FBI et NSA accusent DeepSeek d’avoir aspiré des milliards de tokens aux IA américaines

La rivalité sino-américaine autour de l’intelligence artificielle prend une tournure de thriller industriel. Washington accuse plusieurs entreprises chinoises d’avoir aspiré des milliards de tokens auprès de modèles américains pour reconstituer leurs capacités à moindre coût, sans financer l’intégralité de la recherche ni des infrastructures nécessaires.

Une opération d’extraction menée à l’échelle industrielle

Dans un avis publié le 8 septembre 2026, le FBI, la NSA et la CISA affirment que des entreprises basées en Chine conduisent, depuis au moins la fin de 2024, des campagnes systématiques de distillation contre des modèles d’IA américains de pointe.

Les agences citent notamment DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun et Z.AI. Selon Washington, ces groupes auraient envoyé des millions de requêtes à des services américains afin d’obtenir des réponses représentant au total plusieurs milliards de tokens.

La liste des modèles visés comprendrait les systèmes les plus avancés de Claude, GPT, Gemini et Grok. L’accusation ne porte donc pas sur une simple utilisation commerciale de services d’IA, mais sur une collecte organisée destinée à analyser leur comportement, leurs capacités et leurs limites.

Le terme de « vol », employé dans le débat politique américain, doit toutefois être manié avec prudence. Les agences décrivent principalement une exploitation intensive d’interfaces accessibles à distance. La question centrale consiste à déterminer si cette collecte relève d’un usage abusif des conditions d’accès, d’une violation contractuelle ou d’une opération d’espionnage économique au sens juridique.

La *distillation*, un raccourci coûteux mais efficace

La technique dite de distillation consiste à utiliser un modèle dit enseignant pour produire des exemples, des réponses et des explications servant ensuite à entraîner un modèle élève. En multipliant les requêtes soigneusement conçues, il devient possible de cartographier les compétences du système, ses méthodes de raisonnement, son style de réponse et ses réactions face à des problèmes complexes.

L’entreprise qui entraîne le modèle élève ne récupère pas directement les paramètres internes du système américain. Elle obtient néanmoins un vaste corpus de sorties générées par celui-ci. Ces données peuvent ensuite alimenter l’entraînement d’un modèle concurrent, avec l’espoir de reproduire une partie de ses performances.

Selon les agences américaines, cette méthode permettrait de réduire fortement trois postes de dépenses : la recherche, le calcul et l’électricité. Développer un modèle de pointe demande des volumes considérables de données, des milliers de processeurs spécialisés et des mois d’expérimentation. Exploiter les réponses d’un modèle déjà performant offre un raccourci : il ne s’agit plus de découvrir toutes les capacités à partir de données brutes, mais d’imiter un système qui a déjà effectué une partie du travail.

Washington transforme une bataille technique en dossier de sécurité nationale

L’intervention conjointe du FBI, de la NSA et de la CISA élève l’affaire au-delà d’un litige entre fournisseurs d’API et utilisateurs. Le FBI apporte la dimension contre-espionnage et protection des entreprises, la NSA celle du renseignement, tandis que la CISA se concentre sur les risques visant les infrastructures et les acteurs technologiques américains.

Cette coordination traduit une inquiétude précise : l’accès aux modèles américains ne servirait plus seulement à fournir des services concurrents, mais à accélérer la constitution d’une industrie chinoise de l’IA capable de rattraper les leaders américains.

L’enjeu est d’autant plus sensible que les performances d’un modèle ne résident pas uniquement dans son architecture. Elles dépendent aussi de la qualité de l’entraînement, des méthodes d’alignement, des jeux de tests et des innombrables ajustements réalisés pendant sa mise au point. Une campagne massive de requêtes peut révéler une partie de ce savoir-faire, même si elle ne permet pas de copier intégralement le modèle original.

Le nombre avancé par Washington — des milliards de tokens — donne à l’accusation une dimension industrielle. Quelques chercheurs testant ponctuellement un service ne suffisent pas à générer un corpus comparable. Il faut automatiser les requêtes, répartir les comptes, varier les scénarios et identifier les réponses les plus utiles pour l’entraînement. Cette organisation est au cœur de la thèse américaine.

La riposte de Pékin attendue sur le terrain diplomatique

Pékin rejette l’accusation et dénonce une instrumentalisation politique. Le contexte rend la confrontation particulièrement sensible : de prochaines discussions entre Donald Trump et Xi Jinping doivent intervenir alors que les deux pays s’opposent déjà sur les semi-conducteurs, les restrictions à l’exportation et l’accès aux technologies avancées.

L’accusation américaine peut ainsi servir plusieurs objectifs simultanés. Elle alerte les entreprises sur la nécessité de renforcer leurs contrôles, prépare l’opinion à d’éventuelles sanctions et fournit à Washington un nouvel argument pour durcir les restrictions visant les acteurs chinois de l’IA.

La réponse de Pékin pourrait s’appuyer sur une difficulté réelle : la frontière entre utilisation légitime d’un modèle accessible en ligne et extraction destinée à entraîner un concurrent reste techniquement complexe à établir. Une API ouverte peut être interrogée par des étudiants, des développeurs, des chercheurs ou des entreprises. Identifier une opération coordonnée exige de relier les comptes, les adresses réseau, les modes de paiement, les horaires et les schémas de requêtes.

Les fournisseurs américains vont devoir prouver qu’ils savent protéger leurs modèles

Pour les entreprises américaines, l’affaire expose une vulnérabilité économique. Le modèle peut être protégé par des mesures de sécurité classiques, mais ses réponses sont précisément conçues pour être consommées par des utilisateurs. Plus un service est performant et accessible, plus il devient intéressant pour une campagne de distillation.

Les réponses possibles sont connues : plafonds de requêtes, détection des comportements automatisés, limitation des sorties les plus détaillées, surveillance des comptes liés et adaptation régulière des modèles. Ces mesures ont cependant un coût. Elles peuvent dégrader l’expérience des utilisateurs légitimes, compliquer l’accès des chercheurs et réduire l’attractivité commerciale des services.

L’autre conséquence concerne les modèles ouverts. Si un système américain entièrement accessible peut être exploité pour générer des données d’entraînement, les entreprises devront arbitrer plus durement entre diffusion des capacités et protection de leur avance technologique. La bataille ne se jouera donc pas seulement dans les centres de données, mais aussi dans les journaux d’accès, les politiques commerciales et les mécanismes de détection.

Le prochain test sera celui des preuves

L’avis du 8 septembre 2026 marque une escalade politique, mais sa portée dépendra de la capacité des autorités américaines à documenter les campagnes évoquées : volumes exacts, entreprises impliquées, comptes utilisés, modèles ciblés et lien entre les données extraites et les systèmes développés en Chine.

Le prochain jalon sera probablement diplomatique et réglementaire, avec les discussions attendues entre Donald Trump et Xi Jinping. Si Washington publie des éléments techniques plus détaillés ou annonce des sanctions, l’affaire pourrait accélérer la fermeture des API américaines aux utilisateurs jugés à risque. À l’inverse, sans preuves publiques suffisamment précises, l’accusation restera une pièce de plus dans la confrontation technologique sino-américaine — spectaculaire, mais difficile à convertir en mesure juridiquement incontestable.