Les liens entre Amazon et Anthropic face à une contestation de l’IA ouverte alors qu’OpenAI change de camp

Les liens entre Amazon et Anthropic font l’objet d’un nouvel examen après qu’Anthropic a refusé de signer un engagement sectoriel contre des restrictions prématurées sur les modèles d’IA téléchargeables. Ce refus a placé Anthropic face à Nvidia, Microsoft, Meta, Google et, finalement, OpenAI, bien que des informations aient indiqué quelques jours plus tôt que les deux laboratoires de modèles fermés partageaient des préoccupations réglementaires.

Le conflit a suivi l’adoption rapide de modèles chinois à poids ouverts, en particulier Kimi K3 de Moonshot AI. Les modèles à poids ouverts publient leurs paramètres appris, ce qui permet aux développeurs de les télécharger, de les modifier et de les exécuter sans dépendre de l’API du fournisseur d’origine.

Ce choix technique est devenu une ligne de fracture politique. Anthropic avertit que les systèmes téléchargeables très performants ne peuvent plus être rappelés ni mis à jour de manière centralisée après leur publication. Le PDG de Nvidia, Jensen Huang, Elon Musk, Meta, Microsoft et des centaines d’entreprises technologiques plus petites soutiennent que des restrictions générales affaibliraient les développeurs américains.

L’histoire initiale a donc été dépassée par un revirement révélateur. OpenAI est d’abord resté en dehors de la lettre du secteur, avant de la signer au cours du week-end. Anthropic est resté le principal réfractaire, même si son PDG Dario Amodei a explicitement nié soutenir une interdiction des modèles à poids ouverts.

OpenAI a changé de camp, mais Anthropic a maintenu sa position

Le changement immédiat n’est pas une proposition d’interdiction. Il s’agit de la formation d’une coalition exceptionnellement large contre une telle mesure.

Le 24 juillet, Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Hugging Face et d’autres entreprises ont soutenu une lettre politique intitulée « Open Weights and American AI Leadership ». Le document initial comptait 25 signataires et mettait en garde les décideurs contre des restrictions prématurées sur les modèles téléchargeables.

La coalition a soutenu que les modèles ouverts favorisent la concurrence, la recherche, la cybersécurité et le contrôle national des infrastructures d’IA. Elle a également exhorté Washington à distinguer la distillation ordinaire de modèles de l’extraction illégale de systèmes propriétaires.

La distillation consiste à entraîner un modèle à partir des résultats produits par un autre. Cette méthode est courante dans le secteur, mais elle devient controversée lorsque les développeurs utilisent des comptes frauduleux ou violent à grande échelle des restrictions d’accès.

La liste originale des signataires ne comprenait ni OpenAI, ni Anthropic, ni Google. Cette absence étayait une interprétation simple : les entreprises vendant des systèmes de pointe fermés résistaient à une campagne soutenue par les développeurs de modèles ouverts et les fournisseurs d’infrastructure.

L’alignement a changé pendant le week-end. Google et OpenAI ont ajouté leurs noms, laissant Anthropic comme le principal laboratoire américain de pointe encore extérieur à l’accord. Cette chronologie mise à jour est importante, car elle contredit les affirmations selon lesquelles OpenAI et Anthropic restent unis derrière de larges restrictions.

Selon le dernier compte rendu de la coalition sectorielle, OpenAI soutient désormais l’avertissement contre des limites prématurées. L’entreprise souhaite toujours un cadre national pour évaluer les modèles et répondre aux risques de sécurité.

Cette distinction est importante. Soutenir la disponibilité de modèles à poids ouverts ne suppose pas d’accepter la publication sans restriction de tous les futurs systèmes. Cela revient plutôt à refuser que l’ouverture elle-même déclenche une réglementation générale.

Anthropic a adopté une position plus étroite mais plus sceptique. L’entreprise reconnaît que de nombreux modèles ouverts apportent une valeur publique, tout en s’interrogeant sur le maintien du libre téléchargement de modèles de niveau frontière à mesure que leurs capacités progressent.

Dario Amodei a répondu directement le 27 juillet. Il a écrit qu’Anthropic n’avait « jamais plaidé » en faveur d’une interdiction des modèles à poids ouverts et a déclaré que les modèles moins dangereux pouvaient constituer un bien public.

