La distillation des modèles d’IA : le nouveau défi des contrôles sino‑américains
Depuis plusieurs années, le débat technologique entre les États‑Unis et la Chine s’est principalement articulé autour du contrôle des puces et des équipements matériels. Les listes d’entités du Bureau de l’industrie et de la sécurité (BIS), les restrictions coordonnées avec les Pays‑Bas et le Japon, ainsi que les contrôles douaniers à Singapour et en Malaisie ont permis de suivre, de licencier ou de bloquer des flux physiques tels que les serveurs GPU ou les systèmes de lithographie.
Cependant, une part croissante des capacités d’intelligence artificielle se diffuse désormais par des voies logicielles que ce régime ne couvre pas. Les requêtes d’API, les modèles à poids ouverts, les ensembles de données synthétiques et les recherches publiées transfèrent des savoir‑faire sans que aucune marchandise ne franchisse une frontière. Le phénomène technique qui sous‑tend ce transfert est la distillation de modèle.
Qu’est‑ce que la distillation de modèle ?
Introduite par Geoffrey Hinton et ses co‑auteurs en 2015 [1], la distillation consiste à entraîner un petit modèle « étudiant » à reproduire le comportement d’un grand modèle « enseignant » en utilisant ses sorties comme cibles d’apprentissage. Cette méthode permet de déployer des IA performantes sur des appareils à ressources limitées (smartphones, objets connectés) tout en réduisant fortement le coût de calcul.
Depuis, la distillation est devenue une pratique courante : Apple l’utilise pour ses modèles iPhone, OpenAI propose des versions distillées pour son offre grand public, tandis que DeepSeek, Alibaba et Meta publient régulièrement des variantes allégées de leurs modèles en open source.
Pourquoi les contrôles actuels sont‑ils insuffisants ?
Le régime d’exportation repose sur la matérialité et la traçabilité des biens : une puce à large bande passante coûte plusieurs millions de dollars et possède un poids mesurable. En revanche, la distillation ne nécessite que :
- un volume de requêtes API (souvent limité seulement par le budget de l’utilisateur),
- des compétences en ingénierie logicielle,
- de la patience pour itérer sur les sorties du modèle enseignant.
Aucun de ces éléments ne peut être bloqué à une frontière douanière. Comme le souligne un mémorandum de la Maison Blanche d’avril 2026, des entités étrangères « principalement basées en Chine » auraient mené des « campagnes à l’échelle industrielle » contre les systèmes frontaliers américains [2]. En février 2026, Anthropic a publié une analyse montrant que trois laboratoires chinois – DeepSeek, Moonshot AI et MiniMax – auraient exploité des dizaines de milliers de comptes frauduleux pour extraire des connaissances à partir d’API payantes [3].
La réponse chinoise : faire plus avec moins
Privées des puces américaines les plus avancées, les entreprises chinoises ont transformé cette contrainte en avantage compétitif. Le mécanisme d’attention à têtes multiples latentes de DeepSeek, l’optimiseur MuonClip de Moonshot et l’attention éclair de MiniMax sont désormais repris par des projets open source occidentaux [4]. Selon l’indice IA 2026 du Stanford Human‑Centred AI (HAI), l’écart de performance entre les meilleurs systèmes américains et chinois sur Chatbot Arena n’est que de 2,7 %, atteint avec environ 1/23 de l’investissement privé américain [5]. Cette efficacité illustre la stratégie « IA+ » du Conseil d’État d’août 2025, qui mesure le succès national par la diffusion de l’IA dans l’ensemble de l’économie plutôt que par la taille brute des modèles.
Que peuvent réellement négocier Washington et Pékin ?
Un premier dialogue sino‑américain sur l’IA, prévu dans le cadre de la visite d’État de Donald Trump à Pékin le 14 mai 2026, risque de rester symbolique. Les sujets les plus plausibles sont :
- une réaffirmation du principe de Lima (novembre 2024) selon lequel seuls les humains doivent contrôler les décisions d’emploi des armes nucléaires,
- des déclarations de bonne foi sur la protection de la propriété intellectuelle, intégrées à la trêve commerciale élargie de Busan.
Des engagements plus ambitieux – un régime vérifiable de distillation, un accès mutuel aux API ou des normes communes de filigrane et d’évaluation – se heurtent immédiatement au problème de vérification qui a déjà limité les accords de confiance cyber‑économiques Obama‑Xi de 2015 [6]. Sans mécanisme d’inspection fiable, toute promesse demeure difficile à contrôler.
Le véritable laboratoire de normes : les initiatives communautaires
Alors que les négociations intergouvernementales peinent à produire des mesures contraignantes, le terrain se construit ailleurs :
- Le Frontier Model Forum partage désormais des informations sur les attaques par extraction entre ses membres.
- Concordia AI (Pékin) collabore avec des chercheurs américains en sécurité de l’IA sur des protocoles de défense.
- Le Consensus de Singapour sur les priorités mondiales de recherche sur la sécurité de l’IA (avril 2025) a été co‑signé par des scientifiques chinois et occidentaux.
- Le réseau AI Safety Institute (AISI) développe des protocoles de test qui sont déjà adoptés par le Japon, la Corée du Sud, Singapour et l’Australie.
Ces efforts constituent l’échafaudage substantiel sur lequel les futures normes de distillation pourront s’appuyer, bien au‑delà d’une simple déclaration au sommet.
Implications pour les pays de l’Asie‑Pacifique
Les décideurs régionaux doivent déterminer lequel de ces cadres façonnera les exigences imposées à leurs entreprises nationales. Parmi les acteurs actifs :
- Le Japon, la Corée du Sud, Singapour et l’Australie participent au réseau AISI.
- L’Inde a accueilli le dernier sommet mondial sur l’IA.
- Plusieurs gouvernements d’Asie du Sud‑Est déploient déjà des modèles chinois à poids ouverts sur l’infrastructure Huawei Ascend.
La trajectoire future du régime de distillation sera donc influencée autant par les choix de ces États que par les éventuels accords entre Washington et Pékin.
Conclusion
Trois ans de débat centré sur le matériel ont montré que contrôler les puces ne suffit plus à contenir la