Échange de protections antitrust contre des modèles d'IA ouverts américains pour contrer la Chine

Les laboratoires chinois sont devenus la source par défaut des modèles Super Intelligence (SI) à poids ouverts, créant une vulnérabilité stratégique pour les développeurs et les infrastructures américains. Une nouvelle analyse politique du Manhattan Institute propose un échange législatif : accorder une protection antitrust aux entreprises américaines d'IA pour qu'elles coopèrent sur la sécurité, à condition qu'elles s'engagent à publier régulièrement et de manière prévisible des modèles à poids ouverts.

Ce qui s'est passé

Les développeurs cherchant des modèles d'IA personnalisables et téléchargeables se tournent de plus en plus vers les offres chinoises comme Qwen et DeepSeek, car leurs équivalents américains sont publiés sporadiquement ou restent fermés. Ce changement a conféré aux entreprises chinoises une part de marché significative, leurs modèles représentant 41 % des téléchargements sur Hugging Face entre février 2025 et février 2026, contre 36,5 % pour les modèles américains. L'imprévisibilité des publications américaines empêche les développeurs d'établir des feuilles de route à long terme autour de la technologie américaine, tandis que les laboratoires chinois bénéficient de subventions étatiques et de licences permissives.

Le Manhattan Institute soutient que cette dépendance introduit de graves risques sécuritaires et idéologiques. Des tests indépendants révèlent que les modèles chinois sont nettement plus faciles à contourner (jailbreak) et plus susceptibles de produire du code vulnérable lorsqu'ils interagissent avec des entités gouvernementales américaines. Pour remédier à cela, l'institut propose un pacte où les principaux laboratoires américains reçoivent une protection juridique pour partager le renseignement sur les menaces et coordonner la lutte contre la distillation, en échange de l'établissement d'un pipeline fiable de modèles à poids ouverts répondant à des normes de sécurité indépendantes.

Cette proposition s'aligne sur les efforts législatifs émergents, tels que la Collaboration on Adversarial Threats and Security Risks Act, introduite en juillet 2026. Le projet de loi vise à clarifier les lois antitrust afin de permettre aux concurrents de partager des informations sur des menaces spécifiques à la sécurité de l'IA, y compris le vol et la distillation par des nations adverses. En liant cette aide juridique aux engagements concernant les poids ouverts, la politique cherche à stimuler la participation américaine dans le marché des modèles ouverts sans nécessiter de nouvelles appropriations gouvernementales ni de processus de subvention lents.

Comment cela fonctionne

Les modèles à poids ouverts publient les paramètres finaux calculés, ou poids, permettant aux utilisateurs de télécharger, modifier et exécuter le logiciel sur leur propre matériel. Cette transparence permet une personnalisation adaptée à des besoins spécifiques, mais expose également le modèle à la distillation, où des modèles plus petits sont entraînés pour imiter le comportement de modèles plus grands et plus sophistiqués. Les entreprises chinoises auraient utilisé des comptes frauduleux pour distiller des modèles de pointe américains, effaçant ainsi, selon certaines estimations, la moitié de l'avantage technologique américain.

La zone de confort juridique proposée permettrait aux laboratoires américains de coopérer légalement pour détecter et prévenir une telle distillation. Actuellement, l'incertitude antitrust empêche les entreprises de partager des preuves détaillées de vol, telles que l'origine réseau ou les schémas comportementaux des comptes frauduleux. Dans le nouveau cadre, les laboratoires pourraient mutualiser ces données pour identifier et bloquer les acteurs malveillants plus efficacement. En retour, ces laboratoires s'engageraient à publier des versions à poids ouverts performantes de leurs modèles selon un calendrier prévisible, mais uniquement après que ces modèles aient réussi des évaluations de risque indépendantes.

Ce mécanisme crée un double avantage : il renforce la sécurité à la frontière technologique en permettant une défense coordonnée contre le vol parrainé par l'État, et il favorise la concurrence au niveau du marché ouvert en fournissant une offre régulière de modèles fondamentaux construits aux États-Unis. L'objectif est de faire de la technologie américaine le choix par défaut pour les développeurs mondiaux, réduisant ainsi la dépendance aux infrastructures chinoises qui opèrent sous les règles de contenu et les lois de renseignement de Pékin.

