2026 valorisant DeepSeek à 50 milliards de dollars, Liang y investissant 3 milliards de dollars à titre personnel. Le 22 octobre 2026, Reuters citait deux personnes selon lesquelles un nouveau tour avait permis de lever environ 100 milliards de yuans ; l'une d'elles citait CATL et Tencent parmi les principaux investisseurs. Forbes chiffre ce tour à 14,9 milliards de dollars, valorisant DeepSeek à 74,7 milliards de dollars.

Le 15 avril 2026, CoreWeave a annoncé que Jane Street avait pris un engagement d'environ 6 milliards de dollars pour utiliser sa plateforme de cloud pour l'IA et avait, séparément, acheté pour 1 milliard de dollars d'actions de classe A de CoreWeave, à 109,00 dollars l'unité ; le formulaire 8-K de CoreWeave fait état de 9 174 311 actions émises au profit de Jane Street Global Trading, LLC. En septembre 2026, Reuters a rapporté, citant Bloomberg News, que Jane Street avait également signé avec Crusoe un contrat de cloud de cinq ans d'une valeur d'environ 13 milliards de dollars. Ce chiffre n'est pas confirmé. Dans le communiqué d'avril de CoreWeave, Max Hjelm, qui occupe la vice-présidence senior chargée du chiffre d'affaires de CoreWeave, a déclaré que Jane Street « fonctionne comme un laboratoire de pointe ».

Hudson River Trading (HRT) a signé avec CoreWeave un accord pluriannuel, annoncé le 20 août 2026, pour mener des recherches de trading fondées sur l'IA sur des systèmes Nvidia Vera Rubin. CoreWeave a qualifié l'accord de contrat de plusieurs milliards de dollars, sans en donner ni la valeur ni la durée. En mai 2026, Dell a indiqué que HRT avait récemment ouvert un centre de données dédié à la recherche en IA chez Lefdal Mine Data Centers, dans l'ouest de la Norvège. Le communiqué de Dell ne donne aucun montant d'investissement.

XTX Markets, société de trading algorithmique, indique sur son site que son cluster de recherche compte plus de 25 000 GPU et plus de 1 exaoctet de stockage utilisable. En janvier 2025, la société a annoncé son projet d'investir plus de 1 milliard d'euros dans un complexe de centres de données à Kajaani, en Finlande, le premier centre, de 22,5 MW, devant être achevé en 2026, selon la ville de Kajaani. Joshua Leahy, qui assure la direction technique de XTX, déclarait alors : « Nos besoins en puissance de calcul ont dépassé les options de location disponibles. »

Jane Street décrit son activité en termes de grands modèles complexes entraînés sur des données bruitées, et XTX indique que ses équipes comptent des personnes issues des mathématiques, de la physique, de la programmation et de l'apprentissage automatique. High-Flyer a construit ses clusters et ses logiciels en interne avant que Liang ne lance un laboratoire qui publie ses méthodes et diffuse les poids de ses modèles. Comme High-Flyer, qui a construit Fire-Flyer I et II, les sociétés de trading s'assurent de la puissance de calcul : Jane Street et HRT par des contrats de cloud avec CoreWeave, HRT également par le centre de données ouvert à Lefdal, en Norvège, et XTX par le centre de données en construction en Finlande.

Beaucoup d'éléments restent non divulgués. Les rendements et les actifs de High-Flyer ne sont publiés dans aucune source que Polstob a pu vérifier, DeepSeek n'a pas communiqué de coût complet pour la construction de ses modèles, et les contrats des sociétés de trading ne sont connus qu'en partie : CoreWeave a donné l'engagement de Jane Street mais pas celui de HRT, et le chiffre de Crusoe repose sur les sources de Bloomberg.