Anthropic vs Alibaba : comment « vole-t-on » un modèle d’IA ?

Quand Anthropic accuse publiquement Alibaba d’avoir « illicitement extrait » les capacités de Claude, le premier réflexe c’est de se demander comment on vole un modèle de langage. Il n’y a pas de serveurs cambriolés, pas de clé USB planquée dans une chaussette. La méthode est à la fois plus simple et plus élégante : on lui pose des questions. Beaucoup. En très grande quantité.

Le terme technique s’appelle la distillation de modèle — ou ici, ce qu’on pourrait appeler du pillage par prompt. C’est probablement l’un des litiges les plus significatifs du secteur de l’IA en ce moment, parce qu’il met en collision le droit de la propriété intellectuelle, les conditions d’utilisation des APIs, et une course aux performances qui ne connaît aucune limite budgétaire.

Reuters a relayé l’information le 24 juin 2026 : Anthropic aurait identifié qu’Alibaba utilisait massivement les sorties de Claude pour entraîner ses propres modèles — probablement la famille Qwen, qui a réalisé des progrès spectaculaires ces derniers mois. La guerre des LLMs vient de changer de terrain. Ce n’est plus seulement une question de compute ou de données d’entraînement : c’est une question de qui a le droit d’apprendre de qui.

La distillation de modèle : légitime jusqu’à un certain point

La distillation de modèle est une technique tout à fait respectable en machine learning. Le principe : on prend un grand modèle performant (le « teacher »), on lui fait générer des réponses sur un corpus massif de questions, et on utilise ces paires (prompt, réponse) pour entraîner un modèle différent (le « student »). Le student apprend à reproduire le comportement du teacher, sans jamais accéder à ses poids ni à son architecture interne.

C’est une technique ancienne et largement utilisée dans l’industrie. Meta l’emploie pour produire des versions compactes de ses modèles Llama. Google l’utilise pour ses Gemma. Le concept remonte aux travaux de Geoffrey Hinton sur la compression de réseaux de neurones, bien avant que les LLMs existent sous leur forme actuelle. Ce n’est pas une magouille — c’est de la recherche appliquée.

Le problème surgit précisément quand le « teacher » n’est pas le tien. Si tu interroges l’API de Claude à grande échelle, que tu collectes des millions de paires (prompt, réponse), et que tu t’en sers pour entraîner ton propre LLM — tu n’as pas volé les poids du modèle, tu n’as piraté aucun serveur, mais tu as potentiellement capturé une partie substantielle de ses capacités. C’est techniquement élégant. C’est contractuellement interdit. Et c’est légalement… flou.

Comment détecte-t-on ce genre d’extraction ?

C’est la question technique la plus fascinante de l’affaire. Anthropic n’a pas détaillé ses méthodes publiquement, mais plusieurs approches permettent de détecter ce type de pillage :

• Watermarking statistique : certains modèles insèrent des biais subtils dans leurs sorties — des préférences pour certains tokens, certaines tournures de phrase — qui peuvent persister même après ré-entraînement d’un modèle concurrent.
• Détection comportementale : si un modèle rival reproduit des erreurs caractéristiques, des biais ou des refus typiques de Claude, c’est un signal fort. Chaque LLM a ses tics propres, ses angles morts, ses formulations favorites.
• Analyse des logs d’API : des patterns anormaux — volume inhabituellement élevé, diversité mécanique des prompts, comportement manifestement automatisé — peuvent alerter sur un usage à des fins d’extraction systématique.
• Honeypots : des outputs délibérément « marqués » insérés dans certaines réponses, pour voir s’ils réapparaissent dans des modèles concurrents lors de tests comparatifs.

La combinaison de ces méthodes peut produire un faisceau d’indices convaincant sur le plan technique. Le faire tenir devant un tribunal — surtout dans un contexte de litige transatlantique impliquant deux géants tech — c’est une toute autre affaire. La charge de la preuve en la matière n’a encore jamais été vraiment testée.

Les CGU, nouveau champ de bataille juridique de l’IA

Les conditions d’utilisation de Claude — comme celles d’OpenAI, Mistral ou Cohere — interdisent explicitement d’utiliser les outputs générés pour entraîner des modèles concurrents. La formulation varie selon les providers, mais le sens est univoque depuis plusieurs années. En acceptant ces CGU à la création d’un compte, l’utilisateur s’engage contractuellement à ne pas procéder à cette extraction.

Les recours potentiels sont multiples : violation de contrat, détournement de secret commercial si les outputs sont considérés comme protégeables en tant que tels, voire concurrence déloyale selon les juridictions. Mais il faut d’abord établir qu’Alibaba a bien accepté ces CGU — ce qui suppose identifier précisément quels comptes ont été utilisés, par qui, depuis où, et avec quelle intention documentée. Un joyeux casse-tête en perspective.