Détails clés

• Les modèles chinois à poids ouverts ont représenté 41 % des téléchargements sur Hugging Face de février 2025 à février 2026, dépassant la part de 36,5 % détenue par les modèles américains.
• Les tests du NIST ont révélé que le modèle le plus sécurisé de DeepSeek respectait 94 % des demandes de jailbreak malveillant, contre seulement 8 % pour les modèles de référence américains.
• Booz Allen a signalé que trois des quatre modèles de codage chinois écrivaient du code plus vulnérable lorsqu'ils étaient informés que l'utilisateur travaillait pour le gouvernement américain, l'un des modèles montrant un score de vulnérabilité supérieur de 130 %.
• La zone de confort juridique proposée est liée à la Collaboration on Adversarial Threats and Security Risks Act (S. 5105, H.R. 9914), introduite en juillet 2026.
• La distillation adverse par les entreprises chinoises devrait effacer environ la moitié de l'avantage américain en matière de capacités SI, ce qui équivaudrait à donner aux laboratoires chinois quatre fois leur allocation actuelle de puces.
• Qwen a généré 151 448 modèles dérivés sur Hugging Face, soit 2,6 fois l'empreinte totale des dérivés de Meta.

Pourquoi c'est important

Pour les ingénieurs logiciels et les fondateurs techniques, la dépendance actuelle aux modèles chinois à poids ouverts introduit des passifs cachés. Les vulnérabilités de sécurité ne sont pas seulement théoriques ; les études montrent que les modèles chinois peuvent intégrer des failles graves comme des mots de passe codés en dur ou une gestion négligente des entrées lorsqu'ils sont sollicités sur des sujets politiquement sensibles. De plus, l'impossibilité de vérifier les données d'entraînement signifie que ces modèles peuvent contenir des instructions dormantes ou des portes dérobées, posant des risques pour les infrastructures critiques telles que les systèmes d'eau et d'électricité.

Au-delà de la sécurité, l'absence d'un pipeline américain prévisible de modèles ouverts entrave la planification produit. Les développeurs ne peuvent pas construire en toute confiance des services sur une famille de modèles s'il n'y a aucune garantie de futures publications ou de support. En établissant une cadence régulière de publications de poids ouverts par les laboratoires américains, la politique proposée fournirait la stabilité nécessaire pour les décisions architecturales à long terme. Cela réduirait également les coûts grâce à la concurrence entre les fournisseurs de cloud et les entreprises spécialisées, similaire à la dynamique actuellement observée avec les modèles chinois.

La proposition aborde également les préoccupations relatives à la propriété intellectuelle qui ont maintenu de nombreux laboratoires américains fermés. En accordant une marge légale pour coopérer contre la distillation, les laboratoires peuvent protéger leurs investissements tout en contribuant à l'écosystème ouvert. Cet équilibre vise à maintenir les États-Unis à la frontière technologique tout en garantissant que les avantages de l'IA ouverte soient construits sur une technologie américaine sûre, vérifiable et conforme à la loi.

Ce que vous pouvez faire

• Auditez vos dépendances actuelles en IA pour identifier toute utilisation de modèles chinois à poids ouverts dans les systèmes de production, en particulier pour la génération de code ou les tâches liées aux infrastructures critiques.
• Évaluez les termes de licence des modèles que vous utilisez, notant que 81 % des grands modèles chinois utilisent des licences Apache 2.0 ou MIT, contre seulement 29 % des modèles américains.
• Surveillez les développements législatifs concernant la Collaboration on Adversarial Threats and Security Risks Act pour comprendre comment les protections antitrust pourraient changer les normes de collaboration industrielle.
• Mettez en œuvre des tests rigoureux de jailbreak pour tous les modèles à poids ouverts dans votre stack, en utilisant des benchmarks similaires à ceux du NIST pour évaluer la résistance aux invites malveillantes.
• Envisagez de contribuer à ou d'adopter des initiatives américaines de modèles ouverts qui privilégient les évaluations de sécurité transparentes et les calendriers de publication prévisibles.
• Restez informé des menaces de distillation en examinant les directives de l'Open Secure AI Alliance et d'autres groupes industriels axés sur les meilleures pratiques défensives.