Des responsables américains ont intensifié les accusations selon lesquelles le laboratoire chinois d’IA Moonshot aurait construit son modèle Kimi K3, en forte progression, en copiant la technologie d’Anthropic, mais des chercheurs cités par TechCrunch estiment que cette explication ne correspond ni au calendrier ni au travail technique nécessaire pour produire un modèle du niveau de K3.

La controverse dépasse un seul modèle. Kimi K3 a été décrit par TechCrunch comme le plus grand LLM à poids ouverts disponible, et ces accusations surviennent alors que Washington débattrait, selon des informations, de restrictions plus strictes sur les modèles chinois à poids ouverts et sur l’infrastructure utilisée pour les entraîner. Pour les créateurs d’IA et les acheteurs d’entreprise, cet épisode souligne une question plus complexe que la politique seule : quelle part des progrès actuels des modèles vient de la distillation par rapport à l’entraînement original, à l’apprentissage par renforcement et à l’accès à une puissance de calcul rare ?

Le conseiller scientifique de la Maison Blanche, Michael Kratsios, a affirmé que Moonshot avait copié Anthropic’s Fable tout en utilisant du matériel Nvidia non autorisé à l’exportation vers la Chine. Selon TechCrunch, Kratsios n’a pas fourni de preuve à l’appui de cette affirmation, et Moonshot n’a pas répondu aux questions sur son processus d’entraînement. Le secrétaire au Trésor Scott Bessent a également déclaré que les États-Unis détectent des « filigranes » de grands modèles de langage américains dans des modèles chinois, bien que TechCrunch ait rapporté qu’il reste difficile de savoir ce que sont exactement ces filigranes et que le département du Trésor n’a pas clarifié le point.

Pourquoi les chercheurs sont sceptiques

La principale objection des chercheurs est pratique plutôt que politique. Braden Hancock, du Laude Institute et de Snorkel AI, a déclaré à TechCrunch qu’il ne pense pas qu’une distillation à partir de Fable seul puisse expliquer qu’un modèle aussi solide que Kimi K3 apparaisse si peu de temps après que Fable soit devenu public. Son argument porte sur le temps écoulé : si Anthropic’s Fable n’a été rendu public que le 1er juillet, il y aurait peu de marge pour collecter suffisamment de sorties, lancer un grand cycle d’entraînement, puis livrer une version compétitive en environ deux semaines.

Nathan Lambert, de l’Allen Institute for AI, a avancé un point similaire dans un podcast cité par TechCrunch. Selon lui, le simple fine-tuning supervisé à partir des sorties d’un modèle devient moins décisif à mesure que les systèmes de pointe deviennent plus performants et que le post-entraînement repose davantage sur l’apprentissage par renforcement. Si une distillation simple suffisait à reproduire les capacités de pointe, a-t-il suggéré, bien plus de laboratoires auraient déjà comblé l’écart en utilisant la même approche.

Cette distinction est importante. Dans l’usage industriel, la « distillation » peut décrire plusieurs comportements différents, de la collecte de paires requête-réponse pour un fine-tuning supervisé à des tentatives plus systématiques de reproduire les schémas de raisonnement d’un modèle. Les chercheurs cités par TechCrunch soutiennent que la version plus légère de ce processus peut aider un modèle à imiter le style ou les « manières », mais qu’elle est moins susceptible, à elle seule, de produire un bond majeur en capacités.

Distillation, apprentissage par renforcement et barrière des coûts

Le reportage de TechCrunch pointe une raison plus technique pour laquelle l’accusation visant Fable est mise en doute : le post-entraînement haut de gamme dépend aujourd’hui souvent de vastes sessions d’apprentissage par renforcement, et non seulement de sorties récupérées ou interrogées.

Lambert a expliqué à TechCrunch que reproduire en profondeur un comportement de type Fable exigerait probablement de l’apprentissage par renforcement plutôt qu’un simple fine-tuning supervisé. En pratique, cela peut signifier exécuter un très grand nombre d’évaluations agentiques, où un modèle plus puissant note les réponses d’un modèle plus faible et où le processus d’entraînement est mis à jour en conséquence. TechCrunch a indiqué que ces sessions peuvent mobiliser des dizaines de millions d’agents.

Cela compte pour deux raisons. Premièrement, utiliser une API externe d’un fournisseur de pointe comme Anthropic pour une notation à grande échelle serait coûteux et lent. Deuxièmement, même si un laboratoire voulait le faire discrètement, le processus crée ses propres goulets d’étranglement. Les chercheurs cités par TechCrunch ont soutenu que l’économie et la latence de telles opérations rendent moins convaincante la théorie d’un bond rapide de Fable à Kimi K3.

