Anthropic a détaillé ce qu’elle décrit comme des campagnes de distillation visant ses propres modèles, menées par trois laboratoires chinois d’intelligence artificielle, et les DeepSeek allégations de distillation constituent le cœur de cette divulgation. TechCrunch rapporte qu’Anthropic a nommé Alibaba, Moonshot AI et DeepSeek dans son compte rendu de ces activités, tandis que Quartz formule la même information de façon plus directe, indiquant qu’Anthropic accuse des laboratoires chinois d’intelligence artificielle d’avoir mené des « attaques illicites par distillation ». Pour les développeurs qui évaluent les modèles d’API de pointe face à des alternatives open-weight moins coûteuses, il s’agit moins d’une question de sécurité que d’une question de traçabilité — et la traçabilité est désormais une question d’approvisionnement.
Points clés
- Selon TechCrunch, Anthropic a nommé Alibaba, Moonshot AI et DeepSeek dans une divulgation relative à des campagnes de distillation ciblant ses modèles.
- Quartz rapporte qu’Anthropic qualifie cette activité d’« attaques illicites par distillation », plutôt que de simple benchmarking concurrentiel.
- The Guardian rapporte que ce même cycle de divulgations couvre également les tentatives d’acteurs malveillants de détournement de l’IA d’Anthropic à des fins liées aux armes biologiques. Aucun de ces rapports ne relie ces tentatives aux laboratoires nommés.
- Les extraits publiés ne contiennent aucune indication de volume, de date, de nombre de comptes ni de méthode technique ; l’ampleur des campagnes présumées doit donc être considérée comme non quantifiée.
- Le contexte commercial est frappant : Convly liste DeepSeek V4-Pro à 0,435 $ en entrée / 0,87 $ en sortie par million de jetons contre Claude Opus 5 à 5,00 $ en entrée / 25,00 $ en sortie — soit un écart d’environ un ordre de grandeur.
- Pour la plupart des équipes, l’exposition ici relève davantage du domaine contractuel que du domaine technique : les conditions d’utilisation des fournisseurs interdisent généralement d’utiliser les sorties des modèles pour entraîner des systèmes concurrents.
Ce qu’Anthropic dit des allégations de distillation de DeepSeek
Le contenu rapporté est restreint mais précis. Selon le compte rendu de TechCrunch, Anthropic aurait exposé les détails de campagnes de distillation provenant d’Alibaba, Moonshot AI et DeepSeek — trois des développeurs les plus visibles de modèles de pointe ou open-weight offrant un rapport qualité-prix compétitif. La formulation de Quartz accentue le ton, signalant qu’Anthropic accuse des laboratoires chinois d’intelligence artificielle d’avoir mené des « attaques illicites par distillation », ce qui place cette activité dans le cadre des conditions d’utilisation — voire d’un éventuel contentieux juridique — plutôt que dans celui d’une simple curiosité scientifique.
Ce que les rapports disponibles ne contiennent pas est tout aussi significatif. Les extraits qui circulent ne précisent ni la manière dont la distillation présumée aurait été réalisée, ni la période concernée, ni les comptes ou intermédiaires utilisés, ni la quantité de sorties collectées. Ils ne quantifient aucun effet sur les modèles chinois résultants, et ils ne comportent aucune réponse d’Alibaba, de Moonshot AI ou de DeepSeek. Tout chiffre associé à ces allégations de distillation de DeepSeek — nombre de jetons, pourcentage, fourchette temporelle — n’apparaît pas dans les documents rapportés, et les lecteurs doivent faire preuve de scepticisme face à toute couverture qui en fournit un.
Ce qu’est réellement la distillation de modèles
En termes généraux, la distillation consiste à entraîner un modèle « élève » plus petit ou moins coûteux sur les sorties d’un modèle « professeur » plus puissant. Plutôt que d’apprendre uniquement à partir de textes bruts, l’élève apprend à partir des complétions, des traces de raisonnement ou des signaux de préférence du professeur, ce qui permet de condenser une grande partie des capacités coûteuses dans un paquet bien plus compact. Il s’agit d’une technique standard et bien documentée — plusieurs modèles ouvertement publiés l’indiquent explicitement dans leur nom, notamment DeepSeek R1 Distill Llama 70B, que Convly liste à 0,80 $ en entrée / 0,80 $ en sortie par million de jetons, avec environ 40 Go de VRAM en quantification 4 bits.
