Kimi K3 accusé de piller Claude Fable : ce que disent vraiment les experts

Le 23 juillet 2026, Michael Kratsios, conseiller scientifique de la Maison-Blanche, a publié un message accusant Moonshot, la société chinoise derrière Kimi K3 (le plus grand modèle de langage à poids ouverts actuellement disponible), d'avoir construit ce modèle en copiant Claude Fable d'Anthropic, tout en utilisant des puces interdites à l'export vers la Chine. « Une distillation industrielle à grande échelle et dissimulée, visant à voler une technologie américaine propriétaire et à saper la recherche américaine, est inacceptable », a-t-il écrit. Le secrétaire au Trésor Scott Bessent a enfoncé le clou en affirmant avoir retrouvé des « watermarks » de modèles américains sur plusieurs modèles chinois.

Problème : ni l'un ni l'autre n'a produit la moindre preuve technique. Moonshot n'a pas répondu aux questions de TechCrunch sur son processus d'entraînement, et les chercheurs en IA interrogés se montrent nettement plus sceptiques que la Maison-Blanche sur la version « vol pur et simple de Fable ».

Kimi K3 et Claude Fable, en deux minutes pour les nouveaux venus

Kimi K3 est le dernier modèle de Moonshot, une entreprise chinoise fondée notamment par un ancien doctorant de Carnegie Mellon. Il est diffusé en poids ouverts (open weight) : n'importe qui peut télécharger le modèle, l'exécuter sur son propre matériel et le modifier, à l'inverse de Claude, GPT ou Gemini qui restent fermés et accessibles uniquement via API. Claude Fable, de son côté, est le modèle d'Anthropic rendu public le 1er juillet 2026. L'accusation de Kratsios repose sur l'idée que Moonshot aurait massivement interrogé Fable pour en extraire les réponses et les réutiliser comme données d'entraînement, une technique appelée distillation.

Ce n'est pas un sujet neuf : Anthropic avait déjà accusé Moonshot, DeepSeek et MiniMax, plus tôt cette année, de distiller systématiquement ses modèles, en s'appuyant sur des millions d'échanges entre ses modèles et des utilisateurs identifiés via leur adresse IP et d'autres métadonnées, jugés « distincts de schémas d'usage normaux ». Ce précédent rend l'accusation plausible sur le principe. Ce qui l'est beaucoup moins, selon les experts interrogés par TechCrunch, c'est qu'elle explique à elle seule le niveau de Kimi K3.

Le calendrier ne colle pas avec une distillation classique

Braden Hancock, chercheur au Laude Institute et cofondateur de Snorkel AI, résume le problème simplement : « Je ne pense pas qu'on obtienne un modèle aussi performant, et aussi vite après Fable, par de la distillation pure. Il n'y a tout simplement pas le temps. Fable n'est public que depuis le 1er juillet. On ne peut pas distiller autant de données, entraîner un modèle, et le sortir en deux semaines. »

Nathan Lambert, chercheur à l'Allen Institute for AI, tient un raisonnement proche dans un podcast récent : selon lui, la distillation classique perd en pertinence à mesure que les modèles chinois se rapprochent de la frontière technologique et que l'entraînement bascule vers l'apprentissage par renforcement. Il ajoute que si la distillation suffisait à expliquer ces performances, n'importe quel laboratoire pourrait rattraper GLM ou K3 simplement en réutilisant leurs données en fine-tuning supervisé, ce qui n'est pas le cas.

Distillation, fine-tuning, renforcement : un mot qui recouvre plusieurs réalités

La distillation consiste à interroger systématiquement un modèle cible (parfois en lui demandant d'expliciter son raisonnement) pour générer des données réutilisables en post-entraînement. Ces données servent souvent au fine-tuning supervisé (SFT), qui donne au modèle ses « manières », comme le formule Lambert, mais dont l'apport diminue à mesure que les modèles gagnent en complexité.

Reproduire des capacités de niveau Fable demanderait plutôt de l'apprentissage par renforcement : un modèle plus grand note les réponses du modèle plus petit, qui ajuste ses paramètres en fonction de cette note. Les runs de renforcement les plus avancés peuvent mobiliser des dizaines de millions d'agents. Faire tourner cela via l'API d'un laboratoire concurrent serait, selon Hancock, « incroyablement coûteux, probablement ralenti par la lenteur de ces modèles en usage API, et pourrait même ne procurer aucun gain de performance ».