Rien de tout cela ne prouve que Moonshot n’a pas distillé à partir de modèles américains. Cela suggère toutefois que, si distillation il y a eu, elle n’a peut-être été qu’un ingrédient parmi d’autres, et non l’explication complète de la qualité rapportée de Kimi K3. Pour les équipes produit IA, c’est une distinction utile : l’imitation d’un modèle peut façonner le comportement, mais la performance de pointe dépend de plus en plus des pipelines d’entraînement, de la conception des récompenses, de l’infrastructure et de la curation des données à grande échelle.

Précédentes accusations contre Anthropic et la ligne floue du secteur

Ce n’est pas la première fois qu’Anthropic tire la sonnette d’alarme. TechCrunch a rapporté qu’au début de cette année, Anthropic avait publiquement accusé Moonshot, DeepSeek et MiniMax d’avoir distillé systématiquement ses modèles. Selon TechCrunch, Anthropic a déclaré avoir trouvé des millions d’échanges entre ses systèmes et des utilisateurs liés à ces entreprises via des adresses IP et des métadonnées, qu’elle a qualifiés d’extraction délibérée de capacités plutôt que d’usage normal par la clientèle.

Anthropic n’a pas répondu aux questions précises de TechCrunch sur l’éventuelle implication de Fable dans le développement de Kimi K3. Cela laisse un écart entre les accusations antérieures, larges, et l’allégation plus récente et plus ciblée de Kratsios.

L’histoire est également compliquée par le fait que certaines formes de distillation sont devenues assez courantes dans tout le secteur. TechCrunch a noté qu’Elon Musk a témoigné plus tôt cette année que SpaceXAI avait distillé des modèles OpenAI pour aider à développer Grok, et a déclaré que cette pratique était courante. La référence n’efface pas les préoccupations juridiques ou réglementaires, mais elle souligne à quel point il est difficile de tracer une ligne nette entre la copie interdite et l’usage accepté de données synthétiques ou de matériel d’entraînement généré par des modèles.

Pour les équipes IA en entreprise, cette ambiguïté compte parce que le risque fournisseur ne concerne plus seulement la précision du modèle ou son prix. Il inclut désormais aussi la provenance : d’où viennent les données d’entraînement, si les sorties ont été générées par d’autres modèles commerciaux et si de futurs litiges pourraient affecter l’accès, les licences ou la conformité.

La question du calcul pourrait compter autant que l’accusation de copie

La deuxième partie de l’allégation de Kratsios pourrait être plus difficile à ignorer pour les décideurs que l’accusation sur Fable elle-même. Il a déclaré que Moonshot avait utilisé des systèmes Nvidia avancés, notamment des Grace Blackwell 300 et des serveurs équipés de GB300 en Thaïlande, malgré les restrictions d’exportation sur l’envoi de ce type de matériel vers la Chine.

TechCrunch a rapporté que Sam Bresnick, du Center for Security and Emerging Technology de Georgetown, a déclaré qu’il existe un marché noir pour les puces avancées. L’article a aussi cité la mise en accusation, en mai, du fondateur de Supermicro, un fabricant de serveurs américain, pour des allégations de contrebande de puces avancées vers la Chine.

Si l’accès aux puces est confirmé, cela renforcerait un schéma déjà préoccupant pour Washington : les contrôles sur la puissance de calcul avancée ne sont aussi solides que les exploitants de centres de données, les revendeurs et les chaînes logistiques qui les appliquent. Bresnick a déclaré à TechCrunch qu’il soutient des règles de connaissance du client pour les centres de données afin que les opérateurs puissent identifier qui mène de grands cycles d’entraînement sur du matériel de pointe.

TechCrunch a également noté que l’administration Biden avait प्रस्तावé en 2024 des règles fédérales de connaissance du client pour les centres de données, mais qu’aucune avancée supplémentaire ne semble avoir eu lieu sous le président Donald Trump. Cela laisse un vide politique à un moment où la capacité d’entraînement peut être aussi sensible géopolitiquement que les poids du modèle.

Pour les développeurs, l’implication est directe. Un laboratoire ayant accès à suffisamment de calcul de pointe peut potentiellement combler les écarts de qualité grâce à un meilleur apprentissage par renforcement et à la mise à l’échelle, même sans raccourci spectaculaire via la distillation. Autrement dit, le véritable avantage concurrentiel pourrait encore être l’infrastructure.

Preuves, affirmations et ce qui reste non prouvé

Les preuves publiques actuelles restent incomplètes. L’allégation selon laquelle Moonshot aurait copié Fable d’Anthropic vient de Michael Kratsios, selon TechCrunch, mais il n’a fourni ni source ni preuve technique. L’affirmation de Scott Bessent concernant des « filigranes » dans les modèles chinois manque elle aussi de détails techniques attribués. TechCrunch a indiqué que ni le Trésor ni Anthropic n’avaient clarifié ces points en réponse aux questions.

