À mesure que les entreprises intègrent l’IA dans un éventail de plus en plus large de processus de travail, elles se heurtent inévitablement à des obstacles liés à la fois à la fiabilité et au coût des outils d’IA. Ces difficultés vont des interruptions temporaires dues à des pannes techniques et à des suspensions réglementaires de modèles critiques (comme on l’a vu récemment avec le modèle Fable 5), au blocage inattendu de cas d’utilisation spécifiques (adieu, OpenClaw) ou encore à des dépassements budgétaires considérables (comme Uber l’a appris à ses dépens en début d’année). Pour éviter de se passer d’outils d’IA essentiels, les entreprises se tournent souvent vers des services tiers qui offrent une interface unique permettant d’accéder à divers modèles d’IA.

Le processus est simple : l’utilisateur configure son agent d’IA ou saisit dans son navigateur l’adresse d’un serveur proxy dédié (un proxy API), qui interroge les modèles cibles pour le compte de l’utilisateur et lui renvoie leurs réponses. Certaines plateformes de ce secteur privilégient un large choix de modèles, un suivi simplifié de l’utilisation et l’équilibrage de charge entre les API officielles. D’autres fondent l’intégralité de leur stratégie marketing sur une réduction drastique des coûts.

Ces fournisseurs proposent des services à des tarifs réduits de plusieurs dizaines de pour cent, voire parfois à une fraction du prix pratiqué par les fournisseurs officiels, tout en promettant de contourner les éventuelles restrictions. Bien entendu, ils passent sous silence les risques importants que ces solutions de contournement représentent pour les performances, la fiabilité et la sécurité de l’entreprise. Comment fonctionnent les proxys d’IA malveillants Selon une étude récente menée par l’Oxford China Policy Lab, le modèle économique de ces intermédiaires à bas prix repose en grande partie sur la gestion de comptes multiples.

Les prestataires créent des comptes sur des dizaines d’ordinateurs, en procédant à la vérification d’identité à l’aide de faux documents ou d’identifiants achetés à des particuliers dans des pays en développement. Pour alimenter ces comptes, ils tirent parti des périodes d’essai gratuites ou des crédits API de lancement d’un montant fixe, ou bien ils souscrivent des abonnements premium haut de gamme et partagent l’accès entre plusieurs utilisateurs finaux grâce à l’automatisation. Le modèle économique de ces plateformes frôle souvent la cybercriminalité pure et simple.

Leurs tarifs extrêmement bas ne tiennent pas seulement au fait qu’ils exploitent au maximum les limites d’utilisation des comptes, mais aussi à l’utilisation d’identifiants volés provenant d’utilisateurs légitimes et à l’achat en masse d’abonnements à l’aide de cartes de crédit piratées. Ces services sont hautement automatisés : dès qu’un fournisseur d’IA détecte et bloque un compte suspect, le système remplace automatiquement les identifiants compromis par de nouveaux. Pour les utilisateurs, le problème dépasse largement les conséquences liées à l’obtention illicite d’un accès.

Un proxy API offre une visibilité totale sur le trafic entre l’utilisateur final et le modèle : il capture les requêtes, les chemins de raisonnement et les résultats. Point essentiel : le proxy est également capable de manipuler les données dans les deux sens. Examinons les risques que cela engendre pour les organisations.

Fuites de données et vol de propriété intellectuelle L’étude indique que le véritable objectif de bon nombre de ces services est de collecter des données d’interaction de haute qualité à partir de modèles de pointe afin d’entraîner des IA tierces. En réalité, proposer un accès à une API à bas prix n’est qu’un appât. Le véritable produit, ce sont les utilisateurs et leurs données.

Au-delà des informations relatives aux clients et des données financières, la propriété intellectuelle est gravement menacée. De nombreuses entreprises consacrent des ressources considérables au développement d’architectures RAG complexes ou de messages système spécifiques. En acheminant leurs requêtes via un proxy « gris », ils confient de fait leur savoir-faire et leur logique métier à des tiers inconnus.

Non-respect des réglementations et des normes Pour une entreprise, le simple fait de faire transiter les données de ses clients par un service proxy non vérifié, en particulier s’il opère depuis une juridiction dont le statut juridique est flou, constitue une violation directe des lois sur la protection des données et, très probablement, des obligations contractuelles envers ses partenaires et ses clients. Cette situation expose l’entreprise à de lourdes amendes et à une atteinte à sa réputation, même si les données compromises ne sont jamais rendues publiques. Usurpation et substitution de modèles Certains services de proxy réduisent leurs coûts d’exploitation en redirigeant de manière dynamique une partie ou la totalité des requêtes des utilisateurs vers des modèles open source peu coûteux, au lieu des modèles propriétaires haut de gamme initialement sollicités.

