DeepSeek V4.1 Flash a perdu ses filtres

Ce qui a réellement été retiré du modèle

Ce qui retient l’attention n’est pas l’expression « sans filtres », mais la méthode : il ne s’agit ni d’un prompt système ni d’un jailbreak temporaire. En septembre 2026, Hugging Face héberge une version non officielle de DeepSeek V4.1 Flash dont le comportement de refus aurait été supprimé au niveau des poids. Une telle modification accompagne le modèle lui-même et ne dépend pas d’une interface particulière.

Dans la fiche du modèle publiée par dealignai sur Hugging Face, la méthode est appelée « permanent weight-level abliteration ». Elle est décrite comme une modification durable de l’espace des refus, avec l’objectif de préserver le raisonnement, la vision et les capacités générales. L’auteur mentionne aussi des poids FP8 natifs, mais la procédure exacte n’est volontairement pas détaillée publiquement.

Le chiffre principal concerne la sécurité, non la qualité. Selon la fiche, la version modifiée exécute 100 % des requêtes nuisibles sur HarmBench-320. Le modèle de base, avec le raisonnement au maximum, en laissait passer 1,6 %, ce qui suggère une disparition presque complète des refus sur ce jeu de tests.

Cette modification a un coût en qualité : le MMLU est passé de 86,96 % à 82,74 %, soit environ quatre points de pourcentage. Il serait difficile de qualifier cette perte de négligeable. Le MMLU ne dit pas non plus si la stabilité du raisonnement, les capacités visuelles ou le comportement face aux requêtes multilingues et à double usage ont été préservés.

Tous les chiffres proviennent de l’auteur de la version ; il faut donc les considérer comme des résultats déclarés, et non comme une validation indépendante. Il faudrait d’abord examiner la reproductibilité de HarmBench, le détail par catégorie et les effets secondaires sur les requêtes ordinaires. Retirer les refus est rarement une opération isolée : des directions internes utiles du modèle peuvent être touchées avec les garde-fous.

Pourquoi cela change la donne

Il s’agit d’une véritable modification technique, et non d’une nouvelle consigne du type « ignore les instructions précédentes ». Les chercheurs disposent d’un artefact ouvert pour étudier l’alignement, les refus et la robustesse des modifications de poids. En parallèle, le seuil d’abus diminue, car la protection ne revient pas par un simple changement de prompt système.

Pour des usages locaux ou spécialisés, réduire les faux refus peut sembler attrayant. Mais un score de 100 % sur HarmBench a un revers évident : le modèle ne trace plus non plus de limite lorsqu’une demande est clairement nuisible. Sans couche de contrôle externe distincte, cette version ne doit pas être considérée comme une simple variante plus obéissante du modèle d’origine.

La question la plus intéressante n’est plus de savoir si la censure pouvait être supprimée. D’après les chiffres publiés, oui. La question non résolue est de savoir à quel point cette opération a modifié le modèle au-delà de quelques benchmarks commodes.

Nous avons déjà analysé le revirement d’Anthropic sur les dégradations cachées des requêtes Claude et ce que la transparence des modèles implique pour les utilisateurs. La sortie non filtrée de DeepSeek V4.1 Flash prolonge ce débat en plaçant le comportement du modèle et les contrôles d’accès au premier plan.