Les entreprises qui évaluent ce mois-ci des modèles chinois à pondération ouverte sont confrontées à une question qui n’a rien à voir avec les benchmarks : si l’utilisation d’un tel modèle sera encore simple dans un an. Le Kimi K3 de Moonshot AI est arrivé le 16 juillet en tant que plus grand modèle à poids ouvert jamais sorti, et en quelques jours, il a rouvert un débat politique à Washington qui était en sommeil depuis un an.
Le résultat affectera les décisions d’achat bien au-delà des États-Unis, car les mécanismes en discussion (règles fédérales en matière d’achats, listes noires d’exportation, avis de sécurité) transitent par les mêmes fournisseurs de cloud qui desservent la majeure partie du monde. Le déclencheur immédiat a été un message de Dean W. Ball, responsable des futurs stratégiques d’OpenAI et jusqu’à récemment conseiller principal en IA à la Maison Blanche de Trump.
Son évaluation du modèle est largement positive : un très bon modèle, écrit-il, dont il ne pense pas que les performances puissent être expliquées par la distillation. Il a également observé qu’il semblait « très gourmand en jetons » et qu’il n’était pas évident pour lui qu’il soit réellement bon marché à exploiter, une mise en garde utile, étant donné que le lancement de K3 avec un effort de raisonnement maximal comme seul paramètre et facture la sortie à 15 $ par million de jetons.
Il a ensuite prédit que l’administration Trump finirait par décider que sa meilleure stratégie était de créer un risque réglementaire autour des modèles chinois à pondération ouverte. Il ne s’agit pas d’une interdiction, qu’il considère comme l’un des motifs les plus stupides de la politique en matière d’IA, mais plutôt de directives souples de la part des agences suggérant que de tels modèles peuvent contenir des portes dérobées. « Cela n’a pas besoin d’être si bien justifié », a-t-il écrit. Assez d’incertitude et les entreprises réglementées reculent d’elles-mêmes.
Pourquoi les modèles chinois à poids ouvert constituent d’abord un problème commercial
La réaction a été féroce, et elle est venue des Américains plutôt que de Pékin. David Sacks, coprésident du Conseil consultatif du président sur la science et la technologie, a déclaré qu’il ne pouvait pas dire si Ball admettait une stratégie de capture de la réglementation ou en prédisait une, et que dans tous les cas, utiliser l’incertitude réglementaire comme un outil concurrentiel devrait être inacceptable.
Il a ajouté que les principaux laboratoires fermés, déjà un duopole en matière de revenus de modélisation, souhaitent que le gouvernement supprime leur concurrence open source. Yann LeCun et Martin Casado ont soutenu que développement ouvert et propriétaire peuvent coexister. Ball a précisé plus tard qu’il avait prévu plutôt que recommandé, et est revenu sur l’affirmation selon laquelle les poids ouverts ralentissaient nécessairement le peloton.
Derrière les personnalités se cache un problème arithmétique. Les laboratoires fermés ont besoin de revenus par jeton pour justifier le capital qu’ils lèvent pour les centres de données, et les modèles ouverts moins chers compressent ces revenus sans réduire la quantité d’IA utilisée, comme l’a souligné Braden Hancock, co-fondateur de Snorkel AI. TechCrunch. Les données de routage montrent déjà ce changement : les modèles à poids ouvert ont traité 29 % des jetons via la passerelle de production de Vercel en juin, contre environ un neuvième en avril, tout en représentant moins de 4 % des dépenses.
Cette pression vient de l’intérieur de la pile américaine. GitHub a rendu le code Kimi K2.7 de Moonshot généralement disponible dans le sélecteur de modèles Copilot le 1er juillet, hébergé sur Microsoft Azure. Les informations rapporte que Microsoft ajoute maintenant K3 à Azure et évalue s’il peut exécuter les fonctionnalités Copilot actuellement gérées par les modèles OpenAI et Anthropic, avec des économies d’inférence potentielles allant jusqu’à 600 millions de dollars.
Microsoft n’a confirmé ni le chiffre ni les fonctionnalités. Il s’agit d’une évaluation, pas d’un déploiement, mais c’est le plus gros client des deux laboratoires frontaliers américains, qui évalue l’alternative.
