DeepSeek, Kimi, MiniMax : six modèles chinois portent la trace des puces Blackwell, ce que prouve l'analyse

Ce que Will DePue a publié le 12 novembre

Le 12 novembre 2026, Will DePue, passé par OpenAI, a mis en ligne sous le nom de son association Unemployment Labs un rapport qui affirme que quatre grands laboratoires chinois, DeepSeek, Moonshot AI, MiniMax et Ant Group, ont eu accès aux puces Blackwell de Nvidia. Ces puces, les plus avancées de Nvidia, demandent une licence américaine pour être exportées vers la Chine, et aucune licence de ce type n'a été signalée pour ces laboratoires, d'après le rapport.

La nouveauté n'est pas le soupçon. Des responsables américains et la presse avaient déjà accusé DeepSeek et Moonshot AI d'utiliser des Blackwell, sans publier de preuve technique, rappelle l'auteur. En décembre 2025, Nvidia répondait à l'une de ces accusations qu'elle n'en avait vu « aucune preuve », selon CNBC. La nouveauté, c'est la méthode : tout vient des poids que les laboratoires ont eux-mêmes publiés, sans fuite ni témoignage.

Le contexte pèse. L'analyse paraît la semaine où le patron de Nvidia, Jensen Huang, a démissionné après l'enquête sur une tentative de renseignement étranger visant le PDG, une affaire elle-même liée aux soupçons de détournement de puces vers la Chine.

Comment une puce laisse sa signature dans les poids

Avant l'entraînement, chaque poids d'un modèle de langage reçoit une valeur de départ tirée au hasard. Ce hasard est reproductible : le générateur utilisé par PyTorch, appelé Philox, sort toujours la même suite de nombres à partir du même nombre de départ, la « graine ». Sur un processeur graphique Nvidia, le travail est réparti entre 2 048 fils d'exécution par cœur de calcul (SM), et le nombre de cœurs change selon la puce, explique le rapport. Même graine, nombre de cœurs différent : les mêmes nombres atterrissent à d'autres places.

Une puce Hopper (H100, H800, H200) compte 132 cœurs, une B200 ou B300 en compte 148, une GB200 ou GB300 en compte 152, selon le dépôt de code de l'auteur. Retrouver la bonne graine et le bon nombre de cœurs revient donc à identifier la famille de puces, sans pouvoir distinguer deux puces d'une même famille.

Reste à savoir si ce rangement survit à l'entraînement. Certaines lignes du modèle, celles des tokens jamais rencontrés pendant l'apprentissage, ne sont jamais modifiées et gardent leurs valeurs de départ. Avec la graine 953049583 de DeepSeek, une puce B300 a reproduit 445 lignes entières de DeepSeek-V4-Flash au bit près, alors qu'une H100 n'en a reproduit aucune ; changer la graine d'une unité a cassé toute correspondance, selon l'auteur. Sur 24 modèles dont le matériel est connu, comme Llama 3.1 de Meta entraîné sur H100, la méthode a donné la bonne réponse à chaque fois.

Six modèles, quatre laboratoires

Chez les quatre laboratoires, la bascule suit la même chronologie : les modèles plus anciens portent la signature Hopper, les plus récents celle de Blackwell.

Source : Will DePue, annexes 1 et 2, 12 novembre 2026 ; licences relevées sur les fiches Hugging Face le 13 novembre 2026. Le sigma mesure l'écart avec une ressemblance due au hasard ; selon l'auteur, le hasard ne dépasserait pas 8 sigmas sur les quelque 6 000 milliards de combinaisons testées.

Tout le monde n'a pas basculé. Les derniers modèles lisibles d'Alibaba (Qwen), Zhipu (GLM), Tencent, Xiaomi et StepFun portent la signature Hopper, d'après le rapport. Côté européen, le même tableau classe Apertus-70B, du projet suisse Swiss AI, en Hopper, conforme à ses puces GH200 déclarées, et Mixtral-8x7B de Mistral AI en Hopper, sans matériel déclaré.

Ce que l'analyse ne prouve pas

L'initialisation n'est pas l'entraînement. La méthode identifie la machine qui a créé les poids de départ, pas chaque puce qui a servi ensuite, écrit l'auteur. Un laboratoire peut créer ses poids sur une machine et les entraîner sur une autre, y compris une grappe mixte Nvidia et Huawei. Will DePue répond que les 24 modèles de contrôle tombent juste et que les poids de Kimi K3 ont été créés par au moins 64 processus distincts, tous avec la même signature à 152 cœurs. C'est un argument, pas une mesure, note le site sysnote.

Un rangement n'est pas une puce. Une AMD MI300X, elle aussi soumise à contrôle, reproduit les mêmes rangements si on la limite à 148 ou 152 unités de calcul. Le rapport n'écarte cette hypothèse par la mesure que pour DeepSeek-V4-Flash : sur 377 valeurs où les calculs d'AMD et de Nvidia diffèrent, 363 correspondent à Nvidia et aucune à AMD. Pour les cinq autres, il la juge « très improbable » (traduction Le Latent), selon le rapport.

Le modèle le plus cité a la preuve la plus faible. DeepSeek-V4-Pro n'a aucune ligne intacte : son résultat de 49 sigmas repose sur la trace laissée dans des poids déjà entraînés, et le dépôt public ne fournit pas de quoi le rejouer, relève sysnote. Le rapport ne parle de preuve « concluante » que pour DeepSeek-V4-Flash et de « preuve solide » pour les cinq autres.