Amodei a plutôt proposé des contrôles ciblant trois domaines précis. Il souhaite des restrictions plus strictes sur les exportations de puces avancées, une application des règles contre la distillation à l’échelle industrielle et des tests obligatoires pour les modèles suffisamment performants, quel que soit leur mode de distribution.

Cette position est plus précise qu’une demande visant à bloquer les modèles chinois. Toutefois, l’absence d’Anthropic dans la lettre permet à ses détracteurs de se demander si les garanties qu’elle privilégie produiraient indirectement des effets similaires.

La signature d’OpenAI rend cette question plus difficile pour Anthropic. Les deux entreprises dépendent principalement d’un accès contrôlé à des modèles propriétaires. Une seule a rejoint la coalition qui défend les alternatives téléchargeables.

Le résultat est un débat politique fragmenté, et non un affrontement clair entre entreprises américaines et chinoises. OpenAI s’est rapproché de la coalition des modèles ouverts tout en conservant ses préoccupations concernant la distillation. Anthropic rejette une interdiction, mais reste peu convaincu par l’argument de sécurité plus large avancé par la coalition.

Pourquoi l’économie du partenariat Amazon-Anthropic compte dans ce débat

Le désaccord politique reflète aussi la façon dont chaque entreprise tire des revenus de l’IA et les intérêts de ses partenaires stratégiques.

Les laboratoires de pointe vendent généralement un accès facturé à l’usage aux modèles qu’ils hébergent. Les clients envoient des requêtes à une API, tandis que le fournisseur contrôle les poids sous-jacents, l’infrastructure, les systèmes de sécurité et les conditions de service.

Les modèles à poids ouverts déplacent davantage de contrôle vers les utilisateurs. Une entreprise peut télécharger un modèle, l’adapter et le déployer sur sa propre infrastructure. Elle peut aussi répartir ses charges de travail entre des fournisseurs de cloud ou des entreprises d’hébergement spécialisées.

Cette flexibilité exerce une pression directe sur les tarifs des fournisseurs d’API fermées. Un modèle téléchargeable performant offre aux développeurs une autre référence pour négocier les coûts, concevoir des systèmes de repli ou décider si des charges de travail sensibles doivent rester sur leurs propres réseaux.

La relation commerciale d’Anthropic avec Amazon rend cette concurrence particulièrement importante. Amazon a investi des milliards dans Anthropic et positionné AWS comme son principal partenaire de cloud et d’entraînement. Claude est également distribué via Amazon Bedrock, qui offre aux entreprises un accès géré à des modèles de plusieurs fournisseurs.

Le partenariat entre Amazon et Anthropic ne prouve pas que la position d’Anthropic en matière de sécurité est motivée par des intérêts commerciaux. Les préoccupations de sécurité peuvent être réelles, même lorsqu’une politique protège aussi des revenus. Néanmoins, les incitations économiques méritent d’être examinées, car des restrictions pourraient remodeler les achats des entreprises.

Amazon se trouve des deux côtés du débat. L’entreprise bénéficie de l’utilisation de Claude via Bedrock, mais elle génère aussi des revenus cloud lorsque ses clients déploient des modèles ouverts sur l’infrastructure AWS. Une activité accrue autour des modèles crée généralement davantage de demande en calcul, stockage, réseau et services d’inférence.

Les intérêts de Nvidia sont plus clairs. Les modèles téléchargeables peuvent fonctionner dans des centres de données d’entreprise, des clouds régionaux, des grappes de recherche et des infrastructures locales. Chaque nouveau modèle peut générer une demande supplémentaire pour des accélérateurs et les systèmes associés.

Huang soutient donc que le marché a besoin à la fois de systèmes ouverts et fermés. La lettre de Nvidia sur les modèles ouverts affirme que le développement ouvert peut renforcer la cybersécurité en permettant aux défenseurs d’inspecter et d’adapter les modèles sur des infrastructures qu’ils contrôlent.

Microsoft tire également parti des deux voies. L’entreprise entretient une relation étroite avec OpenAI, vend des modèles propriétaires gérés et propose une infrastructure pour les déploiements ouverts. Meta publie des poids de modèles téléchargeables tout en utilisant l’ouverture pour élargir l’adoption au-delà de ses propres produits.

Ces entreprises ne sont pas des organisations neutres d’intérêt public. Leur soutien à l’ouverture correspond à leurs positions commerciales, tout comme la prudence d’Anthropic correspond à son activité fondée sur l’accès contrôlé. Cela n’invalide aucun des deux arguments.

