Des laboratoires et entreprises chinois organiseraient la collecte de réponses produites par les IA américaines, comme ChatGPT et Claude, pour entraîner leurs propres modèles. Cette pratique leur permettrait de réduire certains coûts sans toutefois effacer les contraintes imposées par le manque de puissance de calcul.

Les États-Unis limitent l’accès de la Chine à leurs puces les plus avancées, mais les réponses de leurs IA continuent d’alimenter les modèles concurrents. Une enquête de Reuters, fondée sur plus de 300 documents chinois, décrit comment des chercheurs et des entreprises ont industrialisé ce transfert de compétences. Leur méthode, la distillation, permet de réutiliser les productions d’un modèle performant pour en entraîner un autre.
Alors que Washington durcit aussi les règles d’accès à distance aux puces américaines, ce raccourci pourrait devenir encore plus précieux pour les développeurs chinois.
Apprendre des modèles américains sans en reproduire toutes les capacités
La distillation repose sur une relation entre un modèle enseignant et un modèle élève, généralement plus petit. Le premier fournit des réponses, du code ou des démonstrations de résolution de problèmes ; ces productions deviennent des exemples avec lesquels les développeurs entraînent le second. Celui-ci peut ainsi acquérir certaines compétences à un coût inférieur à celui d’un développement entièrement indépendant.
La technique a toutefois ses limites. Elle ne transmet pas toutes les capacités du modèle d’origine et ne fait pas disparaître les besoins en calcul. Son intérêt consiste notamment à concentrer des compétences ciblées dans des systèmes plus petits, moins coûteux à exploiter. Une équipe peut alors utiliser son propre modèle pour certaines tâches sans solliciter systématiquement le fournisseur américain.
Courante dans la recherche et l’industrie, la distillation ne constitue pas, en elle-même, une pratique illicite. Le conflit porte sur les conditions dans lesquelles elle est menée. OpenAI et Anthropic restreignent l’utilisation de leurs réponses pour entraîner des modèles concurrents et accusent certains acteurs chinois de contourner leurs règles. Anthropic décrit notamment des réseaux de comptes créés sous de fausses identités, alimentés par des cartes bancaires volées et des clés d’API dérobées. Ces accusations de fraude doivent être distinguées de la technique d’entraînement elle-même.
Une réponse achetée une fois peut servir à plusieurs entraînements
Les articles scientifiques, brevets, offres d’emploi et documents d’entreprise examinés par Reuters dessinent une activité organisée. Des chercheurs sollicitent les modèles américains, des sociétés conçoivent les logiciels qui automatisent la collecte, puis des équipes spécialisées préparent les données destinées à l’entraînement.
Un ancien ingénieur d’Alibaba interrogé par l’agence résume l’intérêt économique de cette chaîne. Lorsqu’un modèle américain résout un problème difficile, sa réponse peut être conservée et réutilisée pour entraîner un système local. L’équipe paie la requête initiale, puis dispose d’un exemple exploitable à plusieurs reprises. Les entraînements restent coûteux, mais il n’est plus nécessaire de payer de nouveau le modèle enseignant pour obtenir cette même réponse.
Comment la distillation fonctionne en pratique
Les travaux cités dans l’enquête montrent comment cela se traduit en pratique. Dans une étude publiée en novembre 2024, des chercheurs de l’université Jiao-tong de Shanghai décrivent avoir sélectionné environ 5 000 réponses d’o1, le modèle d’OpenAI, puis utilisé GPT-4o mini pour les traduire. Ils ont ainsi constitué 10 750 exemples bilingues afin de poursuivre l’entraînement de Qwen2.5-72B, développé par Alibaba.
Dans une étude publiée en avril 2025, des chercheurs d’Alibaba décrivent leur recours à GPT-4 et GPT-4o pour produire des données dans des langues autres que le chinois. Les réponses ont ensuite été affinées et évaluées avant de servir à entraîner de plus petits modèles Qwen. Cette efficacité a cependant une contrepartie, relevée par les chercheurs de Jiao-tong eux-mêmes : trop compter sur la distillation risque de freiner l’innovation locale et d’entretenir la dépendance aux avancées des fournisseurs étrangers.
Pékin encourage la méthode…
Les documents étudiés par Reuters montrent un soutien public à la distillation sans consigne de copier les modèles américains. Publié en janvier par huit administrations chinoises, le programme AI+Manufacturing encourage notamment cette technique pour faciliter le déploiement de l’IA dans l’industrie. L’objectif est de disposer de systèmes moins coûteux, et adaptés aux besoins des entreprises et des usines.
La frontière entre cet usage et une collecte abusive préoccupe tout autant les développeurs chinois. Selon une source de Reuters, certains auraient demandé au ministère de l’Industrie de préciser les limites entre l’utilisation ordinaire de modèles étrangers et la récupération organisée de leurs réponses pour l’entraînement.
…Washington conteste ses usages
Les échanges avec Washington n’ont pas permis de lever le désaccord. Les représentants chinois défendent une méthode classique de développement de l’IA tout en se disant ouverts à intervenir en cas de vol de propriété intellectuelle. Un responsable américain présente la distillation comme la principale explication du rattrapage chinois sur les champions US. Deux sources proches des développeurs chinois interrogées par Reuters estiment que la distillation explique seulement une partie du rattrapage. Selon elles, les modèles chinois ont aussi progressé grâce aux améliorations des algorithmes, à une meilleure utilisation des données et à leur conception.
Le durcissement des restrictions sur les puces pourrait néanmoins renforcer l’intérêt de cette approche, parallèlement aux démarches visant à louer des capacités de calcul NVIDIA hors de Chine. Washington cherche à freiner ses concurrents en leur bloquant l’accès au matériel. Il doit aussi composer avec des modèles américains dont les réponses peuvent servir de matière première à la photocopieuse chinoise.




