Toutes les histoires de souveraineté couvertes jusqu'ici par ce blog impliquaient que quelqu'un entraîne un modèle. Le programme Dopamo coréen a consacré une campagne d'entraînement à A.X K2. Le Soofi S allemand aussi. La France a Mistral. L'hypothèse sous-jacente à tous ces cas est que posséder un modèle national suppose d'en construire un.
Namazu, de Sakana AI, est l'argument qu'il n'en est rien. Ce n'est pas du tout un modèle de fondation — c'est un pipeline de post-entraînement appliqué aux modèles à poids ouverts d'autres laboratoires, pour les adapter à un pays donné. Et son résultat le plus cité est celui qui rend toute la stratégie lisible : il prend un modèle ouvert chinois qui refusait 72% des questions sur la politique, l'histoire et la diplomatie, et fait tomber ce taux de refus à près de zéro.
Ce qu'est réellement Namazu
Sakana — le laboratoire tokyoïte que ce blog a surtout couvert pour sa lignée d'orchestrateurs Fugu — a annoncé la série Namazu le 24 mars 2026 en version alpha, aux côtés d'un produit de chat grand public gratuit, Sakana Chat, doté d'une recherche web intégrée. Le nom est une plaisanterie qui fonctionne mieux en japonais : le namazu est le poisson-chat géant du folklore japonais, celui qui provoque les tremblements de terre quand il s'agite.
L'alpha est sortie en trois variantes, et cette liste résume toute la thèse :
- Namazu-DeepSeek-V3.1-Terminus — un modèle ouvert chinois
- Llama-3.1-Namazu-405B — un modèle ouvert américain
- Namazu-gpt-oss-120B — la sortie à poids ouverts d'OpenAI
Trois pays d'origine différents, une seule recette de post-entraînement, tous adaptés à la langue, aux normes culturelles et à la couverture factuelle japonaises. Sakana ne choisit pas un modèle de base ; le laboratoire démontre que le modèle de base est interchangeable.
Le chiffre de 72%, et pourquoi c'est le plus intéressant
Le résultat phare porte sur la censure, et il vaut la peine d'être précis sur ce qui a été mesuré. Sur un jeu de questions politiquement, historiquement et diplomatiquement sensibles pertinentes pour le Japon, DeepSeek-V3.1-Terminus a refusé de répondre à 72% des requêtes. Après le post-entraînement de Sakana, le taux de refus de la variante Namazu est tombé à environ 0% — tout en améliorant, selon l'évaluation de Sakana, l'exactitude factuelle et la neutralité sur ces mêmes sujets.
L'autre moitié de cette affirmation est celle qui serait normalement le piège : retirer les refus ne détruit-il pas le modèle ? Sakana rapporte une quasi-parité avec les modèles de base sur la suite de capacités standard — AIME'25, MMLU-Redux, GPQA Diamond, LiveCodeBench, IEval. Capacité conservée, refus supprimés, couverture factuelle améliorée.
Notez ce que ce n'est pas. Ce n'est pas un jailbreak, ni un « modèle décensuré » au sens provocateur du terme. C'est, techniquement, la même opération que le cadre de sécurité de Thinking Machines exécute délibérément comme test de red-team : un fine-tuning adversarial qui retire les refus d'un modèle pour voir quelle capacité dangereuse cela expose. Le cas Namazu est plus étroit et plus défendable : les refus supprimés sont ceux qu'un modèle chinois applique aux questions sur les îles Senkaku ou l'histoire de la guerre, ce qui ne relève en rien de la sécurité — c'est un alignement politique hérité de la juridiction d'entraînement. Cette distinction compte, et le fait que les deux opérations utilisent la même technique est précisément ce qui rend difficile le débat sur la sécurité des poids ouverts.
La stratégie que cela rend possible, et ce qu'elle coûte
Mettez les options de souveraineté côte à côte et l'économie de Namazu devient saisissante.
| Stratégie | Exemple | Ce que cela demande |
|---|---|---|
| Entraîner un modèle souverain de pointe | A.X K2 (Corée, 688 Md) | Une campagne d'entraînement complète, un soutien d'État |
| Entraîner un petit modèle souverain | Soofi S (Allemagne, 31,6 Md) | Une campagne plus modeste, mais toujours depuis zéro |
| Post-entraîner les poids ouverts d'un autre | Namazu (Japon) | Un pipeline de post-entraînement. Aucun pré-entraînement. |
Le cadrage de Sakana pour cela est celui de l'IA souveraine — l'idée qu'au lieu d'utiliser l'IA étrangère telle quelle, chaque pays la réajuste à ses propres caractéristiques, et sécurise ainsi sa souveraineté en IA. C'est de très loin l'entrée la moins coûteuse dans le jeu de la souveraineté, et elle n'existe que parce que les poids sont ouverts. On ne peut faire cela ni à GPT-5.6 Sol ni à Claude Fable 5, à aucun prix.
