Garry Tan, PDG de Y Combinator, a publiquement appelé les laboratoires américains d'intelligence artificielle à poids ouverts à recourir davantage à la distillation de modèles de pointe. Cette technique consiste à entraîner un modèle plus petit et moins coûteux en s'appuyant sur les sorties générées par un modèle plus puissant, souvent propriétaire, afin d'en capturer une partie des capacités sans supporter le coût complet de l'entraînement initial.
Cette prise de position intervient dans un contexte où des laboratoires chinois, notamment DeepSeek, ont démontré qu'il était possible de produire des modèles ouverts compétitifs à moindre coût en s'appuyant sur cette approche. Ces succès ont alimenté un débat aux États-Unis sur la capacité de l'écosystème américain à maintenir son avance face à des concurrents capables de reproduire rapidement des performances de pointe pour une fraction du budget.
Garry Tan, en tant que figure influente de l'investissement dans les startups technologiques via Y Combinator, soutient implicitement que les acteurs américains du poids ouvert doivent adopter des méthodes similaires plutôt que de les laisser aux seuls laboratoires étrangers. L'argument sous-jacent est stratégique autant qu'économique : si la distillation permet de démocratiser l'accès à des capacités proches de l'état de l'art, ne pas l'utiliser reviendrait à céder un avantage compétitif majeur aux laboratoires qui l'exploitent déjà.
Cette déclaration s'inscrit dans un débat plus large sur la position des États-Unis dans la course à l'IA ouverte, alors que les grands laboratoires américains privilégient largement des modèles propriétaires fermés. Elle souligne une tension persistante entre les intérêts commerciaux des géants de l'IA générative et les appels, venus notamment du monde du capital-risque, à une diffusion plus large et plus rapide des capacités technologiques.