La question la plus utile est de savoir si les règles proposées répondent à des préjudices démontrables sans éliminer une concurrence moins coûteuse. Une politique visant l’extraction frauduleuse devrait cibler les comportements frauduleux. Une politique visant les capacités dangereuses devrait appliquer des critères comparables aux systèmes ouverts et fermés.

Des restrictions générales favoriseraient les fournisseurs qui conservent seuls l’accès aux modèles. Elles pourraient aussi accroître la dépendance à un petit groupe de fournisseurs américains, augmenter les coûts pour les startups sans empêcher les développeurs étrangers d’utiliser des poids déjà diffusés ailleurs.

C’est pourquoi le débat ne peut être réduit à une opposition entre technologie ouverte et sécurité nationale. Il porte aussi sur qui contrôle la distribution, qui capte les revenus d’inférence et qui peut modifier les conditions de service une fois que les clients ont construit leurs systèmes autour d’un modèle.

Pour les acheteurs en entreprise, les conséquences vont au-delà des classements de benchmarks. Un modèle téléchargeable peut permettre un déploiement privé, des contrôles de sécurité sur mesure, une capacité prévisible et une protection contre les changements soudains d’API. Un système hébergé peut offrir des mises à jour plus simples, une surveillance centralisée plus forte et moins de travail opérationnel.

Aucune de ces approches ne convient à toutes les charges de travail. Le danger vient d’une réglementation qui sélectionne un modèle de distribution avant de mesurer les risques du système lui-même.

Les modèles ouverts chinois exercent une pression sur les prix comme sur les politiques publiques

Washington réagit maintenant parce que les modèles chinois à poids ouverts sont devenus suffisamment utiles pour que les entreprises américaines les considèrent comme une infrastructure pratique.

Les développeurs chinois ont publié une série de modèles qui rivalisent étroitement avec les principaux systèmes américains sur des tâches importantes. Moonshot, DeepSeek, Alibaba et Z.ai ont également utilisé des publications téléchargeables pour obtenir une diffusion internationale.

Kimi K3 de Moonshot a intensifié le débat en juillet. Le modèle a attiré les développeurs grâce à des capacités compétitives et des coûts d’exploitation plus faibles, tout en donnant aux organisations la possibilité d’exécuter ou de modifier ses poids.

Son adoption était mesurable. Sensor Tower a estimé que Kimi avait enregistré plus de 930 000 téléchargements pendant la semaine ayant suivi la publication de K3. Cela représentait une hausse de 200 % par rapport à la semaine précédente.

Environ 86 000 de ces téléchargements provenaient des États-Unis, soit une hausse hebdomadaire de 387 %. La demande est devenue suffisamment forte pour que Moonshot suspende temporairement les nouveaux abonnements lorsque sa capacité a approché ses limites.

Les modèles chinois occupaient également les cinq premières positions sur OpenRouter en termes d’utilisation au cours du mois mesuré, selon des chiffres cités par l’analyse de l’adoption. Cela n’établit pas une supériorité technique globale, mais confirme une demande significative de la part des développeurs.

Les évaluateurs constatent encore des limites. Le PDG d’Arena, Anastasios Angelopoulos, a déclaré à l’Associated Press que les systèmes chinois restaient derrière les leaders américains sur l’ensemble de leurs capacités.

La menace concurrentielle provient donc de l’ensemble proposé, et pas nécessairement du meilleur score absolu. Les développeurs peuvent accepter des performances légèrement inférieures lorsqu’un modèle est moins cher, personnalisable, téléchargeable ou suffisant pour une tâche étroitement définie.

Cet ensemble exerce simultanément une pression sur OpenAI et Anthropic. Si les entreprises peuvent utiliser un modèle chinois pour le codage courant, la classification, le traitement de documents ou des tâches d’agents, elles peuvent réserver les API de pointe coûteuses aux requêtes les plus difficiles.

Une architecture mixte réduit la dépendance à l’égard d’un seul laboratoire. Elle transforme aussi les systèmes propriétaires en composants premium plutôt qu’en moteur par défaut de chaque interaction.

Les responsables américains ont soulevé une autre préoccupation. Anthropic affirme que des développeurs chinois ont utilisé des campagnes à l’échelle industrielle pour extraire les réponses de Claude et entraîner des systèmes concurrents.

