La récente sortie du modèle chinois d’IA à poids ouvert Kimi K3 a condensé une année de débats non résolus sur la politique de l’intelligence artificielle en une seule actualité. Le 21 juillet, le secrétaire au Trésor, Scott Bessent, a menacé de sanctions les laboratoires chinois accusés d’avoir construit leurs modèles à partir de « vols », affirmant que le gouvernement détectait « des filigranes de nos grands modèles linguistiques américains dans de nombreux modèles chinois ». Le lendemain, le conseiller scientifique de la Maison-Blanche, Michael Kratsios, a précisé que le laboratoire chinois derrière K3, Moonshot AI, avait mis au point une plateforme sophistiquée permettant de copier le modèle Fable d’Anthropic tout en évitant la détection.
Dans le même temps, l’industrie a exprimé ses positions. Jensen Huang, PDG de Nvidia, a déclaré que les entreprises américaines devraient « absolument » utiliser les modèles chinois lorsque ceux-ci surpassent leurs homologues américains sur le critère du prix. Dans le Washington Post, l’investisseur Bill Gurley a argué que considérer les modèles ouverts comme un danger à réguler allait à l’encontre des principes de libre marché, longtemps moteurs de l’innovation américaine.
Les modèles d’IA open source chinois progressent rapidement sur les marchés mondiaux, représentant désormais la majorité des charges de travail en IA à l’échelle planétaire. Le débat américain est profondément divisé. Un camp, inquiet des risques avérés pour la sécurité nationale liés à la diffusion de l’IA chinoise, souhaite restreindre ou bannir ces modèles des infrastructures américaines, dénonçant notamment le vol de propriété intellectuelle. L’autre camp, composé de développeurs et techniciens ayant adopté ces modèles, met en garde contre les conséquences économiques d’une telle restriction et assure qu’aucune propriété intellectuelle américaine n’a été compromise.
Face à cette situation, l’administration Trump navigue avec prudence. Les autorités soutiennent ainsi le logiciel open source tout en cherchant à sanctionner les vols industriels secrets de secrets commerciaux américains. Cette position est cohérente et Washington dispose déjà des outils juridiques nécessaires pour l’appliquer. En clair, les États-Unis doivent être prêts à sanctionner les laboratoires chinois engagés dans des fraudes à grande échelle, sans pour autant interdire le recours à la « distillation », une méthode largement utilisée dans l’industrie de l’IA.
Distillation en tant que technique, extraction en tant que fraude
Le débat politique autour de la distillation en IA s’est éloigné de la réalité technique actuelle. Il est essentiel de comprendre ce qu’est la distillation, son rôle dans les progrès des laboratoires chinois, et quand elle est détournée pour violer la propriété intellectuelle.
La distillation consiste à entraîner un modèle plus petit, appelé « élève », sur les sorties d’un modèle plus puissant, appelé « enseignant ». Cette méthode, standard dans l’industrie, est utilisée par tous les laboratoires d’IA, américains comme chinois. Interdire la distillation est techniquement irréalisable, car quiconque ayant accès aux sorties d’un modèle — même un client légitime — peut reconstruire des données d’entraînement à partir de ces sorties. Par ailleurs, empêcher totalement la distillation protégerait artificiellement quelques laboratoires de pointe américains au détriment de l’ensemble des développeurs qui adaptent et font progresser la science.
Ensuite, la distillation n’explique pas à elle seule les performances récentes des modèles chinois. Si elle aide ces laboratoires à acquérir des capacités de raisonnement, ceux-ci mènent également des recherches d’ingénierie importantes. Par exemple, la percée en efficacité du modèle DeepSeek R1 en janvier 2025 provenait surtout d’améliorations en apprentissage par renforcement plutôt que d’une copie des concurrents américains. Moonshot, en 2026, s’est distingué par son développement d’« agent swarming », un savoir-faire indigène. Bien que stopper les attaques de distillation soit un objectif légitime, il faut reconnaître que cela freinerait mais n’arrêterait pas les progrès chinois.
Enfin, le problème avec les laboratoires chinois ne se limite pas à la distillation, mais relève de la fraude organisée destinée à voler des secrets industriels américains. La frontière entre distillation légitime et attaque de distillation frauduleuse repose sur la méthode. Une attaque implique un accès non autorisé, obtenu par tromperie, avec des identités fabriquées, des infrastructures d’évasion dédiées et des contournements systématiques des contrôles de sécurité. Ces actes entrent dans le cadre des lois américaines contre la fraude informatique et la fraude électronique.