Hancock rappelle aussi une réalité que les commentaires officiels américains ont tendance à sous-estimer : le niveau technique des équipes chinoises. « Ce sont de vrais chercheurs et ingénieurs qui font du travail solide. Si les modèles américains s'arrêtaient net, je pense que les progrès chinois ralentiraient, mais continueraient. Ils ne se contentent pas de profiter du sillage des autres. »

L'autre piste : des puces interdites à l'export

Le second volet de l'accusation de Kratsios porte sur le matériel : Moonshot aurait obtenu des puces Nvidia Grace Blackwell 300, et accédé à des serveurs équipés de GB300 en Thaïlande. Ces puces sont interdites à l'export vers la Chine, mais un marché parallèle existe bel et bien, selon Sam Bresnick, chercheur au Center for Security and Emerging Technology de Georgetown. En mai 2026, le fondateur de Supermicro, un fabricant de serveurs américain, a été inculpé pour contrebande de puces avancées vers la Chine.

Bresnick plaide pour des règles de type « know your customer » appliquées aux centres de données du monde entier : si une entreprise fait tourner d'immenses runs d'entraînement sur du matériel de pointe, il devrait exister un mécanisme de déclaration sur qui elle est et ce qu'elle fait. Une proposition fédérale en ce sens avait été formulée par l'administration Biden en 2024, mais elle ne semble pas avoir progressé depuis.

Ce que ça change si vous évaluez un modèle open weight

Chez CZSyn, on voit de plus en plus de clients français, notamment des PME qui cherchent à réduire leurs coûts d'inférence, s'intéresser aux modèles chinois à poids ouverts comme Kimi ou GLM. Cette polémique ne change rien aux performances mesurées de Kimi K3 sur les benchmarks publics : la controverse porte sur la méthode d'entraînement, pas sur les résultats obtenus une fois le modèle entre vos mains. Trois points restent en revanche pertinents pour une décision technique sérieuse :

• La provenance ne se lit pas dans les poids du modèle. Vous ne pouvez pas vérifier par vous-même si un modèle a été entraîné par distillation, par renforcement, ou les deux. Basez votre choix sur des benchmarks indépendants et vos propres tests, pas sur des déclarations d'origine invérifiables, dans un sens comme dans l'autre.
• Le sujet est loin d'être propre aux acteurs chinois. Elon Musk a lui-même reconnu devant un tribunal que SpaceXAI avait distillé des modèles OpenAI pour développer Grok, en affirmant que la pratique est courante dans l'industrie. La frontière entre distillation et génération de jeux de données synthétiques reste, de l'aveu même des experts, assez floue.
• Le contexte réglementaire peut bouger vite. Des discussions sur une interdiction des modèles chinois à poids ouverts agitent déjà le secteur outre-Atlantique. Si vous intégrez un modèle open weight dans un produit destiné au marché américain, gardez un œil sur ces évolutions avant de figer une architecture dessus.

Notre lecture chez CZSyn

Cette affaire illustre bien un travers récurrent du débat public sur l'IA : remplacer une explication technique complexe (comment un laboratoire rattrape la frontière en quelques mois) par une explication simple et accusatoire (le vol pur et simple). La réalité, d'après les chercheurs interrogés par TechCrunch, est plus nuancée et, pour être franc, plus intéressante : des équipes chinoises compétentes, des techniques d'entraînement qui évoluent vite vers le renforcement, et sans doute un peu de distillation dans le mélange, comme c'est le cas chez à peu près tous les grands laboratoires, y compris américains.

Pour une agence comme la nôtre, qui recommande régulièrement des modèles à ses clients selon le cas d'usage et le budget, la leçon pratique est simple : jugez un modèle sur ce qu'il produit pour votre cas d'usage, pas sur le récit géopolitique qui l'entoure. La question des puces obtenues hors circuits autorisés, elle, mérite un suivi attentif : c'est un sujet réglementaire, pas un sujet de performance, mais elle peut avoir des conséquences bien réelles sur la disponibilité future de ces modèles.

Sources primaires

• TechCrunch, « Experts say exploiting Anthropic's Fable isn't how Kimi K3 got so good », 23 juillet 2026.
• Moonshot AI, organisation officielle sur Hugging Face, poids ouverts des modèles Kimi.
• Anthropic, site officiel, éditeur de Claude Fable.