Dans une lettre obtenue par The Washington Post, Anthropic a déclaré que l’équipe Qwen d’Alibaba avait utilisé environ 25 000 comptes frauduleux. Ces comptes auraient généré plus de 28,8 millions d’échanges avec Claude.

Alibaba n’a pas répondu à ce reportage. Anthropic a formulé des allégations similaires contre DeepSeek, Moonshot et MiniMax, décrivant des campagnes visant à contourner les contrôles géographiques et les restrictions de service.

De tels agissements, s’ils étaient établis, poseraient un véritable problème d’application de la loi. Les comptes frauduleux, le contournement et l’extraction massive non autorisée ne deviennent pas acceptables parce que la distillation est une méthode d’entraînement reconnue.

Toutefois, prouver des abus commis par des entreprises particulières est différent de prouver que la distribution de poids ouverts est intrinsèquement dangereuse. Le litige sur la distillation montre également à quel point l’attribution peut devenir difficile.

Les chercheurs peuvent parfois détecter des schémas suggérant qu’un modèle a appris d’un autre. Un système peut reproduire des formulations, des styles de raisonnement, ou même s’identifier à tort comme le modèle ayant généré ses données d’entraînement.

Ces signaux ne révèlent pas toujours comment les données ont été acquises. Les développeurs peuvent utiliser des données synthétiques sous licence, des sorties publiques, des enregistrements générés par les clients, des extractions frauduleuses, ou une combinaison de ces sources.

Les entreprises américaines utilisent aussi la distillation. OpenAI a proposé des outils aidant les clients à générer des données d’entraînement à partir de ses systèmes, tandis qu’Elon Musk a décrit cette technique comme répandue dans l’ensemble du secteur.

La question juridique et réglementaire porte sur l’autorisation, l’ampleur et la méthode. Traiter chaque modèle distillé comme une propriété volée ferait entrer des développements légitimes dans une catégorie conçue pour les abus.

Cela pourrait aussi encourager les décideurs à sous-estimer l’ingénierie chinoise. Les contrôles à l’exportation ont poussé les laboratoires chinois à améliorer leur efficacité, optimiser un matériel limité et concurrencer le marché par une distribution ouverte. Toutes les avancées ne peuvent pas être expliquées par la copie.

La coalition des poids ouverts voit une barrière réglementaire

Les partisans des modèles ouverts craignent que les règles de sécurité ne protègent les laboratoires fermés de la concurrence avant que le gouvernement ne définisse un seuil de sécurité mesurable.

La résistance va bien au-delà de Nvidia et Meta. Plus de 200 startups, investisseurs et organisations technologiques ont rejoint un appel distinct organisé par la Little Tech Association.

Le groupe a écrit au conseiller scientifique de la Maison-Blanche Michael Kratsios et au secrétaire au Commerce Howard Lutnick. Il a exhorté l’administration à ne pas imposer une interdiction pure et simple des systèmes chinois à poids ouverts.

Ses membres soutiennent que les modèles téléchargeables et abordables sont devenus une ressource essentielle pour les startups américaines. Supprimer cet accès augmenterait les coûts de développement, perturberait les produits existants et concentrerait davantage de pouvoir entre les mains de quelques laboratoires de pointe.

Cette inquiétude n’est pas hypothétique. Les petites entreprises n’ont souvent pas les capitaux nécessaires pour entraîner de grands modèles fondamentaux. Elles créent des produits en adaptant des systèmes existants, en répartissant les tâches entre plusieurs modèles ou en hébergeant des versions spécialisées pour des clients définis.

Un modèle ouvert peut également rester disponible lorsqu’un fournisseur modifie une API, limite une région, retire une version ou rencontre des problèmes de capacité. Pour une startup, ce contrôle peut déterminer si un produit continue de fonctionner.

L’opposition des startups admet que des garde-fous peuvent être nécessaires. Son objection centrale est que priver les Américains d’accès nuirait plus rapidement aux développeurs nationaux qu’aux laboratoires chinois.

La lettre initiale de Nvidia comprenait Microsoft, Meta, Palantir, IBM, Dell, Hugging Face, Replit, Perplexity, ServiceNow, CrowdStrike et Y Combinator. Elon Musk a séparément apporté son plein soutien à cette initiative.