La distinction que l’industrie opère porte sur le consentement, non sur la méthode. Distiller à partir de son propre modèle professeur, ou à partir d’un modèle dont la licence l’autorise explicitement, ne soulève aucune difficulté particulière. En revanche, distiller à partir d’une API commerciale dont les conditions d’utilisation interdisent d’utiliser les sorties pour entraîner des systèmes concurrents transforme cette technique en objet d’allégation. Les politiques d’usage d’Anthropic constituent le document principal définissant ce qui est autorisé ou non sur sa plateforme, et cette ligne contractuelle constitue le mécanisme habituel par lequel de telles allégations sont normalement portées — et non une faille technique.
Pourquoi Alibaba, Moonshot AI et DeepSeek sont-ils les laboratoires nommés
Les trois laboratoires nommés ne sont pas choisis au hasard : ce sont les développeurs dont les récentes publications ont le plus contribué à réduire le coût de l’inférence performante. La série Qwen3 d’Alibaba couvre des modèles locaux compacts jusqu’à des systèmes massifs à mélange d’experts ; Convly liste Qwen3 8B à 0,04 $ en entrée / 0,14 $ en sortie par million de jetons, et Qwen3 235B-A22B à 0,45 $ en entrée / 1,80 $ en sortie. Moonshot AI propose Kimi K3 à 3,00 $ en entrée / 15,00 $ en sortie, avec un contexte de 1 million de jetons, et Kimi K2.7 Code à 0,60 $ en entrée / 2,50 $ en sortie. La génération V4 de DeepSeek est listée à 0,14 $ en entrée / 0,28 $ en sortie pour V4-Flash et à 0,435 $ en entrée / 0,87 $ en sortie pour DeepSeek V4-Pro.
C’est ce positionnement tarifaire qui explique pourquoi les accusations de distillation illicite sont perçues comme des griefs commerciaux plutôt que comme des débats académiques. Si un laboratoire parvient à obtenir un comportement comparable à une fraction du coût d’entraînement, l’écart tarifaire qu’il propose ensuite à ses clients n’est plus simplement un choix stratégique — il devient, selon l’accusateur, un transfert de valeur. Rien dans les documents rapportés n’établit que telle capacité spécifique de ces modèles provienne effectivement des sorties d’Anthropic, et cet écart entre allégation et traçabilité démontrée demeure précisément ce qui n’a pas encore été résolu.
Comment les modèles nommés se comparent-ils sur le plan du prix et du contexte
Le tableau ci-dessous utilise les listings publiés par Convly pour les modèles développés par les parties nommées dans les rapports. Il s’agit de données catalogues destinées à la comparaison, non de résultats de benchmarks — Convly n’a pas testé la traçabilité par distillation ni la qualité des modèles ici.
| Modèle | Développeur | Contexte | Prix par million (entrée / sortie) | VRAM en 4 bits |
|---|---|---|---|---|
| Claude Opus 5 | Anthropic | 1 million | $5.00 / $25.00 | Non publiée |
| Claude Sonnet 5 | Anthropic | 1 million | $2.00 / $10.00 | Non publiée |
| DeepSeek V4-Pro | DeepSeek | 1 million | $0.435 / $0.87 | ~800 Go |
| Qwen3 235B-A22B | Alibaba | 128 K | $0.45 / $1.80 | ~140 Go |
| Kimi K3 | Moonshot AI | 1 million | $3.00 / $15.00 | ~1,4 To |
Anthropic publie elle-même sa grille tarifaire actuelle sur son est explicite, qui constitue la référence principale à consulter avant d’envisager une quelconque migration. Si vous souhaitez évaluer l’impact de ces différences sur votre facture mensuelle, à vos volumes propres, notre Calculateur de coûts pour les API IA et l’ensemble plus large de la Base de données des modèles IA contiennent les mêmes données sous une forme comparable.
Le fil conducteur relatif aux armes biologiques dans la même divulgation
Publié en parallèle des éléments relatifs à la distillation, The Guardian indique qu’Anthropic a également détaillé des tentatives d’acteurs malveillants de détournement de son IA à des fins liées aux armes biologiques. Il est essentiel de distinguer clairement ces deux aspects : aucun des trois rapports disponibles ne relie ces tentatives de détournement à Alibaba, Moonshot AI ou DeepSeek, et les traiter comme une seule accusation fausserait la représentation de toutes les quatre parties.
À titre de contexte plutôt que de fait rapporté, ce type de divulgation est devenu un genre reconnaissable chez les grands fournisseurs de modèles, qui publient de plus en plus régulièrement des comptes rendus d’essais de détournement qu’ils disent avoir détectés et bloqués. Leur valeur pour les développeurs est indirecte mais réelle : elles indiquent ce qu’un fournisseur surveille, quels journaux il conserve et quel comportement il est prêt à sanctionner. Les extraits rapportés ne précisent ni le nombre de tentatives impliquées, ni l’identité des auteurs, ni le succès éventuel de certaines d’entre elles, et ces précisions ne doivent pas être supposées.
