Pouvoir & systèmes

Les puces interdites ont laissé leur empreinte dans six IA chinoises

Encore faut-il savoir ce que cette empreinte prouve.

6 min de lecture
Les puces interdites ont laissé leur empreinte dans six IA chinoises

Des nombres tirés au hasard qui gardent une adresse

Avant d'apprendre quoi que ce soit, un modèle d'IA est un immense tableau de nombres tirés au hasard. L'entraînement les corrige ensuite, un par un, pendant des semaines. Mais certains ne bougent jamais : ceux qui sont réservés à des mots que le modèle ne croisera pas une seule fois. Ils restent tels qu'au premier jour, comme la poussière sous un meuble qu'on ne déplace pas.

Will DePue, ancien ingénieur d'OpenAI parti cette année fonder une structure à but non lucratif, Unemployment Labs, a regardé cette poussière de près. Dans un rapport publié le 12 novembre, il affirme y lire le modèle de puce qui a fait naître chaque IA. Et il en tire une conclusion qui tombe mal pour Washington : six modèles chinois récents sont nés sur des puces Nvidia Blackwell, la génération que les États-Unis interdisent de vendre à la Chine sans licence.

Une puce qu'on ne vend pas à Pékin

Blackwell, c'est la gamme la plus récente de Nvidia pour les centres de calcul : B200, B300, et leurs versions couplées à un processeur maison, GB200 et GB300. Une note du ministère américain du Commerce, datée du 31 mai 2026, rappelle que depuis le 17 novembre 2023, fournir ce type de puce de pointe à une entreprise dont la maison mère est chinoise exige une licence, même quand cette entreprise opère hors de Chine. Aucune licence n'a été rapportée pour ces modèles, note DePue.

Le soupçon n'est pas neuf. En juillet, la Maison-Blanche accusait Moonshot, le laboratoire derrière Kimi K3, d'avoir accédé à des serveurs GB300 en Thaïlande. Comme on l'écrivait alors, aucune preuve technique publique n'avait été présentée. Ce qui change ici, c'est la pièce : elle ne vient ni d'une fuite ni d'un informateur, mais des poids que les laboratoires ont eux-mêmes publiés.

Le même tirage, posé sur 132 ou 152 colonnes

Le mécanisme tient à un détail d'ingénierie. Pour remplir des milliards de cases vite, PyTorch, le logiciel qui sert à fabriquer la plupart des grands modèles, répartit le tirage entre des milliers de petites tâches parallèles : 2 048 par cœur de calcul. Or le nombre de cœurs change d'une puce à l'autre. 132 sur les Hopper de la génération précédente (H100, H800, H200), 148 sur les B200 et B300, 152 sur les GB200 et GB300.

Prenons un jeu de cartes distribué autour d'une table. Avec 132 joueurs ou avec 152, les cartes sortent du paquet dans le même ordre, mais elles n'atterrissent pas devant les mêmes personnes. Ici, c'est pareil : la même graine de départ donne les mêmes nombres, mais à des emplacements différents selon la puce. Le code de PyTorch le confirme : la répartition dépend du nombre de cœurs de la puce.

DePue a donc cherché quelle graine et quel nombre de cœurs redonnent les valeurs restées figées. Il dit avoir passé en revue environ 6 000 milliards de combinaisons.

DeepSeek, même graine, deux machines

Le cas le plus net est celui de DeepSeek, qui réutilise la même graine d'un modèle à l'autre. Son DeepSeek-V3, sorti en décembre 2024, correspond à 132 cœurs : des Hopper, ce qui colle avec les H800 que le laboratoire avait déclarés. Son DeepSeek-V4-Flash, sorti en avril 2026, correspond à 148 cœurs.

DePue a ensuite fait la contre-épreuve sur de vraies machines. Sur une B300, PyTorch sans aucune modification régénère 461 des 469 lignes testées de V4-Flash, dont 445 au bit près. Sur une H100, il régénère celles de V3. Aucune des deux puces ne reproduit le modèle de l'autre, et décaler la graine d'une seule unité ne donne plus rien. Même résultat pour Kimi K3 sur une GB200 louée.

La liste complète compte six modèles de quatre laboratoires : DeepSeek-V4-Flash et V4-Pro, Kimi K3 et K3.1-Pro chez Moonshot, MiniMax-M3, et Ling-3.1-flash d'Ant Group, la maison mère d'Alipay. Chez chacun, le modèle précédent lisait encore Hopper. Tout le monde n'a pas basculé : les derniers modèles d'Alibaba, Zhipu, Tencent, Xiaomi et StepFun lisent toujours Hopper.

Pour tester sa méthode, DePue l'a passée sur 24 modèles dont le constructeur a publié le matériel. Elle tombe juste à chaque fois : 132 cœurs pour Llama 3.1 de Meta, entraîné sur H100, et 152 pour Nemotron-3 Ultra de Nvidia, dont une phase a tourné sur GB200. Il précise lui-même que ces témoins ne sont pas tous indépendants, et parle d'un contrôle de cohérence plutôt que d'un taux de réussite mesuré.

Le contrôle tourne en quelques secondes sur un ordinateur portable. On l'a relancé, en retéléchargeant les poids depuis les dépôts officiels des quatre laboratoires : il retombe sur les mêmes valeurs. Seul le bon nombre de cœurs fait coïncider les nombres, tous les autres restent au niveau du bruit.