Mark Zuckerberg n’avait pas besoin de signer personnellement puisque Meta a adhéré en tant qu’entreprise. Les activités de Meta bénéficient depuis longtemps d’une large distribution des poids de modèles, encourageant les développeurs à créer en dehors d’une API unique et contrôlée.

Le conseiller de la Maison-Blanche pour l’IA, David Sacks, a présenté la question comme un risque de captation réglementaire. Il soutient que les laboratoires fermés dominants pourraient utiliser la politique de sécurité pour éliminer une concurrence ouverte moins coûteuse.

C’est la principale structure d’opposition dans ce différend : le contrôle des fournisseurs fermés face à la concurrence des modèles téléchargeables. La nationalité compte, mais la fracture commerciale explique pourquoi des entreprises américaines ont adopté des positions opposées.

La critique se renforce parce que le gouvernement n’a pas établi de normes de sécurité détaillées et cohérentes pour les modèles américains. Des restrictions visant les systèmes ouverts étrangers pourraient donc arriver avant que des obligations comparables n’existent pour les systèmes fermés nationaux.

Anthropic répond qu’un traitement égal doit dépendre des capacités, et non de la nationalité ou du format de licence. Amodei a appelé à des tests obligatoires pour les modèles suffisamment capables, qu’ils soient ouverts ou fermés.

Cette proposition pourrait rapprocher les deux camps si les décideurs définissent les seuils de capacité de manière transparente. Elle nécessiterait des évaluations reproductibles, des règles d’application claires et des garde-fous empêchant d’adapter les normes à l’architecture privilégiée d’une entreprise.

Anthropic soutient également que les poids ouverts créent un problème distinct après leur publication. Un fournisseur hébergé peut corriger un modèle, renforcer la surveillance, fermer des comptes ou retirer l’accès. Un modèle téléchargé ne peut pas être rappelé auprès de chaque opérateur.

La distinction est réelle. Elle devient particulièrement importante lorsqu’un modèle possède des capacités qui facilitent de manière significative les attaques biologiques, les opérations cybernétiques, la surveillance de masse ou d’autres préjudices graves.

Pourtant, le contrôle centralisé a aussi ses limites. Un fournisseur fermé peut modifier ses conditions, bloquer des recherches légitimes ou devenir un point de défaillance unique. Les utilisateurs ne peuvent pas inspecter indépendamment le système complet, et les chercheurs externes doivent s’appuyer sur l’accès autorisé par l’entreprise.

Les systèmes ouverts donnent aux défenseurs davantage de liberté pour inspecter, modifier et exécuter des outils en privé. Les systèmes fermés donnent aux fournisseurs davantage de liberté pour surveiller et intervenir. La réglementation doit affronter ce compromis au lieu de déclarer l’une ou l’autre voie universellement plus sûre.

Anthropic n’a pas montré que les modèles chinois actuellement disponibles franchissent un seuil de capacité catastrophique clairement défini. Les partisans des modèles ouverts n’ont pas montré que l’inspection et la personnalisation donneront toujours aux défenseurs un avantage sur les attaquants.

Les deux parties avancent des affirmations prospectives. La réponse réglementaire responsable consiste à tester ces affirmations au regard des capacités et des abus observés, et non de la seule identité des entreprises.

C’est aussi pourquoi l’affirmation selon laquelle Anthropic fait pression pour une interdiction générale doit être nuancée. Les reportages indiquent que l’entreprise a sollicité des responsables gouvernementaux au sujet de la distillation, des contrôles à l’exportation et des risques de sécurité. Amodei affirme désormais qu’une interdiction des modèles chinois ne résoudrait pas ses préoccupations les plus sérieuses.

Sa clarification politique précise la position publique d’Anthropic. Les critiques peuvent toujours remettre en question ses incitations et les seuils qu’elle propose, mais ils ne devraient pas traiter une politique rejetée comme une revendication établie.

Les prochaines décisions de Washington définiront le marché

La prochaine phase dépend de trois signaux : une action gouvernementale ciblée, des tests fondés sur les capacités et l’adoption continue par les Américains de modèles chinois.

Le premier signal est de savoir si l’administration privilégie des sanctions visant des entreprises spécifiques plutôt qu’une restriction générale sur les poids téléchargeables. Une inscription sur l’Entity List du département du Commerce, des règles d’achats fédéraux ou des sanctions liées à des campagnes d’extraction documentées indiqueraient une approche ciblée.

