LEBIGDATA.FR I.A, Cloud & Cybersécurité
David Silver, figure reconnue de la recherche en IA et ex-membre de Google DeepMind, prépare un retour en force. D’après un article du Financial Times publié le 17 février, il cherche à lever 1 milliard de dollars afin de bâtir un tout nouveau laboratoire dédié à l’IA.
Silver a fondé sa startup, baptisée Ineffable Intelligence, à la fin de l’année dernière après son départ de Google DeepMind. L’entreprise se concentre sur son domaine de prédilection : l’apprentissage par renforcement.
Contrairement aux modèles entraînés principalement sur d’immenses volumes de textes, cette approche consiste à apprendre par interaction avec un environnement. Un peu comme un joueur qui s’améliore partie après partie. En parallèle, Silver poursuit sa carrière académique en tant que professeur à University College London.
Selon le Financial Times, les discussions sur ce tour de table sont toujours en cours. Les modalités sont donc susceptibles d’évoluer. Cependant, sachez que ce premier tour de table pourrait propulser sa jeune pousse vers une valorisation de 4 milliards de dollars. Et ce, sans même compter les nouveaux capitaux injectés.
Dites Silver, pourquoi lever maintenant ?
Cette initiative s’inscrit dans un contexte d’euphorie financière autour de l’IA. En décembre, il a été rapporté que les startups de la Silicon Valley spécialisées dans ce secteur avaient levé un montant record de 150 milliards de dollars en 2025.
Cela dépasse largement les 92 milliards collectés en 2021. La flambée des coûts pousse les entreprises à multiplier les levées de fonds. Car les modèles d’IA les plus avancés exigent une capacité de calcul massive et des puces avancées.
Anthropic, par exemple, a annoncé le 12 février une levée de 30 milliards de dollars en série G. Ce qui a porté sa valorisation à 380 milliards, contre 183 milliards cinq mois plus tôt lors de sa série F de 13 milliards.
Le 17 février, PYMNTS indiquait même que plusieurs startups intégrant l’IA dans des usages concrets avaient levé ensemble 1,45 milliard de dollars. Ces entreprises évoluent notamment dans la robotique, la conformité réglementaire et les services de réception virtuelle.
Parmi elles figure Apptronik, qui a réuni plus de 935 millions de dollars en série A pour déployer à grande échelle son robot humanoïde Apollo. Runway a de son côté obtenu 315 millions pour développer ses outils de génération vidéo destinés aux studios et équipes marketing.
Dans ce contexte, David Silver entend bien prouver qu’il reste l’un des cerveaux les plus convoités de la planète IA.
L’apprentissage par renforcement : une tendance plus large
Si David Silver mise sur l’apprentissage par renforcement, il n’est clairement pas le seul à voir dans cette approche l’avenir des systèmes intelligents. L’intérêt des investisseurs pour les technologies qui vont au-delà des modèles basés sur le texte se confirme dans plusieurs levées de fonds récentes.
La startup londonienne Stanhope AI vient, par exemple, de boucler un tour d’amorçage de 8 millions de dollars. Devinez pourquoi. Pour développer ce qu’elle appelle un « modèle d’IA du monde réel », conçu pour s’adapter en temps réel à des environnements dynamiques. Et ce, exactement à la manière d’un cerveau humain confronté à l’imprévu.
Il y a aussi Flexion, basée à Zurich. Cette startup a levé 50 millions de dollars pour créer une plateforme de reinforcement learning. Elle est destinée à doter des robots humanoïdes d’une véritable « intelligence ». Ce qui leur permettrait d’opérer dans des environnements complexes plutôt que d’exécuter des tâches programmées.
Ou encore Skild AI qui a annoncé une levée de 1,4 milliard de dollars pour développer un cerveau robotique universel. Ce dernier est capable de piloter différents types de machines dans des environnements réels et variés.
Évidemment, cela n’a rien de surprenant. Car ce ne sont pas les applications concrètes des systèmes basés sur l’apprentissage par renforcement qui manquent. Robots industriels et humanoïdes adaptatifs, drones autonomes, optimisation énergétique et industrielle, trading algorithmique, assistants virtuels et bien d’autres.
Toutefois, il faut aussi comprendre que ces systèmes représentent une menace.
Qu’est-ce qui pourrait mal tourner ?
Eh bien, voyez-vous, ces agents apprennent par essais et erreurs pour maximiser une récompense définie par leurs concepteurs. Cependant, cela peut générer des comportements imprévisibles ou indésirables.
Par exemple, un robot chargé de nettoyer rapidement pourrait endommager son environnement pour atteindre son objectif. Leur efficacité dépend fortement de l’environnement d’entraînement. D’autant plus qu’un modèle performant dans un simulateur peut échouer dans des situations réelles ou extrêmes.
L’entraînement demande également des ressources colossales et de nombreuses interactions. Ce qui accroît les coûts et crée une dépendance aux infrastructures sophistiquées.
La traçabilité des décisions est aussi un sujet dérangeant. Comme le système apprend par interaction et non par règles explicites, il devient difficile de retracer pourquoi une décision particulière a été prise. Inutile de vous expliquer que cela pose des enjeux légaux et réglementaires.
Les implications éthiques et sociales sont importantes. Un agent optimisant sa récompense peut agir en contradiction avec des normes non codées. Enfin, les systèmes RL peuvent être détournés ou manipulés, entraînant des risques financiers, industriels ou opérationnels.
Ces limites montrent que l’apprentissage par renforcement ouvre la voie à des IA adaptatives et autonomes. Mais aussi il exige des contrôles stricts, des tests rigoureux et des mécanismes de supervision pour sécuriser leur déploiement.
David Silver lance Ineffable Intelligence et cherche 1 milliard $ pour un laboratoire d’IA basé sur l’apprentissage par renforcement.
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
