Elon Musk reconnaît que xAI a utilisé des modèles d'OpenAI pour entraîner et améliorer Grok

Lors des audiences de son procès contre OpenAI, Elon Musk a confirmé que xAI avait utilisé des modèles d'OpenAI pour améliorer Grok. Devant le tribunal, il n'a parlé que d'une pratique « partielle », mais cela a suffi à mettre sur la place publique l'une des méthodes d'entraînement les plus contestées des systèmes d'IA actuels.

Ce que Musk a reconnu

Lors d'une audience du tribunal fédéral de Californie, on a demandé à Musk s'il savait ce qu'est la distillation de modèles et si xAI avait appliqué cette approche aux technologies d'OpenAI. Il a d'abord répondu de façon évasive, en notant que, d'une manière ou d'une autre, « toutes les entreprises d'IA en général » font des choses similaires. Lorsque les avocats ont demandé si cela signifiait « oui », Musk a répondu sobrement : « en partie ».

Cet aveu compte pour d'autres raisons que xAI seule. Il est intervenu dans un procès où Musk cherche à prouver qu'OpenAI s'est écartée de sa mission initiale et agit à l'encontre de ce pour quoi il a aidé à lancer l'entreprise. Dans ce contexte, reconnaître l'utilisation des modèles d'un concurrent est sensible sur le plan politique et juridique. En pratique, il s'agit de l'aveu d'une pratique que les acteurs du marché eux-mêmes invoquent de plus en plus dans leurs reproches publics mutuels.

Comment fonctionne la distillation

La distillation de modèles est un schéma dans lequel un système plus grand et plus puissant joue le rôle de « professeur » et un modèle plus compact celui d'« élève ». Au lieu d'entraîner un nouveau modèle uniquement sur des données brutes, les développeurs utilisent les réponses, les évaluations ou les schémas de comportement du modèle le plus puissant et les transmettent à l'élève. Cela permet d'améliorer la qualité plus vite et d'économiser des ressources de calcul.

«

Utiliser d'autres IA pour vérifier sa propre IA est une pratique standard ».

Au sein d'une même entreprise, cette approche est considérée comme normale depuis longtemps : les laboratoires réduisent régulièrement leurs propres modèles phares pour sortir des versions moins chères et plus rapides. Le problème commence quand le « professeur » est le modèle d'un concurrent. La question n'est alors plus seulement technique, mais aussi juridique : s'agit-il d'une optimisation légitime ou d'une tentative de copier à bas coût les capacités d'autrui ? C'est là que passe la principale ligne de tension entre la vitesse de développement et la protection de l'avantage intellectuel.

Pourquoi le différend s'amplifie

C'est pourquoi la distillation est devenue l'un des sujets les plus sensibles du marché de l'IA. Formellement, la méthode elle-même n'est pas interdite, mais les limites de l'acceptable dépendent souvent des conditions d'utilisation, des politiques internes et de la manière exacte dont les données d'entraînement ont été collectées. À cause de cette zone grise, les entreprises s'accusent de plus en plus non pas de copier directement du code, mais de transférer le comportement des modèles. Les précédents judiciaires sont encore peu nombreux, si bien que les règles du jeu dans ce domaine se dessinent en temps réel.

• La distillation réduit le coût de l'entraînement et accélère la sortie de nouveaux modèles.
• Elle permet aux petits laboratoires de rattraper plus vite les leaders du marché.
• L'utilisation d'un modèle externe peut contredire les conditions de service de son propriétaire.
• Il est très difficile de prouver où s'arrête la « validation » et où commence la copie de capacités.

OpenAI avait déjà exprimé publiquement son inquiétude à l'idée que ses modèles puissent servir à de telles fins, et Anthropic a cité séparément DeepSeek, Moonshot et MiniMax parmi les entreprises qui lui posent question. Google cherche aussi à se protéger de ce qu'il appelle des « attaques de distillation » et des violations de ses conditions d'utilisation. Il apparaît désormais que même les protagonistes des conflits judiciaires les plus retentissants du secteur ne sont pas eux-mêmes étrangers à cette pratique.

Ce que cela signifie

L'affaire xAI montre que la distillation est définitivement devenue une norme du marché, même si les entreprises la critiquent publiquement chez leurs concurrents. Pour l'industrie, c'est un signal : les litiges autour de l'IA porteront de plus en plus non seulement sur les données et le droit d'auteur, mais aussi sur la possibilité d'« apprendre » d'un modèle tiers sans enfreindre les règles. Et ce sont précisément de tels procès qui peuvent déterminer où passera, dans les prochaines années, la frontière entre veille concurrentielle, optimisation d'ingénierie et violation des règles d'une plateforme.