Des traces de GPU Blackwell retrouvées dans les poids de DeepSeek : 445 lignes sur 469 concordent sur B300
L'ancien chercheur d'OpenAI Will Depue affirme avoir trouvé dans les poids de DeepSeek-V4-Flash la signature de cartes NVIDIA Blackwell, dont les livraisons vers la Chine sont restreintes par les États-Unis. Avant l'entraînement, PyTorch remplit les poids de nombres aléatoires, et leur disposition dépend du modèle de GPU, un peu comme l'ordre de distribution d'un jeu de cartes. Sur B300 (Blackwell), 445 lignes sur 469 concordent avec la publication jusqu'au dernier bit ; sur H100, aucune concordance exacte. C'est un indice sur le démarrage de l'entraînement, mais pas sur l'ensemble de celui-ci.
Traité par IA depuis TG: @ai_machinelearning_big_data (Machinelearning) ; édité par Hamidun News
L'ancien chercheur d'OpenAI Will Depue affirme qu'à partir des poids ouverts de modèles chinois, il est possible de déduire la carte graphique sur laquelle leur entraînement a commencé. Dans les poids de DeepSeek-V4-Flash, il a trouvé l'empreinte de NVIDIA Blackwell, la dernière génération de GPU, dont les livraisons vers la Chine sont restreintes par les États-Unis. L'idée est simple : avant l'entraînement, PyTorch remplit les poids de nombres de départ, générés directement sur la carte graphique, et leur disposition dépend de la configuration du GPU.
Depue a prélevé 469 lignes des poids publiés et les a reproduites sur une NVIDIA B300 réelle (c'est du Blackwell). Sur 445 lignes, les nombres concordent bit à bit, c'est-à-dire jusqu'au dernier bit, alors que sur le H100, de génération précédente, aucune concordance exacte n'a été observée.
Comment une carte graphique laisse son empreinte dans un modèle
Les contrôles à l'exportation des puces avancées de NVIDIA sont devenus l'un des principaux leviers de pression sur l'IA chinoise. Mais vérifier sur quel matériel un modèle donné a été entraîné est presque impossible : les entreprises restent muettes sur leur matériel ou se contentent de formules générales.
L'empreinte apparaît ainsi. Avant l'entraînement, les poids du réseau sont remplis de nombres « aléatoires », en réalité pseudo-aléatoires. La disposition de ces nombres dans le tenseur dépend de la configuration de la carte graphique. Imaginez plusieurs personnes distribuant le même jeu de cartes, mais chacune selon son propre ordre de distribution. Le jeu est identique, mais les mains obtenues diffèrent.
Dans les poids publiés de DeepSeek-V4-Flash, une partie des lignes a conservé ses valeurs initiales : l'entraînement ne les a pas effacées. Depue en a prélevé 469 et a tenté de les reproduire sur du matériel réel. Sur la B300, 445 concordent ; sur H100, aucune concordance n'a été trouvée pour ces mêmes lignes. Il en conclut que l'initialisation a été faite sur des GPU de la génération Blackwell.
Ce que l'analyse de six modèles montre
Depue a examiné les poids publics de six modèles de DeepSeek, Moonshot AI, MiniMax et Ant Group. Dans les six cas, il a relevé des traces d'initialisation sur Blackwell. Pour les modèles antérieurs de ces mêmes entreprises, l'analyse pointe vers Hopper, c'est-à-dire la génération précédente.
Le tableau est cohérent : l'empreinte évolue avec le changement de matériel. La méthode présente un avantage pratique : elle ne nécessite ni accès à des centres de données ni documents internes. Des poids publics et l'accès aux GPU concernés suffisent pour procéder à la comparaison.
Ce que ce résultat ne prouve pas
Il faut éviter les extrapolations. Le résultat ne porte que sur l'étape d'initialisation, le tout début du parcours du modèle. Quels GPU ont servi aux autres phases de l'entraînement, où ils se trouvaient et à qui ils appartenaient, cette analyse ne permet pas de le déterminer. Les cartes ont pu être louées, se trouver hors de Chine ou n'avoir servi qu'une fois.