Ce que signifient les allégations de distillation de DeepSeek pour les acheteurs et les utilisateurs auto-hébergés
Pour les équipes qui déploient des produits, les questions pratiques sont contractuelles et opérationnelles, non dramatiques. Premièrement, lisez attentivement la clause relative aux sorties figurant dans l’accord de votre fournisseur : la restriction qui compte généralement est celle interdisant d’utiliser les sorties pour entraîner, affiner ou évaluer un modèle concurrent, et cette clause s’applique aussi bien à votre propre pipeline d’affinage qu’à celui de tout autre acteur. Deuxièmement, si vous effectuez une distillation en interne, conservez des registres indiquant quel modèle professeur a produit quelle base de données — la traçabilité est bien moins coûteuse à documenter au fur et à mesure qu’à reconstituer sous examen.
Troisièmement, une allégation n’est pas une sanction. Rien dans les rapports ne laisse entendre que l’un des modèles nommés fasse l’objet de restrictions d’accès, et les décisions d’approvisionnement doivent continuer de reposer sur le coût, la latence, le contexte et les conditions de licence. Si une partie de votre intérêt pour les modèles open-weight chinois réside dans leur exécution locale, notez la colonne matérielle du tableau : Qwen3 235B-A22B nécessite environ 140 Go en quantification 4 bits, tandis que Kimi K3 approche les 1,4 To — une différence qui détermine si le déploiement tient sur un seul serveur ou requiert un cluster. Notre calculateur gratuit de VRAM quantifie cela, et le étude comparative des coûts entre IA ouverte et fermée analyse la stabilité réelle de l’écart tarifaire entre les deux camps.
Questions fréquemment posées
Que reproche exactement Anthropic aux trois laboratoires ? Selon TechCrunch, Anthropic a détaillé des campagnes de distillation impliquant Alibaba, Moonshot AI et DeepSeek. Quartz rapporte qu’Anthropic qualifie cette activité d’« attaques illicites par distillation ». Les mécanismes techniques précis ne figurent pas dans les informations rapportées.
Les allégations de distillation de DeepSeek signifient-elles que les modèles de DeepSeek sont des copies de Claude ? Non. Les rapports décrivent des campagnes présumées d’extraction de sorties ; ils n’établissent pas quelles capacités spécifiques d’un modèle déployé en découlent, et les réponses des laboratoires nommés ne figurent pas dans les extraits disponibles.
La distillation est-elle illégale ? La distillation est une technique légitime et largement documentée. Ce qui la rend controversée, c’est sa source : les fournisseurs commerciaux interdisent généralement l’utilisation de leurs sorties pour entraîner des modèles concurrents, ce qui fait que les litiges sont le plus souvent contractuels plutôt que pénaux.
Ces tentatives de détournement à des fins d’armes biologiques sont-elles liées aux laboratoires chinois ? Aucun rapport ne le confirme. Le compte rendu de The Guardian concerne des acteurs malveillants tentant de détournement de l’IA d’Anthropic. Aucune source ne relie ces tentatives à Alibaba, Moonshot AI ou DeepSeek.
Cette affaire doit-elle modifier le modèle que je déploie ? Pas en soi. Comparez les prix publiés actuels, les limites de contexte et les conditions de licence, et vérifiez la clause relative aux sorties de votre fournisseur si vous procédez à un affinage. Coût et capacité restent les critères décisifs.
En résumé
Anthropic a élevé une suspicion de longue date dans l’industrie au rang d’accusation nommée et officiellement consignée, et les allégations de distillation de DeepSeek — ainsi que celles impliquant Alibaba et Moonshot AI — façonneront la manière dont les acheteurs interrogeront la traçabilité des modèles durant le reste de l’année. Mais le détail rapporté est mince : aucun volume, aucune méthode, aucune chronologie, aucune réponse des accusés. L’aspect économique du litige est documenté et sans ambiguïté, Convly listant DeepSeek V4-Pro à environ un ordre de grandeur inférieur à Claude Opus 5 par jeton. Jusqu’à ce que davantage de preuves sous-jacentes soient rendues publiques, la position défendable consiste à traiter ceci comme une allégation sérieuse dont l’ampleur n’est pas quantifiée, et à veiller à ce que vos propres registres de distillation et d’affinage résistent à la même interrogation.
Sources : news.google.com. Publié le 11 septembre 2026.