L’argument sécuritaire, pris au sérieux
Les motivations commerciales ne rendent pas fausses les préoccupations en matière de sécurité, et la version la plus solide mérite d’être mentionnée. Les poids ouverts ne peuvent pas être rappelés. Une fois qu’un modèle est téléchargé et exécuté dans des milliers d’organisations, aucun fournisseur ne peut le corriger, le révoquer ou proposer un correctif, ce qui constitue un profil de risque sensiblement différent de celui d’une API hébergée. Le comportement du modèle est plus difficile à auditer que le code du modèle : un réglage fin peut entraîner des biais ou des modes de défaillance qu’aucune inspection de licence ne révélerait.
Le NIST a déjà découvert des vulnérabilités de sécurité dans les modèles ouverts de DeepSeek, et pour les secteurs réglementés, les questions sur la provenance des données de formation et la gestion du contenu sont d’actualité, quel que soit l’endroit où le modèle a été construit.
Le contre-argument porte sur la proportionnalité plutôt que sur le licenciement. Sam Bresnick, chercheur à Georgetown, a fait valoir que l’arrêt des ventes de Nvidia H200 à la Chine ralentirait considérablement Pékin plutôt que l’interdiction des modèles ouverts que les Américains souhaitent utiliser, en ciblant l’entrée plutôt que la sortie. Et Ball lui-même en a concédé une version dans sa deuxième observation, attribuant la stratégie d’ouverture de la Chine en partie à un manque de ressources informatiques nationales pour servir les clients, ce qui en ferait en premier lieu un sous-produit involontaire des contrôles à l’exportation américains.
Ce qui est réellement susceptible de se produire.
Axios a rapporté le 20 juillet, citant des personnes proches de l’administration, que le Commerce avait envisagé l’année dernière d’ajouter les laboratoires d’IA chinois à la liste des entités, que la NSA et le Bureau du directeur national de la cybersécurité avaient envisagé de publier un avis sur les menaces des laboratoires d’IA chinois, et que la Maison Blanche avait envisagé un décret rendant les entreprises américaines responsables des violations si elles utilisaient des modèles chinois. Les responsables soucieux d’étouffer l’innovation ont tout tué.
Avec le départ du conseiller Sriram Krishnan et les pressions de la sécurité, les efforts ont repris, mais l’approche décrite repose sur les règles de passation des marchés publics, les menaces sur la liste des entités et la pression publique plutôt que sur l’interdiction. « Ce qui se passe réellement est plus lent et plus durable », a déclaré une source. Axios. Ni la Maison Blanche ni le Commerce n’ont répondu d’Axios demandes de commentaires, et Politique rapporte que le commerce ne bougera pas de sitôt.
Pour les acheteurs en dehors des États-Unis, l’exposition est indirecte mais réelle. Une règle écrite pour les industries réglementées américaines et les marchés publics fédéraux ne lie pas une banque malaisienne ou une entreprise de télécommunications indonésienne. Les hyperscalers sont la ligne de transmission.
La plupart des entreprises de cette région accèdent à Kimi K3 via Azure, AWS ou Google Cloud plutôt que via l’API propre à Moonshot, et si Washington rend l’hébergement de modèles chinois à poids ouvert assez inconfortable pour ces fournisseurs, le modèle quitte tranquillement le catalogue à Kuala Lumpur en même temps qu’il le quitte en Virginie.
Ball avait prévu cela dans son propre message, notant que les régulateurs ne voudraient pas pousser si fort que les hyperscalers cessent complètement de servir les modèles chinois, car cela ne ferait que pousser les startups vers des fournisseurs moins réputés. La solution évidente est de détenir votre propre copie. Moonshot publie les poids du K3 le 27 juillet et à partir de ce moment-là, le modèle ne peut plus être retiré à toute personne l’ayant téléchargé.
Mais comme indiqué précédemment, le K3 est un modèle difficile à auto-héberger : Moonshot recommande de le servir sur 64 accélérateurs ou plus, et le poids à lui seul atteint environ 1,4 To. Pour la plupart des entreprises, la solution de repli est théorique.
Cela laisse une question plus étroite que ce que suggèrent les gros titres. Il ne s’agit pas de savoir si les modèles chinois ouverts sont sûrs ou autorisés, mais si le modèle spécifique sur lequel vous construisez sera toujours dans le catalogue de votre fournisseur de cloud dans douze mois, et combien il vous en coûterait pour le déplacer s’il ne l’était pas. C’est une question de diligence raisonnable, à laquelle il est possible de répondre aujourd’hui.
Voir plus : Modèle à poids ouvert Kimi K3 : la plus grande IA de Chine mise sur la mémoire et non sur le calcul
