Une empreinte statistique basée sur les cœurs GPU
Des accélérateurs Nvidia Blackwell et Hopper ont servi au développement de plusieurs modèles d'IA majeurs en Chine, d'après les travaux du groupe de recherche UnemploymentLabs. L'analyse met en cause l'entraînement de DeepSeek V4, Kimi K3.1, MiniMax-M3 et Ling-3.1-Flash.
Pour identifier les puces utilisées, les chercheurs ont analysé l'étape d'initialisation des poids des modèles, qui attribue une valeur pseudo-aléatoire aux connexions via l'outil cuRAND du framework PyTorch. Ce processus répartit les calculs sur l'ensemble des modules d'exécution du GPU (les SM ou shader modules), avec une charge fixe de 2 048 threads par SM. Chaque génération de puces Nvidia possède un nombre distinct de cœurs :
- Nvidia Hopper : 132 SM ;
- Nvidia Blackwell série B : 148 SM ;
- Nvidia Blackwell série GB : 152 SM.
En reproduisant ce traitement sur différentes architectures, UnemploymentLabs a constaté une correspondance statistique parfaite entre les poids publiés des modèles chinois et les profils générés par les puces Blackwell. Dès que le nombre de SM ou de threads était modifié, la corrélation s'effondrait. L'équipe a également testé des puces concurrentes comme l'AMD MI300X, mais la structure des poids obtenus s'est révélée incompatible avec les données des modèles analysés.
Location Cloud et contournement des restrictions
Les auteurs de l'étude soulignent que cette signature mathématique ne permet pas de déterminer la localisation physique des cartes ni d'établir une infraction directe aux contrôles d'exportation américains. L'accès aux puces Blackwell peut s'effectuer à distance par la location d'infrastructures serveurs situées hors de Chine, une pratique légale comme le montre le partenariat récent entre Tencent et Oracle. La méthode ne révèle pas non plus la quantité de mémoire VRAM ou la bande passante exacte des cartes, car elle ne mesure que la répartition initiale des calculs sur les cœurs de traitement.