Le New York Times rapporte que la Maison Blanche s’oriente vers des bannissements sélectifs sur des modèles chinois spécifiques en open-weight, plutôt qu’une interdiction générale sur tous les poids ouverts provenant de Chine. La motivation reste la crainte pour la sécurité nationale, mais l’approche change : on cible les modèles au cas par cas, on laisse de la place au reste.

Pour ceux qui construisent des systèmes sur des modèles ouverts, la différence entre un bannissement total et un bannissement ciblé est concrète. Une interdiction générale aurait coupé à la racine l’accès à Qwen, DeepSeek, Kimi et toute la filière chinoise qui alimente aujourd’hui une grande partie des stacks locaux et self-hosted. Le bannissement ciblé laisse vivre l’écosystème, mais introduit un critère de risque réglementaire qui n’existait pas avant : un modèle disponible aujourd’hui peut ne pas l’être demain, s’il se retrouve sur la liste.

Pendant ce temps, OpenAI et Google DeepMind ont signé une lettre ouverte contre la régulation des modèles open-weight, aux côtés de nombreuses entreprises ayant des intérêts commerciaux dans l’open source (Microsoft et Google vendent l’accès à des modèles chinois via leurs services). Le paradoxe est celui que nous signalions le 23 juillet : OpenAI et Anthropic font du lobbying en privé pour limiter les modèles chinois, bien qu’OpenAI ait signé la lettre contre la régulation. La pression sur les poids ouverts ne vient pas seulement de la politique, mais des laboratoires propriétaires qui subissent la concurrence sur les prix.

Pour l’instant, même les modèles chinois les plus récents comme Kimi K3 restent en retrait sur les benchmarks de cybersécurité. La fenêtre pour décider de sa stratégie sur les modèles ouverts reste ouverte, mais elle se rétrécit.

En détail

Ce qu’il en était avant.

Déjà le 20 juillet, Nathan Lambert décrivait la pression réglementaire sur les modèles ouverts comme une regulatory capture d’Anthropic, et le 23 juillet nous racontions le front commun d’OpenAI et Anthropic dans le lobbying contre les poids ouverts. Cette histoire confirme que la pression se traduit en politique concrète : le New York Times documente que l’administration Trump construit ce que The Decoder définit comme une « interdiction au ralenti », par le biais de sanctions et de pression douce.

Ce qui change réellement.

Le point est que la dynamique s’est structurée à trois niveaux, indépendamment du fait que les modèles chinois soient bannissables aujourd’hui :

1. La Maison Blanche évalue des interdictions ciblées et spécifiques. Cela signifie que la disponibilité d’un modèle open-weight devient une variable pouvant changer par décision administrative, au lieu de suivre le cycle de publication du fournisseur.
2. Les laboratoires propriétaires (OpenAI, Anthropic) poussent en privé pour limiter les concurrents chinois, tout en signant des lettres publiques contre la régulation de l’open source. OpenAI subit la pression tarifaire des modèles chinois moins chers ; Anthropic partage la même exposition.
3. Les entreprises ayant des intérêts dans l’open source (Microsoft, Google, mais aussi Hugging Face et toute la filière self-hosted) s’opposent à la régulation car les modèles ouverts chinois sont devenus une infrastructure pour leurs services.

Les détails techniques pour ceux qui ne construisent pas de modèles.

Les modèles open-weight sont ceux dont les paramètres (les poids du réseau de neurones) sont publiés librement. N’importe qui peut les télécharger et les utiliser en local, sans passer par une API commerciale. Des modèles comme Qwen (Alibaba), DeepSeek et Kimi K3 (Moonshot AI) sont devenus la colonne vertébrale de nombreux stacks locaux et agents self-hosted. Si un modèle se retrouve sur une liste de bannissement, ceux qui l’utilisent cessent de recevoir les mises à jour et le support, et dans certains cas pourraient devoir le retirer de leurs environnements de production.

Combien faire confiance aux craintes de sécurité.

Le Times écrit que les préoccupations concernant la sécurité nationale « pourraient s’avérer justifiées avec le temps ». Pour l’instant, les benchmarks de cybersécurité montrent que même les modèles chinois les plus récents (comme Kimi K3) restent en retrait par rapport aux leaders occidentaux sur les capacités offensives. Le risque existe en puissance, mais n’est pas encore prouvé dans la pratique. Cela rend le bannissement ciblé une démarche prudente du point de vue politique, mais aussi une qui pourrait élargir la liste au fur et à mesure que les modèles chinois s’améliorent.

Ce qui reste ouvert.

Il n’y a pas encore de liste publique de modèles bannis ni de critères formels pour décider lesquels seront ciblés. Le calendrier est incertain. Et la contradiction entre la lettre publique d’OpenAI et son lobbying privé suggère que la pression sur les poids ouverts suivra la dynamique du marché, pas seulement celle de la sécurité.