Will DePue, ancien chercheur chez OpenAI et co‑fondateur d’Unemployment Labs, a publié une enquête technique qui montre que plusieurs laboratoires d’Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. en Chine utilisent les tout derniers GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. Nvidia Blackwell, malgré les restrictions d’exportation américaines. L’étude s’appuie sur une méthode de « fingerprinting » des poids de modèle, un procédé qui révèle le type de processeur qui a initialisé les valeurs aléatoires avant l’TrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances..
Comment la signature est détectée
Dans un Réseau de neuronesModèle informatique constitué d'unités de calcul interconnectées dont les paramètres sont ajustés pendant l'apprentissage., chaque poids est stocké sous forme d’un nombre. Avant l’apprentissage, le framework PyTorch remplit ces emplacements avec des valeurs aléatoires générées à partir d’une graine. Le remplissage s’effectue en parallèle sur les cœurs de calcul du GPU. Parce que les GPU de générations différentes comportent un nombre distinct de cœurs – 132 pour la génération Hopper (H100, H800) et 148 ou 152 pour la génération Blackwell (B200/B300 ou GB200/GB300) – le motif aléatoire laissé par cette étape est légèrement différent selon le matériel.
DePue a comparé les motifs observés dans les modèles publiés par six sociétés chinoises – DeepSeek, Moonshot AI, MiniMax, Ant Group et deux variantes de Kimi – avec ceux obtenus en reproduisant le processus sur des GPU Blackwell réels. Le code de vérification est disponible sur GitHub, et des chercheurs seniors d’OpenAI et d’Anthropic ont confirmé indépendamment les résultats.
Quels modèles sont concernés ?
L’analyse identifie cinq modèles récents, tous publiés depuis avril 2026, comme portant la marque Blackwell :
- DeepSeek‑V4‑Flash et MiniMax‑M3 utilisent la version B200/B300 (148 cœurs).
- DeepSeek‑V4‑Pro, Kimi K3, Kimi K3.1‑Pro et Ant Group Ling‑3.1‑flash montrent le motif de 152 cœurs, typique des systèmes rack GB200/GB300 refroidis par liquide.
Des modèles plus anciens comme DeepSeek‑V3 ou Kimi K2.5 conservent la signature Hopper, confirmant que le passage à Blackwell est récent.
Dimension économique
DePue estime que les cinq entraînements étudiés ont mobilisé environ 12 000 GPU Blackwell, soit l’équivalent de 30 000 puces H100. Le modèle Kimi K3 aurait nécessité près de 4 500 processeurs pendant 70 jours, tandis que DeepSeek‑V4‑Pro en aurait employé environ 3 000. À un prix d’environ 70 000 $ par unité, chaque cluster se chiffre entre 200 M$ et 300 M$, pour un total dépassant le demi‑milliard de dollars. Ces chiffres donnent une idée de l’ampleur des ressources que les acteurs chinois sont capables d’allouer, même en dehors du territoire national.
Que prouve réellement la méthode ?
Le « fingerprint » indique uniquement le matériel qui a généré les valeurs initiales. Il ne montre pas où les GPU se trouvent ni qui les possède. Les entreprises chinoises pourraient louer des capacités de calcul dans des data‑centers étrangers, ce qui complique la traçabilité. DePue a écarté la possibilité d’un GPU AMD MI300X qui, s’il était artificiellement limité, pourrait produire un motif similaire, grâce à de subtiles différences d’arrondi.
En pratique, la preuve technique confirme un accès effectif aux GPU Blackwell, mais elle ne constitue pas à elle seule une violation du droit d’exportation américain. Aucun élément ne prouve un « smuggling » physique, seulement une utilisation probable du matériel via des services de cloud ou des locations transfrontalières.
Implications pour le secteur
L’existence de ces signatures confirme ce que les analystes, dont Dylan Patel de SemiAnalysis, soupçonnaient depuis plusieurs mois : les laboratoires chinois adaptent leurs architectures à la nouvelle génération Nvidia, tout comme ils l’avaient fait pour Hopper. D’autres acteurs, comme Alibaba (Qwen3.8) ou Tencent, conservent encore des modèles compatibles uniquement avec Hopper, tandis que Meituan utilise du matériel Huawei.
Cette diversification du parc de GPU montre que la compétition mondiale pour la puissance de calcul continue de s’intensifier, malgré les barrières commerciales. Les développeurs et les investisseurs devront suivre de près la façon dont ces capacités sont provisionnées, notamment en ce qui concerne la conformité réglementaire et les risques géopolitiques.
Le constat de DePue offre une perspective rare : un aperçu technique d’un « coup d’œil » sur les chaînes d’entraînement des IA les plus avancées, sans révéler les détails de leur localisation. Pour les observateurs européens et américains, cela souligne l’importance d’une surveillance technique indépendante, capable de compléter les évaluations juridiques.
En résumé, l’enquête de Will DePue montre que les modèles d’IA chinois les plus récents intègrent des GPU Nvidia Blackwell, confirmant un accès à la plus haute performance de calcul disponible, tout en restant dans une zone grise du point de vue légal.



