« Attaque par distillation » : comment on copie une IA, et comment Anthropic riposte

Entraîner un grand modèle d'IA coûte des centaines de millions de dollars. Mais il existe un raccourci : interroger massivement un modèle existant, récupérer ses réponses, et s'en servir pour entraîner le sien. C'est ce qu'on appelle la distillation. Le 12 octobre 2026, Anthropic a détaillé les défenses qu'elle a mises en place, et nommé des entreprises qu'elle soupçonne.

La distillation, en termes simples

Imaginez un élève qui recopierait toutes les copies corrigées d'un excellent professeur. Il n'a pas suivi le cours, mais il apprend à produire des réponses très proches. La distillation fonctionne pareil :

1. on pose des millions de questions à un modèle performant ;
2. on enregistre ses réponses, et surtout son raisonnement quand il est visible ;
3. on entraîne un autre modèle à imiter ces réponses.

En soi, la technique est banale : les laboratoires l'utilisent pour créer leurs propres petits modèles à partir des grands. Le problème naît quand on le fait avec le modèle d'un concurrent, en violation de ses conditions d'utilisation.

Le raisonnement vaut de l'or

Anthropic donne un chiffre qui montre l'enjeu. Lors d'un test interne, un modèle entraîné sur les raisonnements complets de Claude a obtenu 80,4 % sur SWE-bench Verified, un test de programmation. Le même modèle, entraîné sur des résumés de ces raisonnements, plafonnait à 71,8 %. Autrement dit, voir comment le modèle réfléchit permet de copier bien mieux ce qu'il sait faire.

Les défenses d'Anthropic

L'entreprise décrit plusieurs mesures :

• Le raisonnement n'est plus livré en clair : pour les comptes API créés depuis le 31 août 2026, le raisonnement complet du modèle est protégé (Anthropic parle de preserved thinking).
• Un détecteur en deux étapes repère les comptes qui aspirent des données. Anthropic annonce un taux de faux positifs inférieur à 0,1 %.
• Des dizaines de milliers de comptes ont été bannis.
• Depuis le 24 septembre, les requêtes bloquées par les protections sont de nouveau facturées, pour décourager les tentatives en masse.

Résultat annoncé : la quantité de données récupérées par les « distillateurs » aurait baissé de 90 à 99 %, et les tokens de raisonnement extraits seraient 10 à 100 fois moins nombreux qu'avant.

Des noms cités

Fait rare, la page d'Anthropic cite des exemples : Zhipu (et son modèle GLM-5.3) et Moonshot (créateur de Kimi), deux entreprises chinoises. Ce sont les accusations d'une partie, que les intéressées n'ont pas confirmées. La question de la distillation est au cœur des tensions technologiques entre les États-Unis et la Chine.

Un compromis assumé

Anthropic reconnaît que ces défenses ont un coût : des demandes tout à fait honnêtes sont parfois bloquées par erreur, dans moins de 0,1 % des cas selon l'entreprise. Et les développeurs ne voient plus le raisonnement complet du modèle, ce qui complique parfois la compréhension de ses réponses.

Pourquoi ça vous concerne

Si vous utilisez une application d'IA bon marché, sachez que certains modèles très performants et très peu chers doivent une partie de leurs capacités à cette copie. Ce n'est pas toujours illégal, mais cela pose une question de confiance : un modèle entraîné sur les réponses d'un autre en reproduit aussi les erreurs.

Ce qu'il faut retenir

• La distillation consiste à entraîner un modèle sur les réponses d'un autre.
• Le raisonnement visible d'un modèle est ce qu'il y a de plus précieux à copier.
• Anthropic annonce 90 à 99 % de données aspirées en moins, et des dizaines de milliers de comptes bannis.
• Les entreprises chinoises Zhipu et Moonshot sont citées comme exemples par Anthropic.

DossiersIA générative

19 OCT. 2026

LLM : c'est quoi un « grand modèle de langage » ? L'explication sans mathsLa rédaction SunuXel

Source : Anthropic, « Strengthening our defenses against distillation attacks », 12 octobre 2026