Cette issue renforcerait l’idée que Washington sépare la sécurité nationale du débat plus large sur les modèles ouverts. Elle pourrait pénaliser des comportements spécifiques tout en préservant l’accès à des systèmes développés de manière indépendante.

Un avis plus large déconseillant tous les modèles chinois irait dans l’autre sens. Même en l’absence d’interdiction légale, les restrictions d’approvisionnement et la pression publique pourraient conduire les équipes juridiques à rejeter ces systèmes.

Le deuxième signal est de savoir si les responsables publient des tests de capacités cohérents pour les modèles ouverts comme fermés. La politique privilégiée par Anthropic dépend de l’identification du moment où un système devient suffisamment dangereux pour nécessiter une évaluation obligatoire.

Ces tests doivent révéler quelles capacités déclenchent la supervision et comment les fournisseurs peuvent contester les conclusions. Les appliquer uniquement aux modèles téléchargeables renforcerait la critique de la barrière réglementaire.

Appliquer les mêmes seuils à toutes les méthodes de distribution étayerait l’argument d’Anthropic selon lequel elle cherche des contrôles des risques plutôt qu’une protection contre la concurrence. Cela obligerait également les laboratoires fermés à accepter un examen aux côtés des développeurs ouverts.

Le troisième signal est l’adoption dans le monde réel. Les nombres de téléchargements et les données de routage des modèles montrent un intérêt, mais les engagements des entreprises révéleront si les systèmes chinois peuvent maintenir une présence américaine durable.

Les développeurs devraient surveiller l’usage d’OpenRouter, la disponibilité dans le cloud, les communications des grands clients et les sorties continues de Moonshot, Alibaba, DeepSeek et Z.ai. Une baisse de l’usage après le cycle d’attention actuel affaiblirait l’affirmation selon laquelle les modèles ouverts menacent le marché des fournisseurs fermés.

Une croissance continue accroîtrait la pression sur OpenAI et Anthropic pour améliorer leurs tarifs, publier des alternatives téléchargeables ou expliquer pourquoi les clients devraient accepter le contrôle du fournisseur. Elle rendrait également les restrictions générales plus coûteuses pour les entreprises américaines.

Le comportement d’Amazon mérite une attention particulière. L’entreprise peut promouvoir Claude tout en soutenant un vaste catalogue de modèles via AWS. Tout changement de disponibilité, d’exigences de conformité ou de soutien au déploiement donnerait une première indication de la manière dont la politique affecte l’accès des entreprises.

La relation entre Amazon et Anthropic pourrait finalement illustrer le compromis privilégié par le marché. Les clients pourraient combiner des systèmes de pointe contrôlés avec des modèles ouverts plutôt que de choisir une philosophie pour chaque tâche.

Cette approche exige une évaluation rigoureuse. Les équipes ont besoin d’archives sur les versions de modèles, les licences, les résultats de tests, les constats de sécurité et les changements de politique avant de déplacer des charges de travail importantes entre fournisseurs.

Une base de connaissances interrogeable peut aider les équipes techniques à préserver ces éléments à mesure que les modèles et les réglementations évoluent. La décision devrait reposer sur les exigences de la charge de travail, et non sur la loyauté envers le camp ouvert ou fermé.

Le conflit actuel dépasse donc un seul reportage contesté. OpenAI a modifié son alignement public, Anthropic a rejeté l’accusation selon laquelle elle souhaite une interdiction, et une vaste coalition technologique a demandé à Washington d’éviter des restrictions prématurées.

Les enjeux économiques liés à Amazon et Anthropic font toujours partie de ce différend, mais ils ne le tranchent pas. La question décisive est de savoir si les régulateurs peuvent cibler des abus avérés sans transformer la politique de sécurité nationale en protection pour un petit groupe de fournisseurs de modèles.

Les développeurs et les acheteurs en entreprise devraient désormais poser trois questions pratiques. Une règle proposée identifie-t-elle un comportement nuisible spécifique ? Applique-t-elle des tests équivalents à des systèmes ouverts et fermés comparables ? Préserve-t-elle suffisamment de concurrence pour que les clients puissent changer de fournisseur ?

Les réponses détermineront si la politique américaine sur l’IA favorise un développement plus sûr ou simplement un marché plus étroit.