Le 20 août 2026, un modèle est apparu sur OpenRouter sous un nom qui ne dit rien à personne : Ox Alpha. Pas de laboratoire annoncé, pas de communiqué. Juste une entrée stealth/ox-alpha, une fenêtre de contexte d’un million de tokens, le support natif du texte, de l’image et de la vidéo, et un prix qui attire l’œil : zéro, en entrée comme en sortie.
Puis les tests sont tombés. Sur les tâches de code et les agents — cette IA qui n’exécute plus seulement des réponses mais des tâches entières —, Ox Alpha dépasse GPT-5.6 et Claude Fable 5, deux des meilleurs modèles du marché. Un modèle de niveau frontière, gratuit, sorti de nulle part, sans que personne ne le revendique. La question a immédiatement enflammé la communauté : qui l’a fabriqué, et pourquoi se cache-t-il ?
Un « modèle furtif », ce n’est pas forcément louche
Avant de crier au complot, il faut comprendre la pratique, car elle est courante et souvent légitime.
Un stealth model est un modèle qu’un laboratoire met en circulation de façon anonyme, généralement sur une plateforme tierce comme OpenRouter. L’intérêt est double. D’abord, obtenir un jugement non biaisé : quand les testeurs ne savent pas que le modèle vient d’OpenAI, de Google ou d’un labo chinois, ils l’évaluent sur ses réponses, pas sur la réputation de la marque. Ensuite, faire du test de charge grandeur nature : des milliers d’utilisateurs sollicitent le modèle gratuitement, ce qui révèle les bugs, les limites et les coûts d’inférence avant une sortie officielle.
Autrement dit, un modèle furtif est souvent une bêta déguisée. La contrepartie, c’est son caractère éphémère : ces modèles disparaissent, changent de nom ou basculent en payant du jour au lendemain. Ce qui est gratuit aujourd’hui peut ne plus exister la semaine prochaine.
Comment démasque-t-on une IA anonyme ?
C’est la partie la plus intéressante, et elle relève du travail de police scientifique. Un modèle a beau cacher son nom, il laisse des empreintes. Voici les indices que les enquêteurs de la communauté ont relevés — et il faut les prendre pour ce qu’ils sont : un faisceau, pas un aveu.
Le tokenizer. C’est l’empreinte digitale la plus fiable. Chaque famille de modèles découpe le texte en « tokens » selon un vocabulaire qui lui est propre. En envoyant des chaînes de test et en comptant précisément comment le modèle les segmente, on obtient une signature. Sur Ox Alpha, cette signature correspond à celle de la famille GLM, les modèles du laboratoire chinois Zhipu AI — là où un modèle comme DeepSeek produirait un découpage nettement différent.
Le prompt système fantôme. Les analystes ont repéré qu’une série d’instructions cachées était injectée automatiquement au début de chaque requête — une signature d’ingénierie déjà documentée chez Zhipu.
Les codes d’erreur de l’API. En envoyant volontairement des paramètres invalides, on force le modèle à renvoyer ses codes d’erreur bruts. Ceux d’Ox Alpha correspondraient à la nomenclature spécifique de l’API de Zhipu.
Le pipeline vidéo. La façon dont le modèle découpe et encode la vidéo — le budget de tokens alloué par image — collerait au mécanisme du modèle multimodal de Zhipu.
Pris isolément, chacun de ces indices se discute. Empilés, ils dessinent une convergence difficile à attribuer au hasard.
Ce que les indices disent — et ce qu’ils ne disent pas
Soyons rigoureux, parce que c’est là que beaucoup d’articles vont déraper. Aucune entreprise n’a revendiqué Ox Alpha. La théorie dominante, largement partagée dans la communauté, est qu’il s’agit d’un modèle non annoncé de la famille GLM de Zhipu AI (Z.ai) — le laboratoire chinois issu de l’université Tsinghua, aujourd’hui l’un des acteurs majeurs de l’IA, soutenu par les géants Alibaba, Tencent et Xiaomi.
Mais une convergence d’empreintes techniques est une très forte présomption, pas une preuve juridique. Le fingerprinting de modèles est une méthode sérieuse et reconnue ; elle a déjà correctement identifié des modèles furtifs par le passé. Elle reste néanmoins de l’attribution par indices : tant que Zhipu ne confirme pas — et à l’heure où ces lignes sont écrites, l’entreprise n’a pas commenté — la bonne formulation reste « les preuves techniques pointent fortement vers », pas « c’est ».
Un mot au passage sur le site oxalpha.com qui circule : un nom de domaine anonymisé, sans mentions légales ni entité enregistrée nulle part. Il ressemble davantage à une coquille montée par des fans, voire à une opération marketing indirecte, qu’à l’infrastructure réelle du modèle. Ne confondez pas le site vitrine avec le cerveau qui tourne derrière l’API : les deux ne sont pas forcément liés, et c’est le second, pas le premier, que les empreintes désignent.
Pourquoi ça compte, au-delà de la curiosité
Si l’hypothèse se confirme, le signal est fort. Un laboratoire chinois qui place, en toute discrétion, un modèle capable de battre les meilleurs modèles américains sur le code — et qui le distribue gratuitement — ce n’est pas anodin. C’est une démonstration de force dans la compétition mondiale de l’IA, et une stratégie d’acquisition : on habitue les développeurs à un modèle excellent et gratuit, avant, éventuellement, de le monétiser.
Pour un professionnel du web ou de l’e-commerce, deux enseignements pratiques. D’abord, la frontière technologique n’est plus l’apanage de deux ou trois acteurs américains ; les meilleurs modèles peuvent venir de partout, parfois sans nom. Ensuite, méfiance avec les modèles furtifs en production : gratuit et anonyme signifie aussi sans garantie de pérennité, et souvent avec des conditions de confidentialité opaques. Excellent pour tester, risqué pour bâtir un service dessus. Pour un vrai projet, mieux vaut s’appuyer sur des outils d’IA gratuits mais fiables et pérennes que sur un modèle qui peut disparaître du jour au lendemain.
Ce qu’il faut retenir
Ox Alpha est un cas d’école de l’IA en 2026 : un modèle de premier plan, gratuit, apparu masqué, que la communauté a méthodiquement rapproché de Zhipu AI par analyse d’empreintes. Le travail d’enquête est solide et fascinant. La prudence l’est tout autant : une attribution par fingerprinting est une hypothèse informée, pas une confirmation, tant que le laboratoire concerné n’a pas parlé.
C’est peut-être ça, la vraie leçon de cette affaire : à l’ère où n’importe qui peut mettre un modèle frontière en ligne sous un pseudonyme, savoir lire les empreintes techniques — et savoir jusqu’où elles prouvent quelque chose — devient une compétence à part entière.
Pour aller plus loin :
- Gemini 3.7 Flash : Google vise les agents IA et casse les prix de moitié
- Gemini 4 : non, il n’est pas sorti — ce que Google a vraiment dit
- Recherche sans clic à 65 % en 2026 : pourquoi l’e-commerce résiste
