Le marché noir des tokens d’IA : enquête sur la revente frauduleuse de ChatGPT

Une enquête de Matt Lenhard dévoile l’existence d’un marché parallèle florissant, principalement en Chine, où des revendeurs proposent l’accès aux grands modèles d’IA (ChatGPT, Claude) à prix cassés. Leur secret ? L’exploitation systématique de failles de sécurité, de cartes bancaires volées et d’outils open source détournés.

Un écosystème souterrain révélé au grand jour

Le 26 juillet 2026, l’expert en sécurité Matt Lenhard publiait sur Vectoral une investigation fouillée qui a fait l’effet d’une bombe dans l’écosystème de l’intelligence artificielle. Simon Willison, figure reconnue de la communauté tech, qualifiait cette enquête de « fascinante » en la relayant sur son blog. Et pour cause : elle lève le voile sur un marché parallèle structuré qui permet d’accéder aux API des grands modèles de langage (LLM) comme GPT-4, Claude ou Gemini à des tarifs défiant toute concurrence.

Selon l’enquête, des revendeurs — concentrés principalement en Chine — proposent des réductions allant de 50% à 80% par rapport aux tarifs officiels d’OpenAI, Anthropic ou Google. Comment ? En agrégeant des clés d’API obtenues par des méthodes pour le moins discutables : abus massif d’essais gratuits, exploitation de chatbots de support client non sécurisés, utilisation de cartes bancaires volées, et attaques par rétrofacturation (chargeback).

L’infrastructure technique : quand l’open source devient complice involontaire

L’aspect le plus troublant de cette affaire réside dans les outils utilisés. Les revendeurs s’appuient massivement sur one-api et son fork plus actif new-api, deux projets open source parfaitement légitimes conçus pour gérer le load balancing entre plusieurs fournisseurs d’API. Ces logiciels permettent normalement aux entreprises de répartir leurs requêtes entre différentes clés API pour optimiser coûts et performances.

Détournés de leur usage initial, ces proxies deviennent l’infrastructure centrale d’un système de fraude à grande échelle. Un revendeur constitue un pool de clés API obtenues frauduleusement, les configure dans one-api ou new-api, et revend l’accès à ce proxy à des clients finaux qui bénéficient ainsi de tokens à prix bradés. D’après les discussions sur Hacker News, certains opérateurs généreraient des revenus mensuels se chiffrant en millions.

Cette situation crée un dilemme inédit pour la communauté open source : comment réagir quand un outil légitime devient l’épine dorsale d’activités frauduleuses ? Contrairement aux logiciels de piratage traditionnels, one-api et new-api ont des cas d’usage 100% légaux et sont utilisés par de nombreuses entreprises pour gérer leurs infrastructures multi-cloud.

Anatomie d’un business model frauduleux

Le fonctionnement de ce marché repose sur plusieurs vecteurs d’approvisionnement en clés API. L’abus d’essais gratuits arrive en tête : les fournisseurs LLM offrent généralement des crédits gratuits aux nouveaux utilisateurs. Les revendeurs automatisent la création de comptes en masse pour accumuler ces crédits.

Deuxième méthode révélée par l’enquête : l’exploitation de bots de support non protégés. Certaines entreprises déploient des chatbots IA pour leur service client sans sécuriser correctement l’accès aux API sous-jacentes. Les fraudeurs identifient ces points faibles et les utilisent comme passerelles gratuites vers les modèles.

Les méthodes les plus agressives impliquent des cartes bancaires volées ou des attaques par rétrofacturation : acheter pour plusieurs milliers de dollars de tokens, les utiliser ou les revendre, puis contester les paiements auprès de sa banque en déclarant une fraude. Cette dernière technique inflige des pertes directes aux fournisseurs LLM, qui doivent rembourser les transactions tout en ayant fourni le service.

Qui achète ces tokens et pourquoi ?

La clientèle de ce marché gris reste difficile à cerner précisément. Selon les éléments de l’enquête et les discussions en ligne, trois profils se dessinent : les développeurs et petites entreprises des marchés émergents cherchant à réduire leurs coûts d’infrastructure IA ; les utilisateurs souhaitant contourner les restrictions géographiques (certains modèles ne sont pas disponibles dans tous les pays) ; et des acteurs cherchant à « distiller » les capacités de modèles propriétaires dans leurs propres systèmes.

Une question éthique complexe émerge : quelle proportion de ces acheteurs a conscience du caractère frauduleux de leur fournisseur ? Beaucoup pensent probablement utiliser un simple service de revente légitime, sans réaliser que leur réduction de 70% repose sur des cartes volées ou des systèmes détournés.

Le symptôme d’une fracture mondiale dans l’accès à l’IA

Au-delà de la dimension purement frauduleuse, ce marché parallèle révèle une tension structurelle de l’industrie de l’IA générative. Les tarifs des API LLM sont optimisés pour les entreprises occidentales et les marchés développés. Pour un développeur en Inde, au Vietnam ou même en Chine, où le PIB par habitant est 5 à 10 fois inférieur à celui des États-Unis, ces coûts deviennent rapidement prohibitifs.

