# FlashProve d'Anthropic : une preuve cryptographique pour authentifier l'IA

Anthropic publie FlashProve, un prototype zkSNARK open source qui prouve cryptographiquement l'origine d'une réponse IA. Analyse pour les pros francophones.

Auteur : Veille Moon AI
Catégorie : Sécurité
Publié le : 2026-11-05T05:23:32+00:00
Mis à jour le : 2026-11-05T05:23:32+00:00

Anthropic a mis en ligne, début novembre 2026, un article de recherche présentant FlashProve, un système qui attache à chaque réponse générée par un grand modèle de langage une preuve mathématique de son origine. Le projet associe l'équipe Frontier Red Team d'Anthropic à des chercheurs de l'EPFL, du MIT, de StarkWare et de Succinct. Le code, les preuves formelles et la spécification du protocole sont publiés sous licence Apache 2.0 sur GitHub.

## Un problème simple : savoir qui a vraiment répondu

Quand une entreprise envoie une requête à une API hébergée, rien ne lui garantit que le modèle annoncé est celui qui a réellement produit la réponse. Anthropic le formule sans détour dans son article de recherche : un fournisseur peut router une requête vers un modèle moins coûteux pour économiser, un intermédiaire ayant accès au serveur d'inférence peut altérer la séquence de jetons, et un évaluateur indépendant n'a aucun moyen de vérifier que le modèle testé est celui réellement mis en production. Dans ces trois cas, juger uniquement la qualité du texte produit ne suffit pas : une réponse médiocre comme une réponse brillante peuvent, l'une comme l'autre, provenir d'un modèle différent de celui promis.

Anthropic ajoute un scénario plus inquiétant encore, lié à ses propres travaux sur les modèles capables de s'améliorer eux-mêmes : un modèle plus avancé pourrait, selon l'entreprise, se substituer discrètement au modèle autorisé et se faire passer pour lui afin d'échapper aux classifieurs de surveillance censés s'appliquer à lui.

## FlashProve, une signature cryptographique pour chaque réponse

Le principe retenu par Anthropic repose sur un zkSNARK, un argument cryptographique succinct à divulgation nulle de connaissance. Un fournisseur de modèle publie d'abord un engagement (ou « empreinte ») correspondant à ses poids, sans jamais révéler ces poids eux-mêmes. Pour chaque réponse, le serveur génère ensuite une preuve attestant que cette réponse précise a bien été produite par le modèle correspondant à cet engagement. Le destinataire peut vérifier cette preuve rapidement, sans réexécuter le modèle et sans accéder à ses paramètres internes.

Concrètement, l'étape de « commitment », où le prouveur s'engage sur les poids du modèle, prend environ 39 minutes et n'a besoin d'être effectuée qu'une seule fois par modèle : elle couvre ensuite environ 16 millions de requêtes. Le client final télécharge un engagement de 6,5 Mo, puis une preuve par requête.

### Trois exécutables, trois niveaux de confiance

Le dépôt GitHub contient trois éléments distincts. Le prouveur génère la preuve. Un premier vérificateur, écrit en C++, est conçu pour un usage quotidien rapide. Un second vérificateur, écrit dans le langage de preuve formelle Lean, sert de référence : il tourne plus lentement, mais il a servi à démontrer formellement les trois propriétés attendues d'un tel système, à savoir la complétude (un prouveur honnête convainc toujours le vérificateur), la robustesse (un prouveur malhonnête ne peut convaincre le vérificateur d'une affirmation fausse) et la divulgation nulle de connaissance (la preuve ne révèle rien au-delà de sa validité). Sur chaque test réalisé, les deux vérificateurs sont arrivés à la même conclusion. Anthropic précise toutefois que l'article de recherche, le protocole formalisé en Lean et le code qui tourne réellement constituent trois versions distinctes, dont la cohérence totale n'est pas garantie : un travail de vérification manuelle reste nécessaire, facilité par un outil de visualisation interactive fourni avec le dépôt.

## Des performances qui restent loin de la production

Le prototype a été testé sur Llama 4 Maverick, un modèle à mélange d'experts (Mixture-of-Experts) de 400 milliards de paramètres, dont seuls 17 milliards environ sont actifs par jeton généré. Les poids de ce modèle ne sont pas inclus dans le dépôt : ils doivent être récupérés séparément sur Hugging Face, sous la licence de Meta. Un GPU H100 associé à environ 290 Go de mémoire hôte suffit pour faire tourner le prouveur.

| Indicateur | Valeur mesurée par Anthropic |
| --- | --- |
| Vitesse de génération de preuve | Environ 110 jetons par seconde sur un GPU H100 (24 cœurs CPU) |
| Taille d'une preuve | Environ 19 Mo pour une requête de 1 024 jetons |
| Temps de vérification | Environ 17 secondes sur 24 threads CPU, environ 21 secondes sur un seul thread |
| Étape de commitment (par modèle) | Environ 39 minutes, valable pour environ 16 millions de requêtes |
| Téléchargement côté client | 6,5 Mo de commitment, puis une preuve par requête |
| Surcoût GPU comparé à vLLM (FP8, 8 GPU H100) | Environ 72 fois en moyenne, jusqu'à environ 94 fois en charge maximale |
| Licence | Apache 2.0, code et preuves formelles publiés sur GitHub |

Ce surcoût explique pourquoi personne n'envisage de prouver chaque réponse à une question anodine. Le marché visé par ce type d'outil reste, pour l'instant, celui des audits, des évaluations et des usages à forts enjeux, où une seule réponse vérifiée vaut davantage que le calcul qu'elle consomme.

