Anthropic affirme avoir réduit de 10 à 100 fois la collecte de données pour distiller Claude

Le 12 octobre, Anthropic a décrit un nouvel ensemble de mesures contre la distillation non autorisée de ses modèles Claude. Selon l’entreprise, après le déploiement de classificateurs, le nombre de jetons de raisonnement extraits par des acteurs malveillants sur sa plateforme a été réduit d’un facteur de 10 à 100. Il s’agit d’une estimation fondée sur le trafic interne d’Anthropic, et non d’une mesure de la distillation dans l’ensemble du secteur.

La distillation est une méthode d’entraînement dans laquelle un modèle apprend à partir des réponses d’un autre. Les nouvelles restrictions d’Anthropic visent les scénarios où des réseaux de comptes tentent d’extraire des traces de raisonnement protégées pour entraîner d’autres modèles. L’entreprise décrit également des services proxy qui répartissent les requêtes entre plusieurs comptes, modèles et fournisseurs d’infrastructure.

Trois niveaux de protection

Le premier niveau limite le transfert de blocs de raisonnement protégés entre les conversations, les comptes et les modèles. Pour Claude Fable 5.1 et Opus 5.5, Anthropic a introduit le mode « preserved thinking » : les nouveaux comptes API créés le 31 août 2026 ou après cette date ne peuvent pas modifier le contexte précédent du modèle. Pour Sonnet 5.5, les traces de raisonnement ne sont accessibles qu’à l’organisation qui les a générées dans sa requête.

Le deuxième niveau repose sur des classificateurs à deux étapes qui détectent les tentatives d’extraction du raisonnement caché. Anthropic indique avoir évalué le système au moyen de tests red team internes et externes, et que le taux de faux positifs est inférieur à 0,1 %. L’entreprise applique les classificateurs à ses modèles publics les plus puissants, énumérés dans la description de ces nouvelles protections.

Le troisième niveau complique les tentatives répétées : les comptes présentant des signes persistants d’extraction se voient imposer des limites plus strictes ou sont bloqués. Anthropic affirme avoir bloqué des dizaines de milliers de comptes liés à la distillation ; selon l’entreprise, beaucoup ont été repérés moins de deux heures après le début de leur campagne.

Ce que mesure la baisse annoncée

L’estimation d’une réduction d’un facteur de 10 à 100 compare le nombre de jetons de raisonnement de Claude qu’Anthropic considère comme extraits sur sa propre plateforme avant et après le déploiement des nouveaux classificateurs. Cette mesure décrit le trafic observé par l’entreprise, et non la qualité des modèles tiers ni le volume de distillation dans l’ensemble du secteur. Anthropic indique que les classificateurs appliqués aux modèles répertoriés détectent toutes les techniques d’extraction décrites dans son rapport de septembre.

L’entreprise présente séparément un test sur SWE-bench Verified. Un modèle préentraîné puis affiné sur des transcriptions complètes de Claude Opus 4.8 a obtenu 80,4 % ; un modèle entraîné sur des transcriptions abrégées a obtenu 71,8 %. Dans cette expérience, les transcriptions abrégées ont moins aidé le modèle à résoudre les tâches de SWE-bench Verified. Anthropic ne présente pas ces résultats comme une évaluation de l’efficacité de l’ensemble des nouvelles protections.

Conséquences pour les développeurs

Ces protections modifient les intégrations et la facturation de l’API. Anthropic précise que le mode « preserved thinking » a nécessité des mises à jour de la part de certains développeurs, que les classificateurs peuvent bloquer par erreur des requêtes inoffensives dans moins de 0,1 % des cas et que, depuis le 24 septembre, l’entreprise facture les requêtes arrêtées par les protections dans les catégories où le taux annoncé de faux positifs est inférieur à 0,1 %.

Les équipes qui transmettent le contexte entre les appels devraient vérifier que leur logique est compatible avec les blocs de raisonnement protégés et tester la gestion des refus et de la facturation dans des scénarios habituels. Anthropic recommande aux fournisseurs de plateformes API de surveiller les abus passant par des intermédiaires et des infrastructures tierces, et de désactiver les réseaux de comptes confirmés.

Anthropic s’attend à ce que les attaquants s’adaptent et indique qu’elle continue de mettre à jour ses classificateurs. Pour les développeurs, la tâche pratique est déjà claire : tenir compte des restrictions sur le transfert de contexte et vérifier comment l’intégration gère les blocages et la facturation.