Français
OpenAI, Anthropic et Google se livrent une concurrence féroce. Apparemment, leurs agendas laissent encore de la place pour une préoccupation commune : que se passe-t-il lorsque quelqu’un tente de transformer des millions de réponses de chatbots en données d’entraînement pour un rival ?
Bloomberg a rapporté le 6 avril, en citant des personnes au fait du dossier, que ces entreprises partagent des informations au sein du Frontier Model Forum afin de détecter la distillation adversariale pratiquée par des concurrents chinois. Il s’agit d’informations sur une coopération, et non d’une annonce commune prouvant que des modèles entiers ont été clonés.
La distinction compte. « Des rivaux comparent leurs informations sur une extraction présumée » est moins cinématographique que « La guerre froide de l’IA est déclarée », mais nous rapproche de ce que l’on sait réellement.
La distillation n’est pas automatiquement un braquage
La distillation entraîne un modèle élève à partir de connaissances transférées par un modèle enseignant. Elle peut rendre un modèle plus petit utile pour une tâche précise, sans le coût qu’impliquerait le déploiement du plus grand partout.
C’est une pratique courante du développement de l’IA. OpenAI a même présenté un processus de distillation de modèles destiné aux développeurs en octobre 2024. Son offre associait des sorties de modèles enregistrées, des évaluations et de l’ajustement fin pour permettre aux développeurs d’adapter de plus petits modèles à leurs besoins.
Le débat porte sur l’autorisation, l’accès et la finalité. S’entraîner sur des sorties dans un cadre autorisé n’est pas la même chose que contourner des restrictions d’accès pour construire un modèle concurrent. Qualifier toute la technique de vol reviendrait à interdire les photocopieuses parce que quelqu’un a copié un sujet d’examen.
Il ne s’agit pas non plus de télécharger littéralement le cerveau d’un autre modèle. Un ensemble de réponses peut constituer un matériau d’entraînement précieux sans contenir les poids du modèle d’origine ni reproduire toutes ses capacités. « Clone » est un raccourci accrocheur, mais décrit mal ce que les éléments publics permettent d’établir.
Ce qu’Anthropic a réellement affirmé
Dans un communiqué du 23 février, Anthropic a attribué des campagnes à DeepSeek, Moonshot AI et MiniMax. Selon l’entreprise, elles ont généré plus de 16 millions d’échanges au moyen d’environ 24 000 comptes frauduleux, en violation de ses conditions et de ses restrictions régionales.
Anthropic a fait état de plus de 13 millions d’échanges associés à MiniMax, de plus de 3,4 millions à Moonshot et de plus de 150 000 à DeepSeek. Les capacités visées auraient notamment été la programmation, l’utilisation d’outils et le raisonnement. Ce sont les constatations et les attributions d’Anthropic, pas des conclusions vérifiées de manière indépendante par ce site.
L’entreprise a décrit des services intermédiaires et des comptes coordonnés utilisés pour répartir le trafic. Sa réponse annoncée comprend la détection comportementale, une vérification renforcée des comptes et le partage d’indicateurs techniques avec d’autres laboratoires et fournisseurs.
Cela étaye un récit d’utilisation abusive présumée à grande échelle. Cela ne montre pas que toutes les avancées des concurrents cités proviennent de Claude, que chaque requête était gratuite, ni que les trois entreprises américaines ont confirmé indépendamment chaque accusation. Ce seraient des affirmations bien plus larges.
Un forum existant, pas une amitié soudaine
Ces entreprises partageaient déjà un toit institutionnel. L’annonce de fondation publiée par Google en juillet 2023 cite Anthropic, Google, Microsoft et OpenAI comme membres fondateurs du Frontier Model Forum, consacré à la sécurité de l’IA de pointe.
La concurrence commerciale et la coopération en matière de sécurité peuvent coexister. Inutile d’admirer la stratégie commerciale de votre voisin pour lui signaler que quelqu’un essaie les mêmes clés suspectes dans vos deux portes.
L’intérêt financier est facile à comprendre, notamment au regard de l’ampleur de la dernière levée de fonds d’OpenAI (en anglais). Entraîner et vendre des modèles utiles coûte cher. Les entreprises voudront protéger cet investissement. Leur intérêt commercial est aussi une raison d’examiner attentivement leurs affirmations.
La difficulté consiste à tracer la limite
La note du 23 février du Forum reconnaît elle-même cette tension : les techniques employées pour recueillir des données d’entraînement peuvent aussi servir des objectifs légitimes. Elle avertit que la copie des capacités peut ne pas reproduire les garde-fous, tout en soutenant explicitement la distillation autorisée.
Une règle simpliste du type « beaucoup de prompts signifie un attaquant » ne suffit donc pas. Les développeurs qui testent des logiciels, les chercheurs qui évaluent des modèles et les clients exécutant des tâches légitimes peuvent tous générer un trafic important. Le contexte et l’autorisation comptent autant que le volume.
La question utile est de savoir si une détection partagée peut réduire les abus sans compliquer inutilement le travail ordinaire. Cette coopération pourrait aider ; les informations disponibles ne permettent pas encore d’établir son efficacité.
Les rivaux ont une raison de comparer leurs informations. Cela ne signifie pas que la course à l’IA est terminée, que tous les modèles chinois sont des copies ou que le développement ouvert a reçu un avis d’expulsion. Pour l’instant, même les concurrents les plus acharnés semblent s’accorder sur un principe scolaire familier : si vous pensez que quelqu’un copie les devoirs, vérifiez ce qui s’est passé avant de réécrire tout le règlement de l’école.
Traduction française de l’article original en anglais du 2026-04-09. Traduction réalisée avec l’aide de l’IA le 2026-11-02 ; les références temporelles restent celles de l’original.
