DeepClaude: Claude Code sur DeepSeek, coût 17x moins cher DeepClaude rassemble Claude Code et DeepSeek V4 Pro pour offrir une alternative open source à l'inférence dAnthropic, avec des coûts réduits et des performances similaires sur la majorité des tâches.
DeepClaude est un projet open source qui vise à faire tourner l'environnement autonome de Claude Code sur le matériel DeepSeek V4 Pro. Déposé discrètement sur GitHub, le projet affirme un coût d'inférence jusqu'à 17 fois moins cher que l'inférence native d'Anthropic, tout en offrant des performances comparables sur environ 80 % des tâches. L'approche conserve l'ensemble de l'écosystème agentique de Claude Code — boucle autonome, outils et mécanismes d'interaction — mais déporte l'exécution sur une plateforme différente et potentiellement plus économique.
DeepClaude, une convergence entre Claude Code et DeepSeek
Dans les faits, DeepClaude se présente comme une interface logicielle qui réencode l'environnement agentique de Claude Code pour tourner sur le matériel DeepSeek V4 Pro. L'ambition est de préserver la boucle autonome — prise de décision, utilisation d'outils, appels API — tout en déportant l'exécution sur une plateforme différente. Le dépôt GitHub décrit une architecture qui ajuste les appels internes et gère la communication entre Claude Code et le runtime DeepSeek, avec des optimisations possibles comme le découpage des requêtes et des choix de précision des calculs lorsque cela est sûr.
Comment ça se traduit en performances et en coûts
Le message principal est simple: diminuer le coût d'inférence sans sacrifier l'efficacité. DeepClaude promet que l'inférence, habituellement facturée par l'éditeur, est rééquilibrée par une exécution locale et optimisée sur DeepSeek V4 Pro. Selon les chiffres publiés, les coûts peuvent être réduits de manière significative, tout en conservant des résultats utiles pour la plupart des tâches de codage et d'accompagnement IA.
- Économie de coût : l'approche repose sur l'exécution locale et l'optimisation du runtime, ce qui peut abaisser les dépenses par rapport à une solution cloud propriétaire.
- Performance comparable : pour environ 80 % des charges de travail, les performances restent équivalentes à celles de Claude Code dans le cadre prévu.
- Open source et évolutivité : le projet est publié sur GitHub, ce qui permet à la communauté d'auditer, modifier et étendre l'intégration sur d'autres matériels compatibles DeepSeek ou variantes logicielles.
Contexte, limites et ce qu'on ne sait pas encore
Le caractère open source et expérimental de DeepClaude implique des limites. La compatibilité peut dépendre des versions de DeepSeek et des mises à jour des processeurs IA. La sécurité et la confidentialité des données générées par une boucle autonome nécessitent une attention particulière, notamment autour des outils activés et des échanges avec des services externes. Enfin, la mesure des performances « 80 % des tâches » reste indicative et peut varier selon les charges de travail, les configurations et les mises à jour des outils de Claude Code.
Pour terminer
DeepClaude illustre une approche pragmatique: obtenir des capacités proches de Claude Code sans s’enfermer dans les tarifs du fournisseur d’origine. Reste à suivre l’évolution du projet et ses implications sur l’écosystème open source et sur les modèles d’inférence embarquée.
