Trois des plus grands laboratoires d'intelligence artificielle au monde - OpenAI, Google et Anthropic - ont décidé de mettre temporairement de côté leur rivalité commerciale acharnée pour faire front commun. Leur ennemi commun : la distillation adverse, une technique par laquelle des acteurs chinois extrairaient massivement les capacités de leurs modèles d'IA pour former des concurrents à moindre coût. Une alliance inédite, révélée par Bloomberg début avril 2026, qui soulève autant de questions qu'elle n'apporte de réponses.
Une alliance inédite entre géants ennemis
Le Frontier Model Forum, pierre angulaire de la coopération
Pour comprendre cette coalition, il faut remonter à 2023. Cette année-là, OpenAI, Google, Anthropic et Microsoft posaient ensemble les fondations du Frontier Model Forum, une organisation à but non lucratif dont la mission initiale était de promouvoir le développement responsable des modèles d'IA de pointe. L'idée de départ était noble : partager des bonnes pratiques, coordonner les efforts de sécurité et dialoguer avec les régulateurs. Personne, à l'époque, n'imaginait que cette structure deviendrait quelques années plus tard le quartier général d'une opération défensive coordonnée contre des laboratoires situés à l'autre bout du monde.
C'est pourtant ce qui s'est produit. Le Forum a évolué pour intégrer un nouveau mandat, nettement plus offensif : détecter, recenser et documenter les tentatives de distillation adverse menées par des acteurs étrangers, principalement chinois, à l'encontre des modèles propriétaires de ses membres.
Une "collaboration exceptionnelle" révélée par Bloomberg
Le 7 avril 2026, Bloomberg publiait un scoop qui allait faire le tour des rédactions spécialisées en technologie. L'agence américaine révélait que les trois rivaux les plus féroces de l'industrie de l'IA coopéraient activement, échangeant des données techniques sur les tentatives d'extraction illicite de leurs modèles. Des sources proches du dossier ont qualifié cette démarche de "collaboration exceptionnelle", soulignant à quel point le contexte habituel - celui d'une concurrence sans merci pour attirer les talents, lever des capitaux et conquérir des parts de marché - rendait un tel rapprochement proprement stupéfiant.
Dans un secteur où chaque annonce de modèle est scrutée comme un coup d'échec géopolitique, voir OpenAI, Google DeepMind et Anthropic partager volontairement des informations sensibles relève de l'événement historique. La menace perçue est donc suffisamment sérieuse pour justifier cet abandon, même temporaire, des réflexes compétitifs.
La distillation adverse, au coeur du conflit
Comment fonctionne la distillation de modèles ?
La distillation de modèles est une technique bien établie dans le domaine de l'apprentissage automatique. Son principe est élégant dans sa simplicité : un modèle dit "élève" apprend non pas directement depuis des données brutes, mais à partir des sorties produites par un modèle dit "enseignant", généralement plus puissant. En imitant les réponses du modèle enseignant, l'élève peut atteindre des performances comparables tout en étant beaucoup moins coûteux à entraîner et à faire fonctionner.
Cette technique est parfaitement légitime lorsqu'elle est pratiquée en interne ou avec l'accord explicite des propriétaires du modèle enseignant. C'est d'ailleurs une méthode couramment utilisée par... OpenAI, Google et Anthropic eux-mêmes pour optimiser leurs propres gammes de modèles. Ce point n'est pas anodin : il fragilise quelque peu l'argumentaire moral des plaignants, même si la situation juridique reste fondamentalement différente lorsqu'il s'agit de modèles tiers.
La technique au service du "pillage" technologique
La ligne rouge est franchie lorsque la distillation cible des modèles propriétaires appartenant à d'autres entreprises, en violation flagrante de leurs conditions d'utilisation. Le mécanisme décrit par les sources est d'une efficacité redoutable : des développeurs, ou des scripts automatisés, bombardent massivement ChatGPT, Claude ou Gemini de questions soigneusement calibrées. Les réponses collectées - parfois des millions - servent ensuite de données d'entraînement pour former des modèles concurrents.
Le résultat final est un modèle qui a, en quelque sorte, "absorbé" une partie de l'intelligence et des capacités de ses prédécesseurs américains, sans avoir eu à engager les milliards de dollars nécessaires à leur développement original. Et pour maximiser l'impact concurrentiel, ces modèles dérivés sont souvent distribués en open source, rendant leur accès entièrement gratuit à l'échelle mondiale. Une stratégie qui frappe directement au coeur du modèle économique des laboratoires américains.
DeepSeek, le détonateur de la crise
Janvier 2025 : le choc DeepSeek R1
Pour comprendre l'urgence ressentie par les acteurs américains, il faut revenir au mois de janvier 2025 et à la publication de DeepSeek R1. Ce modèle chinois, développé par la société éponyme fondée à Hangzhou, avait provoqué un véritable séisme dans l'industrie : ses performances se révélaient comparables à celles des meilleurs modèles américains, mais développé à une fraction du coût habituellement nécessaire. Les marchés financiers avaient réagi brutalement, faisant plonger les cours des actions liées au secteur de l'IA.
