Contexte et annonce
Moonshot AI, plateforme chinoise de génération de texte, a annoncé que son service Kimi repose en réalité sur le modèle Claude d’Anthropic, fourni par une API américaine. La déclaration provient d’un fil Twitter où l’auteur décrit un scénario où des acteurs de renseignement ou militaires chinois envoient leurs requêtes à une société américaine, sous prétexte d’utiliser un produit local. Cette information révèle deux faits mesurables : l’utilisation d’une API externe et la collecte des échanges pour l’entraînement de modèles internes.
Architecture du wrapper Claude
Le terme « wrapper » désigne un logiciel intermédiaire qui reçoit les requêtes des utilisateurs, les reformate selon les exigences de l’API Claude, puis transmet la réponse au client. Dans ce schéma, le trafic quitte le réseau chinois, passe par les serveurs d’Anthropic (situés aux États-Unis) et revient encapsulé dans le format propre à Moonshot. La latence introduite dépend du temps de round‑trip transatlantique, généralement de l’ordre de 150 ms à 300 ms selon la charge du réseau. Le coût d’utilisation est fonction du nombre de tokens traités, facturé par Anthropic à un tarif public (par exemple 0,008 $ / 1 000 tokens pour Claude 2). Le wrapper doit également gérer les clés d’API, stockées côté serveur Moonshot, ce qui crée un point de concentration de secrets cryptographiques.
Implications pour la confidentialité et la souveraineté des données
Chaque prompt envoyé à Claude est potentiellement stocké par Anthropic à des fins d’amélioration du modèle, comme indiqué dans leurs conditions de service. Ainsi, des informations classifiées ou sensibles provenant d’acteurs chinois sont transférées hors de la juridiction nationale, contournant les exigences du Cybersecurity Law chinois qui impose la localisation des données critiques. Le transfert expose les contenus à trois risques principaux : interception pendant le transport (si TLS est mal configuré), utilisation à des fins de recherche par le fournisseur américain, et éventuelle divulgation via des requêtes de conformité légale aux États‑Unis. En outre, Moonshot indique qu’il « collecte les échanges pour l’entraînement », ce qui signifie que les données sont réintégrées dans les modèles internes, augmentant le volume d’informations sensibles disponibles pour de futurs traitements.
Limites et perspectives
La description fournie par le tweet ne précise pas la version exacte de Claude utilisée ni le volume de données collectées, ce qui limite l’évaluation quantitative des risques. De plus, aucune information n’est disponible sur les mécanismes de chiffrement au repos ou sur les politiques de rétention des logs. Sans ces paramètres, il est difficile de mesurer l’impact réel sur la sécurité opérationnelle des acteurs concernés. Toutefois, le modèle de wrapper montre que l’intégration d’API tierces peut être mise en œuvre rapidement, au prix d’une dépendance juridique et technique accrue. Les alternatives consistent à développer un modèle propriétaire (Kimi) ou à héberger un modèle open‑source dans un datacenter local, réduisant ainsi les flux transfrontaliers. En l’état, la configuration actuelle de Moonshot représente un compromis entre performance immédiate et conformité à long terme.