En février 2026, Anthropic a identifié plus de 3,4 millions d’échanges entre ses modèles et Moonshot, réalisés via des centaines de comptes fictifs et une plateforme interne conçue pour contourner la détection. En juin, Anthropic a déclaré au Comité bancaire du Sénat qu’Alibaba Qwen avait mené la « plus grande attaque de distillation connue » à ce jour contre eux.
La propriété intellectuelle ne représente qu’une partie de l’enjeu
Cette distinction clarifie ce que le gouvernement américain peut punir, mais elle ne suffit pas à expliquer pleinement les préoccupations de l’administration Trump à l’égard des modèles chinois.
Selon la loi américaine, les sorties d’un modèle ne sont pas protégées par le droit d’auteur, faute d’auteur humain, rendant l’expression « vol de propriété intellectuelle » juridiquement discutable. La protection des secrets commerciaux est plus adaptée.
Certains arguent que les sorties accessibles via une interface commerciale ne peuvent être considérées comme secrètes. Pourtant, l’accès aux modèles de pointe est strictement contrôlé : authentification, paiement, limitation de débit et conditions d’utilisation restreintes. Le secret commercial ne réside pas dans une seule réponse, mais dans le comportement global du modèle, extrait à grande échelle.
Il est intéressant de noter que certains critiques rappellent qu’Anthropic, lui-même, s’est entraîné sur des livres piratés et a payé un règlement record de 1,5 milliard de dollars. Cette comparaison illustre le problème principal : Anthropic a dû régler l’affaire devant un tribunal américain, tandis que Moonshot n’a aucun recours légal ni pénal en raison des décalages territoriaux. Réconcilier cette asymétrie est une priorité pour l’administration.
Au-delà de la fraude, la raison la plus convaincante pour agir contre les laboratoires chinois repose sur la sécurité nationale. En exploitant gratuitement des milliards de dollars de recherche américaine en informatique et raisonnement machine, puis en diffusant librement les résultats, ils tirent les prix vers le bas sur les marchés sensibles.
Le déplacement économique des acteurs américains se cumule aux risques pour la sécurité nationale : chaînes d’approvisionnement vulnérables à des modèles altérés, collecte de renseignements via le trafic utilisateur redirigé selon la loi chinoise sur le renseignement, et montée en puissance des acteurs malveillants. Aujourd’hui, des logiciels essentiels sont écrits aux États-Unis à partir de modèles chinois sous contrôle direct des services de sécurité chinois.
La question de la concurrence ouverte sur le marché de l’IA ne doit pas occulter celle de la tolérance envers l’influence chinoise croissante. Une compétition dans laquelle l’un investit pour faire progresser la technologie et l’autre en récolte les fruits par des fraudes, puis verrouille sa position mondiale par des politiques industrielles étatiques, n’est pas une libre concurrence mais un parasitisme organisé, une méthode employée par la Chine dans de nombreuses autres industries. Les États-Unis n’ont jamais accepté ce scénario pour l’acier, le solaire ou la construction navale, ils ne devraient pas l’accepter pour l’IA.
Établir des règles équitables
L’administration Trump tente de tracer la limite entre la distillation « légitime » – un outil scientifique fondamental – et les attaques massives et clandestines visant à extraire la technologie propriétaire américaine. Quatre mesures pourraient concrétiser cette ligne de conduite.
Premièrement, un organisme indépendant, comme le Centre américain des normes et de l’innovation en IA, devrait développer la capacité de vérifier de manière autonome une attaque de distillation et de la distinguer d’un entraînement sur des données accessibles publiquement. Jusqu’à présent, les preuves proviennent des enquêtes internes des victimes. La sanction fondée uniquement sur ces analyses soulève des questions de procédure équitable et risque d’interventions arbitraires dans le marché.
Deuxièmement, le gouvernement doit sanctionner les laboratoires engagés dans des campagnes d’extraction illégale, non pour limiter la mise à disposition des modèles – puisque les poids open source ne peuvent être retirés – mais pour dissuader les futures attaques de distillation. Peter Harrell a recensé plusieurs instruments légaux disponibles, comme les désignations sur la « Entity List » du Département du Commerce, les sanctions sous le Global Emergency Economic Powers Act, ou la restriction d’accès aux infrastructures cloud américaines. Ces mesures pourraient couper l’accès des laboratoires chinois aux ressources américaines et à leurs clients occidentaux, une cible commerciale majeure. La condition pour agir doit être le vol des secrets commerciaux américains, et non les seules performances techniques.
