LEBIGDATA.FR I.A, Cloud & Cybersécurité
La nouvelle entreprise AMI Labs, cofondée par Yann LeCun après son départ de Meta, vient de boucler une levée de fonds. La jeune pousse a réuni 1,03 milliard de dollars, soit environ 890 millions d’euros. Ce, pour une valorisation pré-monétaire de 3,5 milliards de dollars.
Selon TechCrunch, son ambition est de développer des “modèles du monde”. Le genre d’intelligence artificielle qui apprend directement de la réalité plutôt que de se limiter à analyser du texte.
Pourquoi des modèles du monde ?
Ce domaine reste encore peu peuplé comparé à l’IA générative. Mais selon Alexandre LeBrun, cette situation pourrait vite évoluer. Le dirigeant estime que ces modèles capables de comprendre le fonctionnement du monde réel pourraient devenir le prochain grand mot à la mode de l’industrie.
Il a même plaisanté en affirmant que, d’ici quelques mois, de nombreuses entreprises se présenteront comme spécialistes des “world models” pour séduire les investisseurs.
Cette orientation s’explique par les limites observées dans les grands modèles de langage. LeBrun partage d’ailleurs l’analyse de LeCun. Que les hallucinations produites par certains systèmes peuvent devenir dangereuses. Surtout dans des domaines sensibles comme la médecine.
L’entreprise travaille donc sur une alternative basée sur l’architecture Joint Embedding Predictive Architecture, présentée par LeCun en 2022.
Le projet reste cependant ambitieux et s’inscrit dans une démarche de recherche fondamentale. LeBrun explique qu’AMI Labs ne suit pas le modèle classique des start-ups lançant un produit en quelques mois. Transformer la théorie en applications concrètes pourrait prendre plusieurs années.
Mais alors, quel est le plan d’AMI Labs ?
Pour l’instant, AMI Labs ne cherche pas encore à générer des revenus. La priorité consiste à confronter ses modèles à des situations réelles afin d’améliorer leur compréhension du monde.
Selon LeBrun, une IA capable d’interpréter la réalité ne peut pas rester enfermée dans un laboratoire. Elle doit être testée avec de vraies données et des cas d’usage concrets.
Lorsque la technologie sera prête, l’entreprise s’appuiera sur ses partenaires pour explorer les premiers déploiements. Nabla sera la première société à expérimenter ces modèles, mais d’autres collaborations pourraient rapidement suivre.
AMI Labs bénéficie également du soutien de plusieurs grandes entreprises et investisseurs institutionnels, parmi lesquels Nvidia, Samsung, Temasek ou encore Toyota Ventures.
Les résultats concrets pourraient prendre du temps à apparaître. Malgré ce calendrier long, les investisseurs s’intéressent de plus en plus aux entreprises développant ce type d’IA.
Certaines start-ups ont déjà attiré des financements importants. Comme World Labs, créée par Fei‑Fei Li, qui a récemment levé un milliard de dollars par exemple.
Et puis, pas de panique ! Fidèle à la vision de LeCun, AMI Labs compte partager régulièrement ses avancées. L’entreprise prévoit de publier ses travaux de recherche et de rendre une partie importante de son code open source.
Cette approche est devenue rare dans l’industrie. Cela dit, les fondateurs de la startup la jugent essentielle pour accélérer les progrès et créer un véritable écosystème autour de leurs travaux.
AMI Labs, à quoi servira cette levée ?
D’après Reuters, à l’origine, la société ne cherchait à lever qu’environ 500 millions d’euros. Mais finalement, elle a obtenu près de 890 millions d’euros, notamment grâce à une équipe expérimentée.
Le laboratoire réunit plusieurs figures reconnues du secteur. On y retrouve par exemple Laurent Solly comme directeur des opérations, mais aussi des chercheurs tels que Saining Xie, Pascale Fung et Michael Rabbat.
La levée de fonds a été menée par plusieurs investisseurs majeurs. Dont Cathay Innovation, Greycroft, Hiro Capital, HV Capital et Bezos Expeditions. D’autres personnalités et entrepreneurs ont également participé au financement, parmi lesquels Tim Berners‑Lee, Mark Cuban, Xavier Niel et Eric Schmidt.
Ce capital permettra principalement de financer la puissance de calcul et le recrutement de chercheurs spécialisés. L’entreprise prévoit de développer ses équipes sur quatre sites stratégiques.
Où ? À Paris, où se trouve son siège, New York, Montréal, qui accueille son centre de recherche, et Singapour, afin d’être proche des talents et des clients asiatiques.
Les applications potentielles d’une telle technologie
Si les “world models” tiennent leurs promesses, ils pourront transformer plusieurs secteurs. Dans la robotique, par exemple, une machine équipée d’un modèle du monde serait à même d’interagir avec son environnement de manière beaucoup plus autonome.
Au lieu d’exécuter uniquement des instructions programmées, elle pourrait analyser une situation, prévoir les conséquences d’une action et ajuster son comportement. Ce type de raisonnement serait particulièrement utile dans les entrepôts automatisés ou dans l’industrie.
Le domaine des véhicules autonomes représente également un terrain d’application évident. Pour circuler en toute sécurité, une voiture doit anticiper les comportements humains, les obstacles imprévus ou les conditions de circulation changeantes. Des modèles simulant ces scénarios pourraient donc améliorer la prise de décision des systèmes embarqués.
La santé constitue un autre secteur stratégique. Grâce à son partenariat avec Nabla, AMI Labs pourrait explorer des modèles capables de simuler l’évolution de certaines pathologies ou d’évaluer différents traitements.
À terme, cette approche pourrait aider les médecins à tester virtuellement des stratégies thérapeutiques avant de les appliquer à un patient réel.
Modèles du monde : quels risques ?
Les promesses des “modèles du monde” sont indéniablement impressionnantes. Cependant, il faut comprendre qu’une telle technologie présente des risques.
Voyez-vous, contrairement aux systèmes actuels, ces modèles ne se contenteraient plus d’analyser du texte ou des images. Leur objectif est de simuler des situations réelles et de prévoir les conséquences d’une action.
Seulement, si ces prédictions sont erronées ou biaisées, les impacts pourraient être bien plus importants que ceux d’une simple réponse incorrecte d’un chatbot.
Dans la robotique ou les véhicules autonomes, par exemple, un modèle mal entraîné pourrait interpréter une situation de manière incorrecte. Une erreur de prédiction dans un environnement physique peut entraîner des accidents ou des décisions dangereuses.
Le problème devient encore plus sensible dans le domaine de la santé. Si un système tente de simuler l’évolution d’une maladie ou d’évaluer un traitement, une mauvaise modélisation pourrait orienter les médecins vers des choix risqués.
La question de la transparence ne doit pas non plus être négligée. Plus un système devient complexe et capable de simuler le monde, plus il peut devenir difficile de comprendre comment il prend ses décisions. Cette opacité pourrait compliquer la vérification scientifique et la responsabilité en cas d’erreur.
Restez à la pointe de l'information avec LEBIGDATA.FR !
- Partager l'article :