C'est la partie sur laquelle il faut s'arrêter. L'échelle d'ouverture à six échelons se lit d'habitude comme une question sur ce que vous avez le droit de construire et de vendre. Namazu montre une autre conséquence de l'échelon deux : les poids ouverts sont ce qui permet à un pays de corriger la politique d'un modèle. Le Japon n'a eu besoin ni de l'autorisation de Pékin pour supprimer les refus de DeepSeek, ni de celle de Washington pour adapter Llama. Il lui a fallu un téléchargement.
L'ironie au cœur de l'affaire
Mettez maintenant cela en regard de la semaine où Washington a flirté avec l'interdiction des poids ouverts chinois, au motif que les modèles chinois véhiculent des valeurs chinoises et ne devraient pas tourner dans les infrastructures alliées.
Namazu est le contre-exemple, réalisé par une démocratie alliée des États-Unis. La réponse du Japon à « ce modèle chinois est censuré » n'a pas été de l'interdire — elle a été de télécharger les poids et de post-entraîner la censure pour la faire disparaître, publiquement, avec un benchmark publié. Et la trajectoire depuis mars rend l'argument plus fort encore : selon les comptes rendus, l'API Namazu est construite sur Kimi K2.6 de Moonshot, affinée avec les données japonaises propriétaires de Sakana, avec Sakana Translate (un outil de traduction, relecture et questions-réponses japonais–anglais–chinois) lancé dessus début juillet.
Une entreprise japonaise fait donc désormais tourner des produits commerciaux sur des poids ouverts chinois, après avoir d'abord démontré qu'elle pouvait neutraliser le problème d'alignement qui rendait ces poids politiquement controversés. Quelle que soit la bonne politique publique, « les valeurs sont incrustées et ne peuvent pas être retirées » est désormais une affirmation empirique face à laquelle existe un contre-exemple publié.
Cela recadre aussi la lecture des poids ouverts chinois comme raz-de-marée. Les modèles de Moonshot ne sont pas seulement de la capacité bon marché — ils deviennent du substrat. Quand un laboratoire étranger construit son offre nationale souveraine sur vos poids, vous avez obtenu quelque chose qu'aucune activité d'API ne peut acheter, et cela ne coûte rien à Moonshot par requête japonaise.
Les réserves, qui sont réelles
Tous les chiffres ici sont ceux de Sakana. Le résultat de 72% à zéro sur les refus, l'amélioration de la neutralité et l'affirmation de conservation des capacités proviennent tous de l'évaluation du laboratoire, sur son propre benchmark, sans reproduction indépendante que j'aie pu trouver — la même réserve que ce blog applique aux tableaux de benchmarks d'Alibaba comme à ceux de tout le monde. La « neutralité » sur des questions historiques contestées est aussi une construction dont un laboratoire japonais définissant un benchmark pertinent pour le Japon n'est pas un mesureur désintéressé. Le résultat reste important, mais c'est une affirmation d'éditeur.
Je n'ai pas non plus pu atteindre directement les pages de Sakana au moment de la rédaction — sakana.ai a renvoyé une erreur 403 depuis cet environnement, comme plusieurs domaines de laboratoires toute la semaine — si bien que les éléments ci-dessus proviennent de la couverture contemporaine de l'annonce de mars et des comptes rendus ultérieurs, plutôt que de l'article original. L'alpha vivait à /namazu-alpha/ ; l'URL est désormais /namazu/, ce qui suggère que le programme a dépassé son cadrage alpha, mais je n'ai pas pu confirmer ce qui a changé.
À surveiller ensuite
- Le « post-entraînement souverain » devient une catégorie avec plus d'un acteur. La stratégie est bon marché, les modèles de base sont gratuits, et chaque pays de taille moyenne doté d'une langue et d'une histoire politique a le même problème que le Japon. Attendez-vous à un équivalent indien, brésilien ou du Golfe d'ici un an.
- Le taux de refus par juridiction devient une métrique publiée. Sakana a démontré qu'il est mesurable et corrigeable. Dès qu'un laboratoire publie ce chiffre pour le modèle d'un concurrent, tout le monde devra suivre.
- L'argument en faveur de l'interdiction des poids ouverts devient plus difficile, pas plus facile. Le meilleur argument contre les modèles ouverts chinois portait sur l'alignement des valeurs. Namazu ne réfute pas l'inquiétude, mais démontre un remède qui ne nécessite aucun contrôle à l'exportation — et les remèdes l'emportent généralement sur les interdictions dans les batailles politiques.
Références : Sakana AI — Namazu · Sakana AI — annonce de Namazu alpha · ITmedia — lancement de Namazu et Sakana Chat · Impress Watch — adapter même DeepSeek aux spécifications japonaises · GIGAZINE — lancement de Sakana Chat · MarkTechPost — Sakana Translate · StartupHub — Namazu adapte les modèles mondiaux au Japon · couverture liée : A.X K2 · Soofi S · la bataille sur les poids ouverts · l'échelle d'ouverture