Ces réponses de qualité inférieure sont ensuite réattribuées au modèle LLM coûteux. Des tests menés par des chercheurs du Centre Helmholtz CISPA ont révélé que, si l’envoi d’une requête médicale complexe directement à Google Gemini 2.5 permet d’obtenir un taux de précision supérieur à 83 %, le fait de faire transiter cette même requête par divers proxy malveillants fait chuter ce chiffre à seulement 37 %. Ces décisions de changement de modèle sont prises de manière dynamique selon une logique opaque, afin de maximiser les marges bénéficiaires du fournisseur de proxy.

Manipulation dissimulée des requêtes et des réponses Un serveur proxy dispose des moyens techniques nécessaires pour mener une attaque de type homme au milieu. Un proxy malveillant peut, à l’insu de l’utilisateur, insérer des instructions cachées dans les invites ou manipuler les résultats générés par le modèle. Par exemple, si une organisation utilise des assistants de codage basés sur l’IA pour le développement de logiciels, le proxy pourrait demander au modèle LLM de générer du code contenant des vulnérabilités ou des portes dérobées.

Par conséquent, les utilisateurs n’ont plus aucune garantie que leur base de code soit générée par un modèle vérifié et sécurisé, ayant fait l’objet de tests de qualité et de sécurité. Temps d’arrêt et interruptions de service Si l’une des principales raisons de migrer vers un proxy API est d’atténuer les incidents techniques du côté des fournisseurs et de permettre un passage transparent d’un fournisseur de modèles à un autre, de nombreuses plateformes non conformes sont malheureusement peu fiables sur le plan opérationnel. Ces services connaissent souvent des interruptions totales, coupant ainsi l’accès à tous les modèles LLM simultanément.

L’alternative éthique : les agrégateurs officiels Il existe sur le marché des prestataires sérieux qui proposent des services d’agrégation d’API de façon transparente et éthique. Ces plateformes indiquent clairement les modèles qu’elles utilisent, proposent des itinéraires flexibles et fixent le prix de leurs services à un niveau très proche des tarifs officiels des fournisseurs. Bien qu’OpenRouter soit sans doute la plateforme la plus connue dans ce domaine, les entreprises peuvent explorer d’autres solutions telles que Poe.com (qui propose un modèle d’agrégateur par abonnement avec une tarification unifiée) ou Hugging Face (pour un accès étendu à des modèles open source), ou encore maintenir des contrats directs avec les principaux fournisseurs d’IA tout en centralisant en interne la gestion de l’accès, de la fiabilité et de la sécurité via un proxy API auto-hébergé basé sur LiteLLM. L’intérêt commercial de ces infrastructures légitimes réside principalement dans la réduction de la dépendance vis-à-vis d’un fournisseur.

Ainsi, si, par exemple, OpenAI augmentait ses tarifs ou était contraint de fermer son API, une entreprise pourrait réorienter ses flux de travail d’IA vers des alternatives telles que Claude ou Llama sans avoir à réécrire la moindre ligne de code. Il s’agit d’un mécanisme conforme permettant d’optimiser les dépenses d’exploitation et d’assurer la continuité des activités. Cinq règles pour une intégration sécurisée des modèles d’IA Afin de protéger à la fois vos données et vos budgets, respectez les consignes suivantes : Utilisez uniquement des services approuvés.

Faites confiance aux API officielles des développeurs ou à des agrégateurs réputés, validés par les principaux acteurs du marché et disposant de certifications de sécurité rigoureuses. Méfiez-vous des prix qui semblent suspects. Si un service tiers promet l’accès à un modèle tel que l’Opus 4.8 à un dixième du prix officiel pratiqué par le fabricant, évitez ce service.

Effectuez une analyse comparative rigoureuse. Avant de déployer une solution à grande échelle, procédez à des évaluations internes indépendantes. Vérifiez que les modèles fournissent systématiquement la qualité de sortie attendue et répondent à vos exigences en matière de latence.

Gardez le contrôle sur le routage. Vous devez avoir une vision claire du modèle qui reçoit exactement vos requêtes et de la manière dont le service gère l’équilibrage de charge. Cela nécessite non seulement des moyens techniques de surveillance, mais aussi des obligations contractuelles clairement définies de la part du fournisseur du proxy API.

Traitez les données par segment en fonction de la sensibilité. Indépendamment de ce qui précède, évitez de transmettre des informations à caractère personnel, des secrets commerciaux, du code source ou toute autre donnée sensible via des points de terminaison d’API basés sur le cloud, quels qu’ils soient. Pour ce type de charges de travail, nous vous recommandons de déployer des modèles open source localisés au sein de votre propre infrastructure, entièrement sous votre contrôle opérationnel.