Copier un modèle n’exige ni vol de poids ni intrusion : il suffit de lui poser des millions de questions et d’entraîner le sien sur les réponses. Anthropic vient d’annoncer sur X qu’au cours des derniers mois, elle a « réalisé des progrès significatifs » pour réduire l’efficacité de ces attaques contre Claude, et promet d’expliquer comment dans un article dédié.
Ce détail technique n’est pas encore publié. Le message de février, lui, décrit déjà le cadre et les outils dont dispose l’éditeur.
De technique banale à enjeu industriel
La distillation (entraîner un modèle plus petit ou concurrent sur les sorties d’un modèle plus puissant) est une pratique courante et légitime quand on l’applique à ses propres modèles. Elle devient une attaque quand elle sert à aspirer les capacités d’un concurrent à travers son API (interface de programmation), en violation de ses conditions d’utilisation.
Dans son message de février, publié sur anthropic.com, l’entreprise nommait trois laboratoires, DeepSeek, Moonshot AI et MiniMax, et décrivait des campagnes menées avec de très nombreux comptes frauduleux, via des services de proxy commerciaux et des réseaux de comptes de remplacement : quand l’un est banni, un autre prend le relais. Ces accusations restent celles d’Anthropic et n’ont pas été tranchées de façon indépendante.
Renchérir l’extraction plutôt que l’interdire
Le mot-clé de l’annonce d’octobre est « efficacité ». Anthropic ne prétend pas rendre la distillation impossible : elle cherche à dégrader le rapport entre ce que coûte l’extraction et ce qu’elle rapporte. Comme dans toute défense industrielle, l’objectif est le renchérissement, pas l’étanchéité.
Les leviers évoqués en février sont de trois ordres :
- la détection, avec des classifieurs (des modèles chargés de trier les requêtes) et une empreinte du comportement des comptes, capables de repérer des schémas de requêtes typiques, notamment ceux qui cherchent à faire exposer le raisonnement pas à pas ;
- le contrôle des comptes, avec une vérification renforcée des offres éducation, recherche et startups, souvent détournées ;
- le partage d’indicateurs avec d’autres laboratoires et des fournisseurs de cloud.
L’éditeur annonçait aussi des protections au niveau du produit, de l’API et du modèle, conçues pour rendre les sorties moins utiles à un distillateur sans gêner les clients ordinaires. Les progrès annoncés se situent probablement de ce côté, mais l’article promis devra le confirmer.
Laboratoires entraînés sur Claude et clients ordinaires, deux calculs différents
Pour un laboratoire qui construit une partie de ses données d’entraînement à partir de sorties de modèles américains, l’équation se durcit. Chaque compte banni est un lot de données perdu, chaque sortie dégradée une qualité moindre, et la rotation de comptes coûte de plus en plus cher à mesure que la détection s’affine.
Les équipes qui utilisent légitimement Claude pour générer des jeux de données synthétiques ont un sujet plus immédiat : lire attentivement les conditions d’utilisation et éviter les volumes ou les motifs de requêtes qui ressemblent à une extraction. Un faux positif n’est pas exclu, et Anthropic affirme ne pas vouloir toucher les usages normaux sans publier, à notre connaissance, de taux d’erreur.
Un coût qui monte sans que le phénomène s’éteigne
Notre lecture : le jeu du chat et de la souris va durer. Une défense qui dégrade les sorties ou détecte les comptes sera contournée, puis renforcée, puis contournée de nouveau. D’ici un an, la distillation sauvage de modèles de pointe aura vraisemblablement un coût suffisant pour que les laboratoires concernés misent davantage sur leurs propres données et sur des accords explicites, sans que le phénomène disparaisse.
Cette lecture suppose que la dégradation des sorties épargne réellement les clients légitimes. Si des développeurs se plaignent d’une baisse de qualité de Claude, l’argument d’Anthropic se retournera contre elle. L’article technique promis et les retours des utilisateurs sur la constance des réponses, dans les semaines qui viennent, diront ce qu’il en est.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 17 évaluations
Faire appel à mes services →