DeepSeek ne s'en cachait d'ailleurs pas tout à fait : le moteur qu'il a publié en octobre pour faire tourner ses modèles n'est prévu que pour les puces Blackwell et pour les Ascend de Huawei.

Ce que l'empreinte ne dit pas

D'abord, c'est encore une méthode publiée, pas une méthode éprouvée. Le contrôle qu'on a relancé est celui de DePue, avec son code. La contre-épreuve sur de vraies puces Blackwell, personne d'autre ne l'a publiée à ce jour. DePue affirme sur X que des chercheurs d'OpenAI et d'Anthropic ont vérifié ses résultats, mais aucun ne s'est exprimé publiquement, et son rapport n'en dit rien.

Ensuite, une autre puce peut imiter la signature : une AMD MI300X, réglée de façon très inhabituelle pour n'utiliser que 148 ou 152 de ses unités. DePue l'a écartée pour DeepSeek-V4-Flash grâce à d'infimes différences d'arrondi entre les deux constructeurs. Pour les cinq autres modèles, il la juge très improbable sans pouvoir l'exclure. Cette puce est d'ailleurs, elle aussi, soumise au contrôle des exportations.

L'empreinte désigne aussi la machine qui a créé les poids de départ, pas forcément celles qui ont fait tout l'entraînement. Un modèle peut naître sur une puce et grandir sur d'autres. DePue estime malgré tout qu'environ 12 000 puces Blackwell auraient servi aux cinq entraînements, pour plus d'un demi-milliard de dollars. Il écrit qu'il n'a pas confiance dans ces estimations, et il les a d'ailleurs relevées le jour même de la publication.

Surtout, la méthode ne dit ni où étaient les puces ni à qui elles appartenaient. Des serveurs Blackwell se louent dans des centres de données hors de Chine, et louer de la puissance de calcul n'est pas acheter une puce. C'est justement ce trou qu'un projet de loi américain, le Cloud Security Act, veut boucher, selon The Register. Le rapport le dit sans détour : ses preuves montrent un accès au matériel, pas une contrebande ni une infraction aux règles d'exportation.

Le hasard a gardé le nom de la machine. Il n'a pas gardé son adresse.

Cet article vous a été utile ?

Sujets abordés :

GéopolitiqueNvidiaDécryptage

Questions fréquentes

Comment peut-on savoir sur quelle puce un modèle d'IA est né ?
Avant l'entraînement, un modèle est rempli de nombres tirés au hasard, et certains ne bougent jamais. Or PyTorch répartit ce tirage selon le nombre de cœurs de calcul de la puce : 132 sur les Hopper, 148 sur les B200 et B300, 152 sur les GB200 et GB300. Will DePue cherche la graine et le nombre de cœurs qui redonnent ces valeurs figées, et affirme y lire le modèle de puce. Le code de PyTorch confirme que la répartition dépend du nombre de cœurs.
Quels modèles chinois gardent la trace de puces Blackwell ?
D'après le rapport de Will DePue publié le 12 novembre, six modèles de quatre laboratoires : DeepSeek-V4-Flash et V4-Pro, Kimi K3 et K3.1-Pro chez Moonshot, MiniMax-M3 et Ling-3.1-flash d'Ant Group. Blackwell est la génération de puces Nvidia que les États-Unis interdisent de vendre à la Chine sans licence ; aucune licence n'a été rapportée pour ces modèles, note DePue. Les derniers modèles d'Alibaba, Zhipu, Tencent, Xiaomi et StepFun lisent toujours Hopper.
Est-ce la preuve d'une contrebande de puces ?
Non. Le rapport le dit lui-même : ses preuves montrent un accès au matériel, pas une contrebande ni une infraction aux règles d'exportation. La méthode ne dit ni où étaient les puces ni à qui elles appartenaient, et des serveurs Blackwell se louent dans des centres de données hors de Chine. L'empreinte désigne aussi la machine qui a créé les poids de départ, pas forcément celles qui ont fait tout l'entraînement.
La méthode de Will DePue est-elle fiable ?
C'est une méthode publiée, pas encore éprouvée par un tiers. Declic Media a relancé le contrôle avec le code de DePue : il retombe sur les mêmes valeurs. Mais la contre-épreuve sur de vraies puces Blackwell, personne d'autre ne l'a publiée à ce jour. Une AMD MI300X réglée de façon très inhabituelle peut imiter la signature : DePue l'a écartée pour DeepSeek-V4-Flash, et la juge très improbable pour les cinq autres modèles sans pouvoir l'exclure.
OpenAI et Anthropic ont-ils vérifié ces résultats ?
On ne peut pas le vérifier. Will DePue affirme sur X que des chercheurs d'OpenAI et d'Anthropic ont vérifié ses résultats, mais aucun ne s'est exprimé publiquement, et son rapport n'en dit rien.
Alexandre Noto

Alexandre Noto

Co-fondateur & Expert Tech

Alexandre est dans la tech depuis plus de 20 ans. Entrepreneur, architecte logiciel et passionné d'intelligence artificielle, il traduit les concepts complexes en explications accessibles. Chez Declic Media, il est la voix technique qui rend l'IA compréhensible pour tous.

Tous les articles de Alexandre →
La newsletter IA gratuite