# Des puces NVIDIA Blackwell interdites à l'exportation repérées dans des modèles d'IA chinois
À retenir
- Le 12 novembre 2026, une analyse forensique publiée par Will DePue, ancien chercheur d'OpenAI qui dirige désormais le groupe de recherche indépendant Unemployment Labs, a relancé le débat sur l'efficacité des contrôles américains à l'exportation de puces d'intelligence artificielle.
- La méthode repose sur un principe simple : lors de l'initialisation d'un modèle, la graine aléatoire (seed) et la disposition des unités de calcul du GPU laissent une empreinte dans les poids initiaux.
- Ils posent une question majeure aux entreprises du monde entier : que vaut un contrôle à l'exportation quand le matériel peut être loué à distance, et comment évaluer la provenance d'un modèle ouvert que l'on intègre dans ses propres systèmes ?
Le 12 novembre 2026, une analyse forensique publiée par Will DePue, ancien chercheur d'OpenAI qui dirige désormais le groupe de recherche indépendant Unemployment Labs, a relancé le débat sur l'efficacité des contrôles américains à l'exportation de puces d'intelligence artificielle. Intitulée « Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs », l'étude affirme que six modèles d'IA ouverts développés en Chine portent la signature matérielle de puces NVIDIA Blackwell, interdites d'exportation vers la Chine sans licence américaine.
La méthode repose sur un principe simple : lors de l'initialisation d'un modèle, la graine aléatoire (seed) et la disposition des unités de calcul du GPU laissent une empreinte dans les poids initiaux. Des traces de cette empreinte survivent à l'entraînement et restent lisibles dans les poids publiés. Chaque combinaison GPU et graine produit un motif unique, et DePue dit avoir testé plus de six mille milliards de combinaisons graine et disposition pour identifier les correspondances.
Ils posent une question majeure aux entreprises du monde entier : que vaut un contrôle à l'exportation quand le matériel peut être loué à distance, et comment évaluer la provenance d'un modèle ouvert que l'on intègre dans ses propres systèmes ?
Une empreinte laissée dans les poids des modèles
L'idée centrale est que l'initialisation d'un réseau de neurones n'est jamais neutre : ses poids de départ sont générés à partir d'une graine aléatoire et répartis selon l'architecture du GPU, laissant une trace du nombre d'unités de calcul.
L'entraînement modifie ensuite ces poids en profondeur, mais il n'efface pas tout. Selon DePue, des fragments de cette empreinte d'origine survivent à des semaines d'entraînement et restent détectables dans les poids publiés par les laboratoires. En comparant ces fragments à des motifs générés sur du matériel connu, il serait donc possible de remonter au type de puce utilisé pour initialiser un modèle. C'est une approche nouvelle dans l'audit des modèles d'IA : la preuve avancée est technique et se lit dans le modèle lui-même, accessible à tous puisque ces modèles sont publiés en open source.
Six modèles concernés, deux familles de puces
Selon l'étude, six modèles ouverts chinois portent l'empreinte de puces Blackwell : DeepSeek-V4-Flash et DeepSeek-V4-Pro (DeepSeek), Kimi K3 et Kimi K3.1-Pro (Moonshot AI), MiniMax-M3 (MiniMax) et Ling-3.1-flash (Ant Group). Quatre d'entre eux correspondraient à des systèmes Grace Blackwell (GB200 ou GB300), les deux autres à des B200 ou B300.
Les repères techniques invoqués sont précis. Les puces Hopper de génération précédente (H100, H800, H200) comptent 132 unités de calcul, contre 148 pour les Blackwell B200 et B300, et 152 pour les Grace Blackwell GB200 et GB300. C'est cette différence de disposition qui permettrait de distinguer une génération de l'autre dans les poids initiaux.
Deux vérifications sont mises en avant : DeepSeek aurait réutilisé la même graine, 953049583, pour DeepSeek-V3 et DeepSeek-V4-Flash ; une puce B300 louée aurait reproduit 461 des 469 lignes de poids sélectionnées de DeepSeek-V4-Flash, dont 445 exactement bit pour bit ; une puce GB200 louée aurait reproduit les 13 lignes conservées de Kimi K3 avec la graine attribuée à Moonshot. Ces reconstitutions, si elles sont exactes, constituent le cœur de la démonstration.
Des estimations à manier avec prudence
DePue avance des ordres de grandeur : Kimi K3 aurait nécessité environ 4 500 GPU Blackwell, DeepSeek-V4-Pro environ 3 000, pendant deux à trois mois chacun. Pour les cinq entraînements concernés, le matériel représenterait plus de 500 millions de dollars.
Ces chiffres doivent être présentés pour ce qu'ils sont : des estimations du chercheur, et non des faits établis. DePue lui-même dit ne pas être certain de ces chiffres. Ils donnent néanmoins une idée de l'échelle des moyens en jeu : entraîner un modèle de pointe ne se fait pas avec quelques serveurs, mais avec des grappes de milliers de puces pendant des mois.
