Ce qui s'est passé
La distillation, en clair : on pousse un modèle plus costaud à dévoiler son raisonnement à grande échelle, puis on utilise ces réponses pour entraîner un modèle plus petit. Selon Anthropic, les cibles étaient ici les capacités agentiques de Claude et son usage d'outils, plus le code, l'analyse de données et le raisonnement logique. Autrement dit, ce que les clients paient.
Anthropic décrit des opérateurs qui seraient des labos non autorisés et qui, pendant plusieurs mois, auraient déployé des moyens de plus en plus malins pour contourner ses défenses. Leur objectif affiché : récolter les capacités des modèles de pointe américains.
Ce n'est pas la première fois qu'Anthropic sonne l'alarme. L'entreprise avait déjà pris la parole en février, en nommant des labos précis. Le nouveau rapport, toujours selon Anthropic, décrit des campagnes à la fois plus vastes et plus agressives que les précédentes.
OpenAI a elle aussi signalé une activité similaire, qu'elle a attribuée spécifiquement à DeepSeek.
Pourquoi ça compte
La recette est simple. Anthropic explique garder en temps normal la chaîne de pensée interne de Claude cachée, et ne montrer aux utilisateurs qu'un résumé du raisonnement. Les attaques par distillation vont chercher ce raisonnement quand même, parce que c'est le meilleur matériau d'entraînement qu'un petit modèle puisse rêver d'avoir.
Si le récit d'Anthropic tient la route, des concurrents peuvent court-circuiter des années de recherche de pointe très coûteuse avec beaucoup d'appels API et un peu de patience. L'accès au modèle devient alors un problème de sécurité, pas seulement de facturation.
Ça durcit aussi la rivalité sino-américaine sur l'IA. Anthropic présente l'affaire comme une extraction de capacités de pointe américaines, et publie des noms. Attends-toi à ce que les gens de la politique publique tendent l'oreille.
Les accusations viennent du propre rapport d'Anthropic. La version des labos mis en cause ne fait pas partie de ce dont on dispose : prends ça pour une accusation détaillée d'une seule partie, pas pour un verdict.
Qu'est-ce que tu en fais
- Audite ton exposition API.Si tu revends ou habilles un modèle de pointe, regarde qui martèle tes endpoints, et comment.
- Surveille les conditions d'utilisation.Entraîner un modèle concurrent avec les sorties d'un fournisseur, c'est exactement le cœur de cette bagarre : lis les règles de ton fournisseur avant de faire du fine-tuning.
- Interroge tes fournisseurs sur leurs défenses.Côté entreprise, demande comment ton fournisseur détecte l'extraction massive et ce qui se passe quand il en détecte une.
- Suis les labos cités.Si tu utilises des modèles d'Alibaba, de Moonshot AI ou de DeepSeek, regarde comment ils réagissent au rapport.
Keep up, sapiens. Les modèles se copient maintenant les devoirs entre eux, et toi, tu n'es toujours pas invité au groupe de révision.