La dimension internationale rend tout ça encore plus complexe. Une entreprise américaine attaquant une entreprise chinoise sur la base de contrats de droit américain, pour des actes potentiellement commis depuis des infrastructures basées en Chine, dans un contexte de tensions géopolitiques croissantes… Les avocats spécialisés en propriété intellectuelle numérique vont avoir du travail pour plusieurs années.

Entraîner un LLM compétitif from scratch coûte des centaines de millions de dollars. Apprendre d’un modèle déjà entraîné, c’est une fraction de ce budget. L’incitation est massive — et la tentation, difficile à ignorer.

Ce que ça révèle de la course aux LLMs en 2026

Il faut replacer cette affaire dans son contexte. Les modèles Qwen d’Alibaba progressent à une vitesse qui a surpris de nombreux observateurs en 2025-2026. Sur plusieurs benchmarks standardisés, ils rivalisent désormais avec des modèles qui ont coûté des centaines de millions de dollars à construire. La rapidité de cette progression a naturellement suscité des interrogations dans le secteur.

L’accusation d’Anthropic arrive dans un contexte de tensions croissantes entre acteurs américains et chinois de l’IA. Elle suit de quelques semaines des restrictions américaines renforcées sur l’exportation de puces vers la Chine. Difficile de dire si le timing est coordonné ou simplement révélateur d’un état de guerre froide technologique plus général — mais il n’est probablement pas anodin.

Ce qui est certain, c’est que cette affaire va forcer tout le secteur à muscler la sécurisation des outputs d’API. Les providers vont probablement introduire des mécanismes de rate limiting plus fins, des détections comportementales automatisées, et peut-être des licences différenciées selon l’usage déclaré. Ce que tu peux faire avec les réponses d’un LLM va devenir un sujet contractuel et technique de premier plan, pas juste une clause enterrée dans des CGU que personne ne lit.

Ce qui va changer pour les développeurs qui utilisent des APIs d’IA

Si tu construis une application qui s’appuie sur une API d’IA — pour du résumé de documents, de la génération de contenu, ou n’importe quel cas d’usage métier — cette affaire te concerne indirectement. Non pas parce que tu risques d’être poursuivi, mais parce qu’elle va probablement faire évoluer les règles du jeu pour tout le monde.

La question de la propriété des outputs est réelle et peu de développeurs se la posent sérieusement. À qui appartient la réponse que Claude génère dans ton application ? À ton utilisateur final ? À toi, en tant que développeur qui a construit le système ? Au provider du modèle ? La réponse varie selon les CGU de chaque fournisseur, et ces CGU évoluent régulièrement — parfois sans notification claire.

Lire les conditions d’utilisation de tes providers d’IA, c’est désormais une hygiène professionnelle, pas un détail optionnel. Surtout si ton application génère du contenu à grande échelle, stocke des outputs pour alimenter des systèmes internes, ou opère dans un secteur régulé. Le flou juridique actuel ne durera pas — et quand les règles se formaliseront, il vaudra mieux ne pas être en infraction sans le savoir.

Mon pari : cette affaire va définir les règles du jeu

Ce procès va faire jurisprudence, qu’il soit gagné ou perdu. Si Anthropic gagne, ça redéfinit concrètement les droits des providers sur leurs outputs — et ça envoie un signal clair à toute l’industrie : la distillation par API sans autorisation est une ligne rouge actionnable en justice. Si Anthropic perd ou si le dossier s’enlise, ça institutionnalise une zone grise durable que d’autres acteurs ne manqueront pas d’exploiter.

Ce qui me frappe, c’est le paradoxe. Anthropic, comme tous les grands labos, a entraîné ses propres modèles sur des données issues du web — souvent utilisées sans permission explicite des auteurs originaux. Des créateurs de contenu et des maisons d’édition font des recours collectifs contre ces mêmes entreprises pour exactement les mêmes raisons. Et voilà Anthropic de l’autre côté du miroir, arguant que ses outputs sont protégeables. Je ne dis pas que les deux situations sont strictement équivalentes — elles ne le sont pas. Mais l’ironie mérite d’être notée.

La leçon de fond, c’est que toute l’industrie de l’IA s’est construite sur du flou juridique, et qu’on commence maintenant à s’y noyer. La question de ce qu’est un « output », à qui il appartient, et comment on prouve qu’il a été capturé n’a toujours pas de réponse claire en droit. Ce procès va en poser quelques-unes. Qu’elles nous plaisent ou non.