Ce que vend la société
Une start-up nommée Abliteration.ai exploite un service hébergé qui fournit à ses clients des modèles d’IA à poids ouverts dont l’entraînement de sécurité a été retiré, a rapporté TechCrunch le 3 septembre. Les utilisateurs atteignent les modèles via un navigateur ou une API, sans télécharger de poids ni louer de GPU, et peuvent ajouter leur propre modération par-dessus — ou s’en passer.
Parmi les modèles proposés figurent des versions modifiées de sorties à poids ouverts de premier plan, comme GLM-5.3 de Z.ai. La société a démarré fin 2025 et a été constituée en mars 2026. Son cofondateur, qui n’a donné que son prénom, Devon, parce qu’il est encore salarié ailleurs, a déclaré à TechCrunch qu’Abliteration.ai n’a pas de capital-risque mais dispose de « plusieurs accords avec de grands fournisseurs de cloud », des discussions de levée de fonds étant en cours.
Ce qu’est l’abliteration
Le nom combine ablation et oblitération, et décrit un constat précis sur le fonctionnement de l’entraînement à l’alignement. Le comportement de refus d’un modèle affiné ne semble pas réparti uniformément dans le réseau : il se concentre dans des directions identifiables qui peuvent être isolées puis supprimées, en laissant largement intactes les autres capacités du modèle.
C’est pourquoi la technique est rapide. Une note aux clients du cabinet Akerman, en mai 2026, qui passe en revue les travaux publiés, relevait que l’outil GitHub gratuit Heretic peut retirer les protections de Llama 3.3 de Meta en moins de dix minutes sur du matériel grand public, et que Gemma 4 de Google a été abliteré dans les 90 minutes suivant sa sortie. La note recensait plus de 3 500 variantes modifiées pour 13 millions de téléchargements cumulés.
Rien de tout cela n’est nouveau. Ce qui est nouveau, c’est qu’il s’agit désormais d’un produit, avec un support à assurer et une relation de facturation.
L’argument des défenseurs
La thèse de Devon est que les modèles non censurés servent davantage ceux qui défendent les systèmes que ceux qui les attaquent. « L’avantage, c’est que les défenseurs peuvent désormais aller aussi vite que possible », a-t-il dit à TechCrunch. « Je pense que cela va accélérer la cybersécurité. » Il indique que les premiers clients sont des start-up de red teaming au Royaume-Uni et en Europe, dont les propres clients sont des banques, des compagnies aériennes et des opérateurs d’infrastructures critiques.
L’argument se tient, et c’est celui qu’on avance pour l’outillage de sécurité offensive en général. Il a aussi une faille évidente : rien, dans un point d’accès hébergé, ne distingue un red teamer travaillant pour une banque de n’importe qui muni d’une carte bancaire.
L’objection
Andrew Yoon, directeur de la recherche de l’association de sécurité de l’IA CivAI, a déclaré à TechCrunch que l’abliteration transforme un modèle en « sociopathe » et qu’il s’attend à voir des modèles abliterés utilisés à des fins nuisibles à brève échéance.
Le point de fond de la note d’Akerman est celui auquel les régulateurs devront répondre : si l’alignement peut être retiré en dix minutes avec un outil gratuit, alors l’entraînement de sécurité est une fonctionnalité amovible et non une propriété structurelle du modèle. Tout engagement de sécurité attaché à une sortie à poids ouverts porte sur l’artefact tel qu’il est livré, pas tel qu’il existera un jour plus tard.
La question est déjà ouverte à Bruxelles et à Washington, où le traitement des modèles à poids ouverts au titre des règles sur le risque systémique est la partie la moins tranchée des dispositifs. Une société dotée d’une grille tarifaire rend plus difficile de traiter l’abliteration comme une pratique de recherche marginale.
À surveiller : si les fournisseurs de cloud avec lesquels Devon dit avoir des accords les maintiennent une fois nommés, et si un éditeur de modèle tente de faire valoir une clause de licence contre un service d’abliteration hébergé. Ni l’un ni l’autre n’a été testé.