Bien sûr, adopter une posture punitive ne supprimera pas totalement les contournements – comme les labos chinois qui contournent déjà les contrôles d’exportations via des sociétés-écrans en Asie du Sud-Est. Néanmoins, ces sanctions accroissent les coûts et limitent l’ampleur des activités illicites. Le Département du Commerce pourrait notamment étendre ses pratiques existantes en désignant les « intermédiaires de transbordement » liés à la distillation, imposant aux contrevenants des voies plus lentes, coûteuses et réduites.
Troisièmement, pour gérer les risques de sécurité liés aux modèles open source chinois, le gouvernement fédéral devrait imposer une transparence sur leur utilisation. Plutôt que d’interdire purement et simplement leur diffusion, il s’agit de garantir que les entreprises américaines sachent sur quelles plateformes elles s’appuient, et évaluent les risques associés. La Federal Trade Commission devrait exiger des services d’IA opérant aux États-Unis qu’ils déclarent la provenance des modèles utilisés et la localisation du traitement des données – un véritable « étiquetage nutritionnel » de la chaîne d’approvisionnement en IA. Cette mesure ciblera avant tout la négligence et corrigera une défaillance d’information sur le marché, protégeant clients professionnels, assureurs et acheteurs gouvernementaux sensibles aux portes dérobées. Elle facilitera également l’application des règles d’achat interdisant les services reposant sur ces modèles à des agences et contractants de la défense.
Enfin, le gouvernement américain et les laboratoires de pointe doivent soutenir des alternatives américaines open source. Les défenseurs de l’IA open source ont raison : la meilleure réponse à la dominance chinoise est de proposer un concurrent plus attractif. Les développeurs choisissent Qwen ou Kimi non par ignorance ou idéologie, mais pour des raisons économiques et pratiques : modèles gratuits, licences permissives, simplicité de personnalisation et coûts faibles.
En juillet, Scott Bessent a cité Meta, Nvidia et Reflection AI comme initiatives américaines à soutenir. Le gouvernement dispose d’outils sans nécessiter de nouvelles compétences législatives. Le Congrès pourrait adopter la CREATE AI Act, déjà adoptée à l’unanimité par la commission scientifique de la Chambre en juin. Par ailleurs, il serait pertinent de créer une filière spécialisée open source au sein de la National Artificial Intelligence Research Resource, avec des allocations de ressources conditionnées à des licences permissives.
Le Pentagone pourrait s’inspirer de son histoire : comme il a soutenu l’industrie des semi-conducteurs par des accords d’achat garantissant des marchés, son bureau Chief Digital and Artificial Intelligence Office pourrait s’engager à acheter des services d’inférence et de support pour des modèles américains open source, réduisant ainsi le risque pour les investisseurs privés. La National Science Foundation pourrait compléter ces efforts en finançant des fonds de données d’entraînement et des environnements d’évaluation libres de droits, essentiels pour beaucoup de laboratoires open source. Ces initiatives devraient s’accompagner d’une documentation rigoureuse de la provenance des données et de conditions de licence ouvertes. Même si ces programmes sont coûteux – estimés à 2,6 milliards de dollars sur six ans sans compter la création de la filière open source – ils restent un investissement stratégique.
Protéger Anthropic et OpenAI contre le vol est un intérêt de sécurité nationale, mais les protéger de la concurrence ne l’est pas. Une politique équilibrée doit reconnaître cette nuance, protéger les secrets industriels américains tout en encourageant le développement d’une industrie compétitive et ouverte.
La responsabilité des laboratoires de pointe
Les critiques de l’intervention gouvernementale soulignent à juste titre que la responsabilité principale pour résister aux attaques de distillation revient aux laboratoires de pointe américains. La réussite des campagnes d’extraction chinoises tient aussi à la porosité embarrassante des interfaces de programmation des modèles. Par exemple, le modèle le plus restreint d’Anthropic a été accessible à des amateurs via Discord avant sa sortie publique, période durant laquelle des centaines de comptes fictifs ont effectué des millions de requêtes. Une entreprise souhaitant que ses productions soient traitées comme des atouts stratégiques doit les protéger en conséquence, via des vérifications clients rigoureuses et des systèmes de détection comportementale rendant cette extraction industrielle coûteuse techniquement. Les sanctions ne sont qu’un filet de sécurité, pas la première ligne de défense. De plus, les laboratoires doivent éviter d’élargir exagérément la notion « d’attaque de distillation » pour discréditer l’écosystème open source dans son ensemble.
Comme pour toutes les technologies antérieures, les États-Unis ne peuvent pas empêcher la Chine de copier leurs systèmes d’IA. Ce qui est en jeu, c’est de décider clairement s’ils continueront à financer un secteur que la Chine exploite frauduleusement, ou s’ils établissent et appliquent un cadre réglementaire permettant un marché véritablement libre et ouvert pour l’économie de l’intelligence.