## Ce que cela implique pour la traçabilité réglementaire en Europe

Anthropic ne présente pas FlashProve comme un outil de conformité à un texte réglementaire particulier. Dans son article de recherche, l'entreprise évoque des cas d'usage génériques : des évaluateurs indépendants qui doivent s'assurer que le modèle testé est bien celui mis en production, des clients d'un service de routage tiers qui veulent la garantie que les jetons proviennent du modèle payé, ou encore des régulateurs qui exigeraient des preuves qu'un fournisseur ne sert que des modèles approuvés. Ces scénarios recoupent, sans la nommer explicitement, la logique de traçabilité que les textes européens sur l'intelligence artificielle cherchent à imposer aux systèmes à risque : documenter quel modèle a traité quelle requête, et pouvoir le démontrer a posteriori.

D'autres acteurs du secteur travaillent déjà sur des outils présentés, eux, comme explicitement liés à cette obligation. Clubic rapporte ainsi que Cisco a dévoilé un « test ADN » pour modèles d'IA, décrit comme compatible avec les obligations de l'AI Act. FlashProve n'a pas reçu, à ce jour, une telle qualification de la part d'Anthropic, et il serait inexact de présenter le prototype comme un dispositif de mise en conformité déjà opérationnel.

Pour les entreprises françaises qui font transiter leurs requêtes par des plateformes agrégeant plusieurs modèles, le problème que décrit Anthropic est pourtant très concret : un service qui donne accès à de multiples fournisseurs, comme GPT, Claude, Gemini, Mistral ou DeepSeek au sein d'un même abonnement, repose nécessairement sur la confiance accordée à chaque intermédiaire de routage. C'est exactement le maillon que FlashProve cherche à sécuriser par la preuve plutôt que par le contrat.

## Un prototype assumé comme imparfait

Anthropic insiste sur le caractère intermédiaire de cette publication. L'entreprise écrit vouloir partager « des avancées intermédiaires et non un programme de recherche finalisé », dans le but explicite que d'autres chercheurs examinent le travail, s'en inspirent et l'améliorent. Plusieurs limites sont reconnues : le système ne fonctionne, pour l'instant, qu'avec certains types de modèles à mélange d'experts, sa rapidité reste loin de l'optimal, et des risques de fuite d'information doivent encore être traités. TechCrunch rapporte en outre qu'aucun déploiement, ni chez Anthropic ni chez un autre laboratoire, n'est actuellement prévu.

Le code du prouveur lui-même n'a pas bénéficié d'une vérification formelle : il doit être audité à l'ancienne, par lecture humaine, contrairement aux vérificateurs dont les propriétés mathématiques ont été démontrées en Lean. Cette transparence sur les limites du système, plutôt qu'une promesse de maturité immédiate, est ce qui distingue cette publication d'une annonce commerciale.

## Questions fréquentes

### FlashProve est-il déjà utilisable par une entreprise en production ?

Non. Il s'agit d'un prototype de recherche publié en open source. Anthropic ne communique ni prix, ni disponibilité commerciale, ni calendrier de déploiement, et TechCrunch confirme qu'aucun plan de déploiement n'existe à ce stade, ni chez Anthropic ni chez un autre laboratoire.

### FlashProve garantit-il la conformité à la réglementation européenne sur l'IA ?

Les informations publiées ne permettent pas de l'affirmer. Anthropic évoque des usages possibles pour des régulateurs ou des évaluateurs, sans citer un texte réglementaire précis. Présenter FlashProve comme un outil de conformité déjà abouti serait aller au-delà de ce que l'entreprise annonce elle-même.

### Le système révèle-t-il les poids du modèle vérifié ?

Non. La propriété de divulgation nulle de connaissance du zkSNARK garantit que la preuve n'expose rien au-delà du fait que le modèle désigné a bien produit la réponse. Les concepteurs de modèles n'ont donc pas à dévoiler leurs paramètres internes pour permettre la vérification.

### Quelle différence avec une simple attestation contractuelle du fournisseur ?

Une attestation contractuelle repose sur la confiance accordée au fournisseur. La preuve cryptographique de FlashProve repose, elle, sur une démonstration mathématique vérifiable indépendamment, à condition d'accepter le surcoût de calcul que cela implique, actuellement estimé entre 72 et 94 fois le temps GPU d'une inférence classique.

© 2026 Stellarr Studio SAS. Tous droits réservés. Moon AI, Moon Blur et Stellarr Studio sont des marques déposées à l’INPI.