Microsoft et OpenAI avaient immédiatement ouvert une enquête pour déterminer de quelle manière DeepSeek avait pu atteindre de telles performances avec des ressources aussi limitées. Les premiers éléments recueillis pointaient vers une utilisation non autorisée de données issues de ChatGPT. OpenAI avait formalisé ses inquiétudes dès février 2025 en alertant directement le Congrès américain sur les méthodes jugées déloyales du laboratoire chinois.
Les accusations se précisent : 16 millions de conversations extraites
L'affaire a pris une nouvelle dimension en février 2026 lorsqu'Anthropic, la société fondée par d'anciens cadres d'OpenAI, a franchi le pas de l'accusation nominative. Dans un rapport transmis au Frontier Model Forum, Anthropic a explicitement mis en cause trois entreprises chinoises : DeepSeek, Moonshot AI et MiniMax. Le laboratoire américain affirme que ces trois acteurs ont mené des campagnes massives et coordonnées d'extraction de données, impliquant pas moins de 16 millions de conversations extraites de ses propres modèles.
Ce chiffre donne le vertige et illustre concrètement l'ampleur industrielle de l'opération. Il ne s'agit plus d'expérimentations artisanales menées par des chercheurs curieux, mais d'une collecte systématique et automatisée, conçue pour maximiser la quantité et la diversité des données récupérées.
Un enjeu à la fois économique et géopolitique
Des milliards de dollars en jeu
L'enjeu financier est colossal. Des sources proches du dossier, citées par Bloomberg, évoquent un manque à gagner annuel se chiffrant en milliards de dollars pour l'ensemble de la Silicon Valley. Ces estimations, bien qu'anonymes et difficiles à vérifier indépendamment, reflètent une réalité structurelle : les laboratoires américains ont investi des sommes astronomiques en infrastructure de calcul, en recrutement de talents et en recherche fondamentale. Si ces investissements peuvent être contournés via la distillation, la logique économique qui sous-tend leur modèle d'affaires s'effondre.
La distribution en open source des modèles dérivés aggrave encore la situation. Un modèle performant et gratuit, librement accessible à des millions de développeurs dans le monde entier, capte une part d'usage qui aurait autrement généré des revenus via les APIs payantes d'OpenAI, Google ou Anthropic.
Sécurité nationale : le risque des modèles sans garde-fous
Au-delà de la dimension économique, les acteurs américains mettent en avant un argument de sécurité nationale qui leur permet de peser sur le débat réglementaire. Les modèles développés par OpenAI, Google et Anthropic intègrent de nombreuses couches de protection : des filtres pour prévenir la génération de contenus dangereux, des refus de traiter certaines requêtes sensibles, des mécanismes d'alignement éthique. Ces garde-fous, le fruit d'années de recherche en sécurité de l'IA, disparaissent largement dans les modèles dérivés par distillation.
Un modèle chinois formé sur les sorties de Claude ou de GPT-4 héritera d'une partie de leurs capacités intellectuelles, mais sans nécessairement reproduire leurs contraintes éthiques. Cette perspective préoccupe les régulateurs américains et offre aux laboratoires américains un argument puissant pour obtenir un soutien institutionnel dans leur combat.
Une coalition de circonstance ou un front durable ?
La question mérite d'être posée avec honnêteté. IT Social, dans son analyse, soulève un point de tension important : dans quelle mesure cette alliance relève-t-elle réellement de la sécurité nationale, et dans quelle mesure s'agit-il d'un protectionnisme commercial déguisé ? La ligne entre les deux reste floue, et les laboratoires américains ont évidemment tout intérêt à encadrer leur combat dans un récit géopolitique plutôt que dans une simple défense de leurs revenus.
Par ailleurs, la menace ne se limite pas à la Chine. Business AM signale que des acteurs russes pratiquent également la distillation non autorisée, ce qui suggère que le problème est plus diffus et structurel que la seule rivalité sino-américaine. Quant aux frontières juridiques, elles restent difficiles à tracer : prouver qu'un modèle a été entraîné sur des données extraites illicitement d'un modèle concurrent est un exercice techniquement et légalement complexe.
Ce que cette alliance change pour l'industrie de l'IA
Quelle que soit la nature réelle de ses motivations, cette coalition marque un tournant. Elle signale que la compétition entre grandes puissances technologiques est désormais entrée dans une phase où les acteurs privés se sentent légitimes à coordonner des réponses collectives, en dehors des cadres traditionnels de régulation étatique. Le Frontier Model Forum devient ainsi, en creux, une sorte de tribunal de l'IA - sans mandat officiel mais avec une capacité croissante à influencer le débat.
On peut s'attendre à des conséquences concrètes dans les mois qui viennent : un durcissement des conditions d'utilisation des APIs, des systèmes de détection plus sophistiqués pour identifier les requêtes automatisées suspectes, et probablement des pressions accrues sur les législateurs américains et européens pour instaurer un cadre juridique clair autour de la distillation adverse. La compétition sino-américaine en matière d'IA vient d'ouvrir un nouveau front, moins visible que les restrictions sur les puces, mais potentiellement tout aussi décisif.
