Anthropic affirme que le laboratoire Qwen d'Alibaba a exploité 25 000 comptes fictifs pour voler les capacités de Claude

Anthropic a accusé le laboratoire d'IA Qwen d'Alibaba d'avoir orchestré ce qu'elle qualifie de plus grande attaque de distillation (distillation) connue contre ses modèles Claude, en utilisant près de 25 000 comptes frauduleux pour récolter 28,8 millions de conversations sur une fenêtre de 45 jours allant du 22 avril au 5 juin 2026.

L'entreprise a divulgué l'opération présumée dans une lettre adressée aux membres de la commission bancaire du Sénat américain, la présentant comme une tentative de "transformer des centaines de milliards de dollars d'investissement américain dans l'IA en une subvention pour un concurrent géopolitique". Alibaba ne s'est pas exprimée publiquement sur les accusations précises.

Qu'est-ce que la distillation, et pourquoi est-ce important ?

La distillation est une technique d'entraînement légitime : on fait tourner un modèle plus grand et plus performant sur des milliers de problèmes, puis on entraîne un modèle plus petit sur ces réponses. Le résultat est un modèle compact qui rend plus que son poids ne le laisserait croire, parce qu'il a appris d'un enseignant plus intelligent.

Lorsqu'elle est appliquée sans autorisation au modèle de production d'un concurrent, elle s'apparente toutefois davantage à de l'espionnage industriel. Un laboratoire qui distille avec succès un modèle de pointe contourne des années de recherche et des milliards de dollars de calcul — et, surtout, le travail de sécurité minutieux qui a accompagné ce développement. Comme l'a formulé Anthropic dans sa divulgation de février concernant des attaques antérieures : "les capacités dangereuses se transmettent par les sorties. Les mois passés à faire en sorte que le modèle refuse les requêtes nuisibles, eux, ne se transmettent pas."

Un schéma, pas un cas isolé

L'accusation visant Alibaba est la plus marquante d'une série qui s'intensifie. En février 2026, Anthropic a révélé que trois start-ups chinoises d'IA — DeepSeek, Moonshot AI et MiniMax — avaient collectivement exploité environ 24 000 comptes frauduleux responsables de plus de 16 millions d'échanges avec Claude, ciblant les capacités de codage, de raisonnement et agentiques du modèle.

L'opération Qwen éclipse ces incidents antérieurs par son ampleur : 28,8 millions de conversations en moins de sept semaines, les comptes ciblant spécifiquement l'ingénierie logicielle avancée et le raisonnement agentique multi-étapes de Claude — précisément les capacités les plus précieuses dans la vague actuelle d'outils de développement propulsés par l'IA.

Ce que demande Anthropic

Au-delà de la divulgation de l'incident, Anthropic appelle les décideurs politiques américains à traiter les attaques de distillation à grande échelle comme une question de sécurité nationale. L'entreprise soutient qu'aucun laboratoire ne peut à lui seul détecter et bloquer de manière fiable ces campagnes, et qu'une "action rapide et coordonnée entre les acteurs de l'industrie, les décideurs politiques et la communauté mondiale de l'IA" est nécessaire.

Sur le plan technique, Anthropic indique avoir déployé des systèmes de détection améliorés capables d'identifier les schémas comportementaux qui distinguent les comptes de collecte par distillation des utilisateurs légitimes — un interrogatoire massif, systématique et répétitif à travers divers domaines de capacités, plutôt que la variété organique de véritables sessions de développeurs.

Ce que cela signifie pour les développeurs

Pour la majorité pratique des développeurs qui construisent avec Claude Code ou l'API d'Anthropic, rien ne change au quotidien. Anthropic a déclaré que l'usage légitime n'était pas affecté et que l'application des conditions d'utilisation visait les faux comptes plutôt que les clients normaux de l'API.

Mais l'épisode est un rappel utile des enjeux économiques. Les capacités qui rendent Claude précieux pour les tâches de codage agentique — raisonnement approfondi, utilisation d'outils en plusieurs étapes, refus robustes — représentent un investissement cumulé considérable. Lorsque ces capacités sont extraites et répliquées sans contraintes de sécurité, les modèles en aval qui en émergent sont à la fois moins chers et potentiellement moins sûrs, remodelant le marché d'une manière qui affecte chaque développeur choisissant sa pile technologique.

Cela signale également que le choix d'un modèle en 2026 n'est plus uniquement une question de scores de référence et de prix. La provenance — qui l'a construit, comment, et sous quel régime de sécurité — devient elle aussi un facteur qu'il vaut la peine de comprendre.