La concordance de 445 lignes sur 469 n'est pas non plus totale, et les 469 lignes ont été sélectionnées par l'auteur lui-même. Le message d'origine ne comporte aucune réponse de DeepSeek, Moonshot AI, MiniMax ou Ant Group, et aucune vérification indépendante n'est citée. Il n'est donc pas possible d'en tirer des conclusions juridiques sur une violation des règles d'exportation.
Ce que cela change pour les développeurs et les fondateurs
Premièrement : les poids publics en disent plus qu'il n'y paraît. On peut en déduire non seulement l'architecture, mais aussi le matériel sur lequel l'entraînement a commencé. Si vous publiez vos points de contrôle, sachez que l'initialisation peut révéler votre infrastructure.
Deuxièmement : le contrôle des exportations de puces pourrait disposer d'un nouvel outil d'audit. Si d'autres chercheurs confirment cette méthode, régulateurs, analystes et concurrents pourraient l'appliquer.
Troisièmement : pour ceux qui reproduisent des entraînements de modèles, c'est un rappel que le résultat de l'initialisation dépend du matériel. La même graine de générateur sur des GPU différents peut donner des poids de départ différents. C'est important pour la reproductibilité des expériences et la comparaison des résultats entre clusters.
En somme, c'est un indice intéressant et vérifiable, mais pas une condamnation. Il montre que Blackwell a probablement participé au démarrage de l'entraînement de six modèles chinois. La suite de l'entraînement reste inconnue.
- 21 nov. 2026MLCommons se met à mesurer les API d'IA sous charge réelle : 7 mesures pour les agents
- 21 nov. 2026Via OpenRouter, une DeepSeek piratée a répondu pendant trois jours : les refus sont tombés de 83–98 % à 1 %
- 21 nov. 2026Alice, ChatGPT et Perplexity ne citent que 34 sites sur 309 pour les articles
- 21 nov. 2026CoreWeave a mesuré Vera Rubin : jusqu'à 10 fois plus de tokens par mégawatt que le GB200
Questions clés sur cet article
Comment une carte graphique laisse son empreinte dans un modèle?
Les contrôles à l'exportation des puces avancées de NVIDIA sont devenus l'un des principaux leviers de pression sur l'IA chinoise. Mais vérifier sur quel matériel un modèle donné a été entraîné est presque impossible : les entreprises restent muettes sur leur matériel ou se contentent de formules générales. L'empreinte apparaît ainsi. Avant l'entraînement, les poids du réseau sont remplis de nombres « aléatoires », en réalité pseudo-aléatoires.
Que sait-on sur Ce que l'analyse de six modèles montre ?
Depue a examiné les poids publics de six modèles de DeepSeek, Moonshot AI, MiniMax et Ant Group. Dans les six cas, il a relevé des traces d'initialisation sur Blackwell. Pour les modèles antérieurs de ces mêmes entreprises, l'analyse pointe vers Hopper, c'est-à-dire la génération précédente. Le tableau est cohérent : l'empreinte évolue avec le changement de matériel. La méthode présente un avantage pratique : elle ne nécessite ni accès à des centres de données ni documents internes.
Que sait-on sur Ce que ce résultat ne prouve pas ?
Il faut éviter les extrapolations. Le résultat ne porte que sur l'étape d'initialisation, le tout début du parcours du modèle. Quels GPU ont servi aux autres phases de l'entraînement, où ils se trouvaient et à qui ils appartenaient, cette analyse ne permet pas de le déterminer. Les cartes ont pu être louées, se trouver hors de Chine ou n'avoir servi qu'une fois. La concordance de 445 lignes sur 469 n'est pas non plus totale, et les 469 lignes ont été sélectionnées par l'auteur lui-même.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.