DeepSeek vient de faire ce que personne n'attendait face à OpenAI.

Un modèle à 6 millions de dollars qui imite celui à 100 millions. Comment est-ce possible ?

En janvier 2025, DeepSeek a mis le feu à la Silicon Valley. Pas parce qu'il était « meilleur » qu'OpenAI — mais parce qu'il lui ressemblait trop, pour une fraction du coût. Des ingénieurs chez Anthropic et Google ont immédiatement posé la même question, en privé : avait-on volé les devoirs de quelqu'un d'autre ? Cette question n'est pas anecdotique. Elle touche au cœur d'une guerre technologique silencieuse, qui se joue dans des lignes de code et des fichiers de données d'entraînement. Cette guerre a un nom : la distillation de modèles.

Qu'est-ce que la distillation d'IA, exactement ?

La distillation est une technique d'entraînement dans laquelle un modèle plus petit — appelé « élève » — apprend non pas directement depuis des données brutes, mais en imitant les réponses d'un modèle plus puissant, le « professeur ». L'idée originale date de 2015, proposée par Geoffrey Hinton. À l'époque, il s'agissait de compresser un réseau de neurones pour le rendre plus rapide sur des appareils contraints.

Mais en 2024-2025, la technique a muté. Elle n'est plus seulement utilisée pour compresser un modèle — elle sert à le reproduire à moindre coût, parfois sans accès direct à ses paramètres internes, simplement en exploitant ses sorties publiques via une API.

Concrètement : si vous entraînez un modèle en lui faisant ingérer des millions de conversations générées par ChatGPT, vous obtenez un système qui se comporte comme ChatGPT — sans jamais avoir eu accès au code d'OpenAI.

Comment les concurrents exploitent cette faille légale (et technique)

Les conditions d'utilisation d'OpenAI, d'Anthropic et de Google Gemini interdisent explicitement l'utilisation de leurs sorties pour entraîner des modèles concurrents. Mais la réalité du terrain est plus complexe :

• La vérification est presque impossible. Comment prouver qu'un dataset d'entraînement contient des réponses de GPT-4 si elles ont été paraphrasées ou mélangées à d'autres sources ?
• Les acteurs non américains ne sont pas soumis aux mêmes règles. Une entreprise chinoise, coréenne ou européenne n'a aucune obligation contractuelle envers OpenAI.
• Le phénomène est massif à l'échelle open source. Des modèles comme Alpaca (Stanford, 2023) ont été explicitement construits sur des données de GPT, avant d'être retirés sous pression.

OpenAI a publiquement accusé DeepSeek d'avoir utilisé une technique appelée distillation par API — envoyer des millions de requêtes à GPT-4 pour collecter des paires question-réponse et s'en servir comme données d'entraînement. DeepSeek n'a ni confirmé, ni démenti.

Les implications concrètes pour la compétitivité technologique

1. La domination par l'investissement est remise en question

OpenAI a dépensé des centaines de millions de dollars pour entraîner GPT-4. Si un concurrent peut obtenir 80 % des performances pour 5 % du budget, le modèle économique de l'IA de pointe s'effondre. L'avantage concurrentiel ne réside plus dans la puissance brute du modèle, mais dans les données propriétaires, l'intégration produit et la relation client.

2. Une nouvelle course aux armements réglementaires

Les grandes entreprises poussent désormais pour des régulations sur la traçabilité des données d'entraînement. L'Union européenne, via l'AI Act, commence à imposer des obligations de transparence. Mais l'application reste un défi titanesque — et les acteurs hors UE contournent facilement ces règles.

3. Les modèles open source changent la donne pour tout le monde

Des modèles comme Llama 3 (Meta) ou Mistral ont démocratisé l'accès à des capacités autrefois réservées aux géants. Pour une startup française ou un laboratoire universitaire africain, la distillation d'un modèle open source puissant devient une voie légitime et accessible vers l'autonomie technologique.

Ce que cela signifie pour vous, entreprise ou particulier

Si vous utilisez ChatGPT, Claude ou Gemini dans un contexte professionnel, sachez que vos interactions contribuent — indirectement — à améliorer ces modèles. Vos données ont de la valeur, et elles circulent dans un écosystème plus poreux qu'il n'y paraît.

Si vous êtes une entreprise qui envisage de déployer une IA interne, la distillation offre une opportunité réelle : adapter un modèle open source existant à votre domaine métier, en le « nourrissant » avec vos propres données. C'est legal, efficace, et de plus en plus accessible.

Conclusion : l'IA propriétaire n'est plus un coffre-fort

La distillation de modèles révèle une vérité inconfortable : dans la course à l'IA, les barrières à l'entrée s'érodent plus vite que les leaders du marché ne l'anticipaient. Ce n'est pas la fin d'OpenAI ou d'Anthropic — mais c'est la fin de l'illusion selon laquelle une avance technologique suffit à garantir une domination durable. L'ère de la singularité des modèles est terminée. Celle de la prolifération intelligente commence.

La vraie question n'est plus qui a le meilleur modèle. C'est : qui contrôle les données, les usages et la confiance. Et là, la partie est loin d'être jouée.

— Reservoir Live