DeepSeek a copié GPT-4 : 3 méthodes que personne n'explique

Quand les garde-fous de l'IA s'effacent derrière la Grande Muraille numérique

En janvier 2025, DeepSeek a provoqué un séisme dans la Silicon Valley : une IA chinoise aussi performante que GPT-4, développée pour une fraction du coût annoncé. Derrière l'exploit technique affiché, une question s'est imposée dans les coulisses de l'industrie : comment un laboratoire soumis à des embargos stricts sur les semi-conducteurs a-t-il pu atteindre ce niveau en aussi peu de temps ? La réponse dérange — et elle concerne chaque entreprise qui utilise aujourd'hui un outil d'IA occidental.

Le contexte : une guerre technologique larvée

Depuis 2022, les États-Unis ont imposé des restrictions massives à l'exportation de puces vers la Chine — notamment les GPU H100 et A100 de NVIDIA, indispensables à l'entraînement des grands modèles de langage. L'objectif était clair : ralentir la course aux armements de l'intelligence artificielle côté chinois.

Mais les embargos technologiques ont une limite fondamentale : ils protègent le matériel, pas la connaissance. Et dans le domaine de l'IA, la connaissance circule sous forme de poids de modèles, de données d'entraînement et de techniques de distillation. Trois vecteurs que les laboratoires chinois ont appris à exploiter avec une efficacité redoutable.

Méthode n°1 : la distillation de modèles, le pillage légal

La distillation consiste à entraîner un modèle "élève" en lui faisant imiter les réponses d'un modèle "professeur" plus puissant. C'est une technique légitime — jusqu'à un certain point. OpenAI, Anthropic et Google ont tous intégré dans leurs conditions d'utilisation une clause interdisant d'utiliser leurs outputs pour entraîner des modèles concurrents.

Pourtant, des chercheurs de l'Université Carnegie Mellon ont démontré en 2024 que DeepSeek avait probablement utilisé des sorties de GPT-4 pour affiner ses propres modèles, en analysant des similitudes stylistiques et des erreurs caractéristiques partagées entre les deux systèmes. OpenAI a confirmé avoir détecté des appels API suspects en provenance de Chine — des millions de requêtes automatisées conçues pour extraire du savoir à grande échelle.

• Des comptes créés via des VPN ou des proxies américains pour contourner les restrictions géographiques
• Des pipelines automatisés générant des milliers de paires question-réponse par heure
• Une exploitation des APIs publiques avant que les garde-fous ne soient renforcés

Méthode n°2 : le recrutement et l'exfiltration de cerveaux

Le pillage technologique ne se fait pas uniquement via des serveurs. Il passe aussi par les hommes. Plusieurs enquêtes du FBI et du département de la Justice américaine ont mis en lumière un phénomène systématique : des ingénieurs ayant travaillé chez Google DeepMind, Meta AI ou OpenAI ont rejoint des laboratoires liés au gouvernement chinois, emportant avec eux une connaissance tacite impossible à breveter.

Ce n'est pas illégal en soi — la mobilité des talents est une réalité du marché. Mais certains cas sont allés plus loin. En 2023, un ancien employé de Google a été inculpé pour avoir volé des fichiers liés à l'architecture des TPU (les puces d'IA propriétaires de Google) avant de rejoindre deux entreprises chinoises du secteur. La frontière entre recrutement et espionnage industriel est mince, et les procédures juridiques peinent à la suivre.

Méthode n°3 : les failles des chaînes d'approvisionnement en données

L'entraînement d'une IA performante nécessite des données massives et de haute qualité. Or, une part significative des datasets utilisés en Occident — Common Crawl, The Pile, des corpus académiques — est librement accessible et indexée par des acteurs internationaux. Les laboratoires chinois y ont accès au même titre que n'importe qui.

Plus préoccupant : des chercheurs ont identifié des cas où des données propriétaires d'entreprises occidentales se sont retrouvées dans des corpus d'entraînement chinois, via des prestataires tiers, des plateformes de sous-traitance en ligne, ou des fuites involontaires liées à des intégrations API mal sécurisées.

Ce que cela signifie concrètement pour les entreprises

Si vous utilisez ChatGPT, Claude ou Gemini pour traiter des documents internes, des contrats, des stratégies commerciales — vous devez comprendre une chose : chaque donnée saisie dans une interface IA peut potentiellement contribuer à l'entraînement futur d'un modèle, selon les politiques en vigueur. Et ces données peuvent indirectement alimenter des systèmes que vous n'avez jamais choisis.

Les implications sont concrètes :

• Propriété intellectuelle : des idées soumises à une IA peuvent être exposées si les protocoles de confidentialité ne sont pas clairs
• Compétitivité : une entreprise concurrente, même indirectement, peut bénéficier de connaissances extraites de vos usages
• Souveraineté des données : la question de savoir où vos données sont stockées et traitées n'a jamais été aussi stratégique

La réponse occidentale : réglementation, cloisonnement, vigilance

Face à ces menaces, plusieurs réponses émergent. L'Union européenne travaille activement à des exigences de transparence sur l'origine des données d'entraînement dans le cadre de l'AI Act. Des entreprises comme Anthropic et OpenAI ont renforcé leurs systèmes de détection des comportements d'extraction abusive. Et des initiatives comme l'IA souveraine européenne (Mistral en tête) tentent de créer des alternatives moins exposées.

Mais la vérité reste inconfortable : dans une guerre technologique asymétrique, les règles du jeu sont définies par celui qui les contourne le plus vite. Et les laboratoires chinois ont montré qu'ils maîtrisaient cet art mieux que quiconque ne voulait l'admettre.

Conclusion : la naïveté est une vulnérabilité

DeepSeek n'est pas un miracle de l'ingénierie chinoise sortie du néant. C'est le résultat visible d'une stratégie patiente, méthodique, qui a su exploiter chaque faille — légale, technique et humaine — du système d'innovation occidental. Ignorer ce fait par confort intellectuel ou par peur de paraître alarmiste, c'est précisément le type de naïveté que ces acteurs comptent dans leur stratégie.

La prochaine fois que vous interrogez une IA sur vos projets les plus sensibles, posez-vous la question : qui d'autre est en train de lire cette réponse ?

— Reservoir Live