Comme l’a souligné un commentateur sur Hacker News ayant travaillé sur l’intégrité financière dans la publicité en ligne : « Ce n’est pas nouveau du tout ! Les mêmes marchés de revente existent pour les produits des géants internet de la génération précédente. » La différence ? L’IA devient progressivement une infrastructure critique pour l’éducation, le développement logiciel et l’innovation. Son inaccessibilité tarifaire dans certaines régions crée un terreau fertile pour les solutions de contournement.

Cette situation pose une question fondamentale : les fournisseurs LLM devraient-ils adopter une tarification différenciée géographiquement, comme le font Netflix, Spotify ou les éditeurs de logiciels ? Tant que le pricing restera uniforme mondialement, des marchés parallèles continueront d’émerger pour combler l’écart d’accessibilité.

Les ripostes des fournisseurs et les perspectives d’évolution

Face à cette hémorragie, les fournisseurs de LLM ne restent pas inactifs. OpenAI, Anthropic et Google ont progressivement durci leurs politiques d’essai gratuit : vérification d’identité renforcée, limitation géographique, détection de patterns d’utilisation suspects. Certains ont mis en place des systèmes de machine learning pour identifier les comportements anormaux — ironie du sort, utiliser l’IA pour détecter la fraude à l’IA.

À court terme (1-3 mois), on peut s’attendre à une vague de bannissements de clés API suspectes, perturbant temporairement le marché de revente. Les développeurs de one-api et new-api pourraient être contraints d’ajouter des garde-fous anti-abus, au risque de compliquer l’usage légitime de leurs outils.

À moyen terme (6-12 mois), plusieurs scénarios se dessinent. Une répression coordonnée entre fournisseurs LLM et autorités chinoises pourrait démanteler les plus gros opérateurs. Alternativement, le lancement par des acteurs chinois (Alibaba, Baidu, DeepSeek) de modèles compétitifs à prix agressifs pourrait assécher la demande pour ces proxies frauduleux. Une course à l’armement technique entre systèmes de détection et méthodes de contournement est également probable.

Implications pour les professionnels et les entreprises

Pour les entreprises utilisant des API LLM, cette révélation impose une vigilance accrue. Si vous bénéficiez de tarifs inférieurs de 50% ou plus aux prix officiels, questionnez la provenance des clés. Les risques sont multiples : coupures de service imprévisibles, exposition légale (violation des conditions d’utilisation), et surtout fuite potentielle de données confidentielles transitant par des proxies non audités.

Les directions techniques doivent auditer leurs fournisseurs d’API et exiger une transparence totale sur la provenance des accès. Privilégier les canaux officiels ou les revendeurs agréés garantit la continuité de service et la conformité contractuelle. Mettre en place une détection d’anomalies — latence inhabituelle, changements d’adresses IP — peut signaler un proxy frauduleux.

Pour les investisseurs, cette affaire révèle une vulnérabilité structurelle du modèle économique des fournisseurs LLM. Les pertes financières liées à la fraude restent non quantifiées publiquement, mais pourraient être massives. En parallèle, elle indique une demande réelle mais non servie pour des LLM abordables dans les marchés émergents — une opportunité pour des modèles alternatifs positionnés sur un segment tarifaire intermédiaire.

Questions ouvertes et débats éthiques

Cette affaire soulève des interrogations qui dépassent le cadre strictement technique ou sécuritaire. Les développeurs de one-api et new-api ont-ils une responsabilité morale face à ces usages détournés ? Doivent-ils implémenter des restrictions, au risque de pénaliser les utilisateurs légitimes ?

Plus fondamentalement, si un étudiant en Inde utilise un proxy frauduleux pour accéder à GPT-4 afin d’améliorer son éducation, est-ce moralement équivalent à pirater Netflix ? L’accès à l’IA générative devient-il un « droit » suffisamment important pour justifier une forme de désobéissance civile numérique ?

Ce marché fonctionne paradoxalement comme une « taxe inversée » : au lieu que l’État redistribue des richesses, ce sont les fraudeurs qui « taxent » les fournisseurs LLM (via cartes volées et chargebacks) pour redistribuer l’accès à prix réduit. Robin des Bois numérique ou parasitisme pur ? La réponse dépend largement de la perspective adoptée.

Vers une régulation inévitable ?

La médiatisation croissante de ce phénomène attirera inévitablement l’attention des régulateurs. La Chine et l’Union européenne préparent des cadres réglementaires sur l’accès aux services d’IA. Ce marché gris, aujourd’hui dans une zone floue, pourrait basculer dans l’illégalité explicite.

Les autorités chinoises, soucieuses de contrôler l’accès aux technologies étrangères sensibles, pourraient décider de sévir contre ces opérateurs. Aux États-Unis et en Europe, la question de la responsabilité des développeurs d’outils open source utilisés pour la fraude pourrait refaire surface, comme ce fut le cas avec les outils de chiffrement ou les réseaux anonymes.

Une certitude émerge : la solution ne sera pas uniquement technique. Améliorer la détection de fraude est nécessaire mais insuffisant. Tant que l’écart de prix entre le coût officiel et la capacité de paiement des marchés émergents restera aussi béant, des acteurs continueront de combler ce fossé par des moyens détournés. La vraie question pour l’industrie de l’IA est de savoir si elle souhaite — et peut — devenir véritablement accessible mondialement, ou si elle accepte de rester un service premium réservé aux économies développées, avec les marchés parallèles que cela implique.