À l’inverse, le scepticisme de Braden Hancock et de Nathan Lambert est analytique plutôt que probatoire. Ils ne disent pas que Moonshot n’a certainement pas utilisé de distillation. Ils disent que le calendrier connu, la force observée de Kimi K3 et l’importance croissante de l’apprentissage par renforcement font que l’idée selon laquelle « l’exploitation de Fable explique Kimi K3 » semble, au mieux, incomplète.

TechCrunch présente également Kimi K3 comme le plus grand LLM à poids ouverts disponible, mais les lecteurs devraient traiter avec prudence les implications générales en matière de performance, sauf si elles sont étayées par des benchmarks publiés et des évaluations indépendantes. Dans ce dossier, il n’y a ni tableaux de benchmarks divulgués, ni journaux d’entraînement, ni déclaration technique directe de Moonshot. Cela limite ce qu’on peut conclure.

Conséquences pour les créateurs d’IA et les acheteurs d’entreprise

Pour les développeurs de modèles, cet épisode rappelle que les défenses fondées uniquement sur la distillation ne suffiront pas à régler la dynamique concurrentielle. Protéger la chaîne de pensée, limiter le débit, utiliser des filigranes et surveiller les usages suspects d’API peut réduire les fuites autour d’Anthropic ou de Fable, mais cela n’empêche pas des rivaux de progresser grâce à leur propre apprentissage par renforcement, à leur travail sur les données ou à leur accès au calcul.

Pour les entreprises qui évaluent des modèles ouverts comme Kimi K3, DeepSeek ou les offres de MiniMax, la provenance et le risque réglementaire font désormais partie de la due diligence technique. Les équipes devraient demander si le parcours d’entraînement d’un modèle pourrait déclencher de futures restrictions, si l’application des contrôles à l’exportation pourrait perturber le support ou l’hébergement, et si le recours à une infrastructure à l’étranger crée des problèmes juridiques ou d’approvisionnement.

Pour le marché dans son ensemble, la leçon la plus nette est peut-être que les laboratoires chinois ne peuvent plus être facilement écartés comme de simples copieurs. Hancock a déclaré à TechCrunch que les observateurs américains sous-estiment souvent l’expertise technique de ces équipes. Cette appréciation ne règle pas l’argument de politique publique, mais elle pousse les équipes produit et les investisseurs à évaluer les capacités sur le fond plutôt que de supposer que toute avancée est dérivative.

Ce qu’il faut surveiller ensuite

Premièrement, surveiller l’éventuelle apparition de preuves techniques derrière les accusations visant Fable et Anthropic, surtout si le gouvernement américain ou Anthropic publient des précisions sur les filigranes supposés, les schémas de requêtes ou les traces d’infrastructure.

Deuxièmement, observer si Moonshot publie davantage de détails sur l’entraînement, l’évaluation ou les sources de calcul de Kimi K3. Même une divulgation partielle changerait l’équilibre de ce débat.

Troisièmement, garder un œil sur les règles de conformité des centres de données et l’application des contrôles à l’exportation autour des systèmes Nvidia, en particulier les déploiements liés à GB300 hors de Chine. La politique pourrait évoluer plus vite sur l’accès au calcul que sur les licences des modèles.

Enfin, surveiller si d’autres sorties de LLM à poids ouverts réduisent l’écart avec Kimi K3 sans dépendance évidente aux API américaines de pointe. Si c’est le cas, cela renforcerait l’argument du camp de l’Allen Institute for AI et du Laude Institute selon lequel le scaling et l’apprentissage par renforcement, et non une simple distillation, sont à l’origine des derniers gains.

Perspective de Creati.ai

Le point le plus important de cette histoire n’est pas de savoir si la distillation a eu lieu, mais de savoir si les décideurs utilisent une explication techniquement fragile pour décrire un vrai changement concurrentiel. D’après le reportage de TechCrunch, il n’existe pas encore de dossier public convaincant selon lequel Fable d’Anthropic aurait été l’ingrédient décisif de Kimi K3. Le point de vue des experts est plus étroit et plus crédible : il peut y avoir une certaine distillation, mais elle n’explique probablement pas le résultat dans son ensemble.

Cela compte parce que le marché de l’IA passe des débats sur l’imitation du style de conversation à des batailles sur les systèmes d’apprentissage par renforcement, les boucles d’évaluation et l’accès à la puissance de calcul. Pour les créateurs et les acheteurs, l’enseignement pratique est de se concentrer moins sur la rhétorique et davantage sur la provenance du modèle, l’exposition à l’infrastructure et la capacité d’un fournisseur à maintenir des améliorations de qualité sans perturbation juridique ou géopolitique.