Contribution de lecteur signée @rain落在鱼儿下. Les opinions exprimées n’engagent que leur auteur.
Dans la vague actuelle de startups de l’IA, presque toutes les équipes qui comptent chaque centime ont entendu parler des « relais d’API ». Dans les groupes Telegram, on voit passer à longueur de journée des « 10 % du prix officiel », « rechargez 1 000, recevez 1 000 de plus » et « haute concurrence, zéro contrôle anti-abus ».
Les alouettes ne tombent pas toutes rôties. Dans la filière grise qui grouille sous l’écosystème des modèles, des équipes croient avoir trouvé un raccourci et tombent dans un piège soigneusement préparé.
1. Un après-midi radieux, et une substitution silencieuse
Dans un espace de makers du quartier de Nanshan, à Shenzhen, l’après-midi était radieux. Zhang Chi (pseudonyme), un americano glacé à la main, préparait la suite. Remporter le concours de makers de la Chine du Sud, c’était 500 000 yuans d’aide en numéraire et trois ans d’exonération fiscale dans le parc. De quoi, pensait-il, permettre à une équipe de cinq personnes de passer le cap du prototype.
Pour rendre la démo plus rapide et moins chère, il a branché un relais dont tout le milieu parlait. Le produit : une plateforme d’exploration de données par IA destinée aux analystes en entreprise, construite autour de la compréhension multimodale et du raisonnement adaptatif sur une logique métier complexe. Elle devait briller au concours.
« Au début, c’était génial, jusqu’à ce que, juste avant le concours, on essaie de générer automatiquement des tableaux de bord interservices et des rapports d’attribution. » Le système a renvoyé, sans le moindre signe avant-coureur, une erreur fatale d’analyse de format. Pendant trois jours entiers, deux ingénieurs backend clés ont passé au crible les prompts, les fuites de mémoire et les structures de données. La main-d’œuvre à elle seule a coûté plus de dix mille yuans.
La troisième nuit, Zhang Chi a laissé de côté la console du relais, lancé une capture de paquets et comparé les en-têtes de réponse HTTP octet par octet.
Dans le bureau, on n’entendait plus que les ventilateurs. La vitesse de génération des tokens et la gigue du flux désignaient un autre modèle open source, moins cher. Le routeur du relais était aussi simple que grossier : dès que le prompt s’allongeait un peu, il redirigeait la requête, sans rien dire, vers le modèle bon marché. Le budget de calcul grappillé sur les repas avait surtout payé l’apprentissage de l’équipe, au profit du piège à déclassement d’un revendeur de comptes.
2. Tours de passe-passe sur la facture
Si la substitution de modèle est une flèche tirée dans l’ombre, le multiplicateur de facturation est un boulier posé bien en vue.
L’architecte chevronné que tout le monde appelle Zhou Ge secoue la tête devant ces méthodes. Les revendeurs ne se contentent plus de vendre des comptes. Ils ont importé les calculs des produits financiers dérivés.
Dans une ville de second rang non loin de Shenzhen, le développeur indépendant Lin Feng (pseudonyme) s’y est cassé les dents. Il exploite une plateforme de marketing par IA de bout en bout. Ses dépenses d’API atteignaient plusieurs centaines de dollars par mois, et ça faisait mal. Un relais affichait « rechargez 1 000, recevez 1 000 de plus ». Il a aussitôt viré 2 000 yuans.
Cinq jours plus tard, le solde avait disparu. Il a recalculé 120 heures de journaux d’appels :
- Un multiplicateur caché. Le taux de facturation des modèles haut de gamme comme
Claude 5 Fableavait été discrètement porté à 2,8 ×. - Des tokens gonflés. Le tokenizer avait été modifié pour qu’un passage en chinois de 100 tokens soit facturé comme 150 fragments.
L’étiquette annonçait 50 % de remise. Un seul appel coûtait près de 30 % de plus qu’avec l’API officielle. Le verdict de Zhou Ge : on croit avoir fait une affaire, et quelques frappes au clavier suffisent à vider le solde.
3. Une mémoire amputée, et un lundi à 9 h 01
En production, les dégâts de ce « prix bas » se multiplient.
Six mois plus tard, lors de la finale d’un concours de startups à Shenzhen, une autre équipe présentait une plateforme de développement multi-agents. Les trois premières étapes de découpage des besoins semblaient impeccables. À la sixième, une question approfondie sur l’architecture, l’agent a répondu de façon mécanique que le document téléversé ne semblait pas contenir cette donnée.
Murmures dans la salle. Les juges ont froncé les sourcils. Une nuit de captures de paquets a permis d’identifier deux causes :
- Un contexte coupé de force. Pour économiser la bande passante de sa passerelle, le relais utilisait une fenêtre glissante. Au-delà de 16 000 tokens, il tranchait le contexte le plus ancien, et l’agent perdait la mémoire.
- Des économies de cache gardées pour soi. Le relais activait la mise en cache des prompts et empochait la remise officielle sur le cache, citée ici à 50–90 %, tout en facturant le montant plein au développeur.
À peu près à la même époque, dans cette même ville de second rang, un moteur d’automatisation pour copilote commercial IA destiné aux entreprises a vécu un désastre en 429 un lundi matin, à 9 h 01.
Le relais ne disposait d’aucune clé régulière. Son pool se composait d’identifiants de sessions web obtenus par rétro-ingénierie. Ce matin-là, OpenAI a déployé une nouvelle génération de protections anti-bots, et le pool est tombé d’un coup. Le système commercial est resté hors service deux heures entières. Des dizaines de commerciaux fixaient une page d’erreur. La perte commerciale était impossible à chiffrer.
4. Quand les données atterrissent sur un forum du dark web
Le dernier acte de ce jeu des « économies » tourne souvent à l’humour noir.
À mesure que les contrôles officiels se durcissaient, plusieurs relais ont perdu leur approvisionnement en comptes et ont commencé à perdre de l’argent. Un exploitant a laissé un « contrôles trop stricts, au revoir » dans un groupe Telegram, a débranché les serveurs et supprimé la base de données. Les soldes non utilisés se sont volatilisés.
Deux semaines plus tard, un forum du dark web proposait une archive de base de données de 50 Go. De nombreux panneaux de relais open source avaient été déployés sur des VPS bon marché, sans réelle protection. Une fois les exploitants partis, les machines ont été scannées et les bases de données siphonnées. Code interne, prompts commerciaux, configurations de flux multi-agents et données métier jamais sérieusement anonymisées : tout était à découvert.
Lors d’une rencontre technique, Zhou Ge a résumé la situation en une équation :
Coût réel d’une API de modèle = frais de tokens affichés + coût des nouvelles tentatives après un déclassement + temps passé à éteindre les incendies + risque de fuite de données.
Il n’y a décidément pas de repas gratuit. Un prix très inférieur au plancher du marché transforme la facture visible en cauchemar opérationnel et en bombe de sécurité dont l’équipe ne peut pas mesurer l’ampleur à l’avance. Pour qui veut bâtir une entreprise dans la durée, se tenir à l’écart des relais du marché gris n’est pas une question de quelques sous économisés. C’est refuser de livrer soi-même ses meilleures cartes à d’autres.
