FlashProve, le prototype développé par Anthropic, permet à un fournisseur de prouver qu’une réponse a été générée par un modèle spécifique, et ce, sans jamais révéler les poids internes de ce modèle. En substance, il offre une garantie mathématique : une sorte de signature numérique pour les réponses d’IA, visant à résoudre le problème de l’usurpation d’identité dans l’écosystème des grands modèles de langage.

Le concept, baptisé « inferrence vérifiable » (provable inference), répond à une nécessité croissante de confiance. Aujourd’hui, lorsqu’un utilisateur interagit avec une IA, il ne peut pas vérifier si les tokens proviennent bien du modèle qu’il a demandé, ou s’il fait face à un modèle subtillement substitué par un service de routage ou un attaquant. Selon les chercheurs d’Anthropic, cette opacité rend le jugement sur la qualité du modèle peu fiable.

Pour y remédier, le système utilise des preuves cryptographiques puissantes, spécifiquement des zkSNARKs, qui sont parfaitement adaptés à ce type de vérification. L’idée est simple : le fournisseur s’engage sur une version précise du modèle. Ensuite, pour chaque réponse, son GPU génère une preuve courte que cette réponse correspond bien à l’engagement pris. Tout le monde peut vérifier cette preuve, même avec un CPU standard, en quelques secondes, sans avoir accès aux secrets du modèle.

Ce mécanisme est particulièrement intéressant pour les entreprises. Il permet d’empêcher, par exemple, une organisation de remplacer discrètement un modèle coûteux par une alternative moins onéreuse pour réduire les coûts d’exploitation, ou inversement, de gonfler artificiellement les résultats de performance en utilisant une version plus performante que celle déclarée. Les poids restent sous clé, ce qui protège le secret commercial des acteurs comme Anthropic ou OpenAI.

Performances et cadre technique

Les premiers essais sur le prototype montrent des performances notables. En utilisant le modèle Llama 4 Maverick, un mélange d’experts de 400 milliards de paramètres, les équipes d’Anthropic ont observé qu’un seul GPU NVIDIA H100 parvient à générer des preuves à environ 110 tokens par seconde, lorsqu’il travaille avec des poids quantifiés en 4 bits et utilise l’arithmétique entière en phase de pré-remplissage. D’après la source primaire, ce temps de génération de preuve représente environ 70 à 95 fois le temps nécessaire au GPU pour exécuter le modèle lui-même via une librairie courante comme vLLM.

Le protocole est renforcé par des garanties formelles. Les assertions de sécurité sont prouvées dans le langage Lean, un outil de vérification formelle, afin d’auditer les faiblesses théoriques. Le protocole est prouvé en Lean 4, et sa solidité est garantie, sauf avec une probabilité très faible après des requêtes de hachage.

Les limites du prototypage

Il faut cependant se garder d’une vision trop optimiste. Les développeurs ont été clairs : FlashProve est un artefact de recherche, pas un produit prêt pour le marché. Le dépôt GitHub indique que le projet n’est pas maintenu. En effet, les étapes pour construire et exécuter le système sont longues et demandent une précision extrême, ce qui le destine davantage à des agents de codage qu’à une utilisation grand public immédiate.

Les contraintes matérielles sont importantes. Pour vérifier une preuve enregistrée, il faut compiler le vérificateur en quelques minutes, puis vérifier un exemple en moins de deux secondes. Pour lancer une simulation complète avec un modèle de taille réelle, la machine doit disposer de 280 gigaoctets de mémoire vive. Si l’on veut tester le modèle complet de Llama 4 Maverick, il faut prévoir des heures et une quantité de stockage conséquente.

Sources

• GitHub – anthropics/FlashProve: A research prototype for zero-knowledge proofs of AI inference. Not maintained., github.com
• Progress on provable inference for large language models, anthropic.com
• E se un’azienda sostituisse di nascosto il suo modello AI?, Punto Informatico, 4 novembre 2026
• Anthropic quer impedir que empresas escondam qual IA estão usando, Olhar Digital, 4 novembre 2026
• Anthropic is working on a system to prove AI models’ identity, TechCrunch, 3 novembre 2026