Selon Epoch AI, environ deux millions de puces avancées seraient entrées en Chine en 2024 et 2025 via des montages dissimulant leur destination finale. Là encore, il s'agit d'une estimation, mais elle suggère un phénomène structurel plutôt qu'un cas isolé.
Ce que l'analyse ne prouve pas
C'est le point le plus important de ce dossier, et le rapport lui-même le souligne : ses résultats ne constituent pas une constatation qu'une loi a été enfreinte. Plusieurs limites doivent être expliquées clairement.
Premièrement, l'empreinte identifie le matériel qui a généré les poids initiaux, pas nécessairement toutes les puces utilisées pendant l'entraînement. Un modèle peut être initialisé sur un type de puce puis entraîné en grande partie sur un autre parc.
Deuxièmement, la méthode ne dit rien sur la localisation des puces, sur leur propriétaire, ni sur la manière dont elles ont été obtenues. Elle établit un lien technique entre un modèle et un type de matériel, pas une chaîne de possession.
Troisièmement, les puces Blackwell peuvent être louées légalement dans des centres de données situés hors de Chine, et les contrôles actuels ne couvrent guère l'accès distant : un modèle peut donc être entraîné sur du matériel de pointe sans qu'aucune puce ne soit importée physiquement. C'est précisément cette faille que le débat actuel met en lumière.
Enfin, la puce MI300X d'AMD, elle aussi restreinte, peut imiter ces dispositions si elle est configurée avec 148 ou 152 unités : l'empreinte n'est pas une signature exclusive de NVIDIA. Les modèles de Tencent, Xiaomi et StepFun portent encore l'empreinte Hopper de la génération précédente, et le dernier modèle de DeepSeek, V4.1-Flash, ne porte aucune empreinte détectée.
Un contexte géopolitique tendu
Le rapport n'arrive pas dans le vide. Plus tôt en 2026, Michael Kratsios, conseiller technologique de la Maison Blanche, avait déclaré que Moonshot avait utilisé des puces interdites, en citant des sources du renseignement américain. L'analyse de DePue apporterait, si elle est confirmée, une corroboration technique et publique à cette affirmation.
Le rapport est par ailleurs publié au lendemain de la démission de Jensen Huang, PDG de NVIDIA, un contexte qui ajoute à l'attention portée au dossier sans en changer le fond.
Au-delà du cas chinois, l'enjeu est général : les contrôles à l'exportation ont été conçus pour des biens physiques qui traversent des frontières, alors que la puissance de calcul se loue à distance et se déploie partout. Réguler l'accès au calcul, et non plus seulement la possession des puces, devient central pour les décideurs du monde entier.
Ce que cela change pour les entreprises
Pour une entreprise qui achète, déploie ou s'appuie sur des modèles ouverts, cette affaire rappelle que la provenance d'un modèle est devenue un critère de diligence raisonnable, au même titre que sa licence ou ses performances.
### Vérifier la provenance avant d'intégrer un modèle ouvert
Avant de déployer un modèle dans un produit ou un processus métier, il faut documenter son origine, sa licence, les conditions de son entraînement connues et les risques réglementaires associés. Un modèle performant mais dont la chaîne de provenance est opaque peut exposer l'entreprise à des risques juridiques, réputationnels ou de continuité de service, par exemple si son accès ou son usage venait à être restreint. Cette vérification vaut pour les modèles chinois comme pour tous les autres : la transparence sur l'entraînement reste inégale dans l'ensemble du secteur.
Il faut aussi diversifier ses dépendances : s'appuyer sur un seul fournisseur de modèles, un seul hébergeur ou une seule famille de puces, c'est accepter qu'un changement de régulation ou de politique commerciale puisse paralyser un service. Enfin, il faut suivre l'évolution des règles : les contrôles à l'exportation et les régimes de conformité évoluent vite, et ce qui est légal aujourd'hui peut être encadré demain. Une veille régulière, ou l'appui d'un partenaire qui la réalise, évite les mauvaises surprises.
E.C.O. Tech accompagne les entreprises et les professionnels qui veulent intégrer l'intelligence artificielle sans subir ses zones d'ombre : audit de vos usages actuels, choix de modèles adaptés à vos besoins et à votre cadre réglementaire, déploiement de solutions numériques et formation de vos équipes. Dans un paysage où la provenance des modèles devient un enjeu de confiance, nous aidons nos clients à faire des choix éclairés et durables. Contactez-nous pour un diagnostic gratuit de votre maturité numérique.
*Sources : Will DePue, Unemployment Labs, « Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs » (12 novembre 2026) ; TechCrunch (13 novembre 2026) ; The Register (13 novembre 2026).*
Diagnostic gratuit
Vous voulez appliquer cette idée dans votre structure ?
E.C.O.Tech peut analyser votre cas, identifier l’offre la plus adaptée et proposer une feuille de route simple : visibilité, CRM, automatisation, gestion métier ou cybersécurité.
Votre avis compte
Cet article vous a été utile ? Partagez votre expérience sur notre fiche Google officielle.