Rien sur le lieu ni la légalité. Les poids ne disent ni qui possédait les puces ni où elles se trouvaient, et des systèmes Blackwell se louent dans des centres de données hors de Chine. Le rapport précise que ses résultats ne sont « pas la constatation qu'une loi a été enfreinte » (traduction Le Latent, Will DePue).

Des chiffres de grappes revus le jour même

Le rapport estime aussi la taille des entraînements. Dans sa version révisée du 12 novembre, il avance environ 4 500 puces Blackwell pour Kimi K3 et 3 000 pour DeepSeek-V4-Pro, pendant deux à trois mois, soit 12 000 puces pour cinq entraînements et une grappe de 200 à 300 millions de dollars pour la plus grande, d'après l'auteur. La première version disait 2 000 à 3 000 puces et 150 à 200 millions de dollars. Les fourchettes vont jusqu'à 1 000 à 9 500 puces pour Kimi K3, et l'auteur écrit : « Nous ne sommes pas confiants dans ces estimations » (traduction Le Latent).

Ces chiffres ne sortent pas des poids. Ils reposent sur des durées d'entraînement et des rendements supposés, aucun laboratoire n'ayant publié les siens. Plusieurs reprises de presse citent encore les chiffres de la première version, comme le tableau de Trending Topics du 13 novembre.

Pour comparer, la fiche de Mistral Large 4 indique un entraînement sur 3 800 puces Nvidia Grace Blackwell dans les centres de données de Mistral en Europe, un ordre de grandeur que le rapport cite lui-même. Mistral Large 4 est l'un des rares grands modèles dont le matériel d'entraînement est déclaré.

Une vérification indépendante, et une empreinte facile à effacer

Le code et les lignes de poids nécessaires sont publics sous licence MIT depuis le 13 novembre 2026 sur le dépôt GitHub de l'auteur, qui annonce une vérification en quelques secondes sur un ordinateur portable pour cinq des six modèles. Le site sysnote a réécrit le générateur de son côté, sans le code de Will DePue, à partir des lignes téléchargées sur Hugging Face : il retrouve 132 cœurs pour DeepSeek-V3, 148 pour DeepSeek-V4-Flash et 152 pour Kimi K3, sans autre résultat proche.

La même analyse montre la fragilité de la méthode. DeepSeek-V4.1-Flash, sorti en septembre, ne porte plus aucune signature, et plusieurs modèles Qwen ont été initialisés sur processeur central, ce qui n'en laisse aucune, selon le rapport. Pour sysnote, un laboratoire qui veut cesser de laisser cette trace n'a qu'à changer sa façon de créer les poids de départ. La méthode lit l'historique des modèles déjà publiés ; elle ne garantit rien pour les suivants.

Ce que ça change pour toi si tu utilises ces modèles en Europe

Rien sur le plan technique ni contractuel. Les poids de DeepSeek-V4-Flash restent publiés sous licence MIT, d'après sa fiche Hugging Face relevée le 13 novembre 2026, et un modèle à poids ouverts déjà téléchargé ne change pas. Le rapport porte sur les règles américaines d'exportation de puces et ne conclut à aucune infraction. Pour les différences entre licences, le point sur open source et poids ouverts détaille ce que chacune autorise. Si tu passes par l'API hébergée de DeepSeek plutôt que par les poids, la question est d'abord celle des données : les outils intégrés de l'API DeepSeek et ce qui part en Chine sont détaillés à part.

Ce que l'AI Act demande, et ne demande pas. Le règlement européen impose aux fournisseurs de modèles d'IA à usage général une documentation technique qui décrit notamment « les ressources informatiques utilisées pour entraîner le modèle », le temps d'entraînement et la consommation d'énergie (article 53 et annexe XI du règlement 2024/1689). Le texte ne demande pas le modèle de puce, et cette documentation est remise sur demande au Bureau de l'IA, pas publiée. Les modèles diffusés sous licence libre et ouverte, poids compris, en sont dispensés, sauf s'ils présentent un risque systémique. Le calendrier d'application de l'AI Act précise ce qui est déjà en vigueur.

Le risque est politique, pas juridique à ce stade. Le média autrichien Trending Topics estime que l'analyse pourrait exposer les quatre laboratoires à des sanctions plus dures et toucher les entreprises américaines et européennes qui ont intégré Kimi, DeepSeek ou MiniMax à leurs produits. C'est une hypothèse de ce média, pas une mesure annoncée. Si ton produit dépend de l'un de ces modèles, garder la trace de la version exacte utilisée et d'une solution de remplacement reste la précaution la plus simple.

Ce qu'on ne sait pas encore

• Les réponses des intéressés : au 13 novembre 2026, Nvidia, DeepSeek, Moonshot AI, MiniMax et Ant Group n'avaient pas réagi, selon Trending Topics.
• Le lieu et le mode d'accès aux puces : achat, contrebande ou location à l'étranger, les poids ne permettent pas de trancher (rapport).
• Une relecture par des pairs : le rapport n'a pas été publié dans une revue, et seule une partie des résultats a été reproduite de façon indépendante, par sysnote, pour trois modèles.