Principaux renseignements
- Les chercheurs de haut niveau quittent les géants technologiques pour fonder leurs start-ups d’IA.
- Ces jeunes entreprises attirent d’importants capitaux grâce à l’expertise des fondateurs et aux nouvelles architectures d’IA.
- Ce changement confirme une focalisation au-delà des modèles de langage, tels que la conception de puces.
Les meilleurs chercheurs quittent les grandes entreprises technologiques telles que Google, Meta et OpenAI pour lancer leurs propres entreprises d’IA. Ces start-ups attirent d’importants investissements de la part de capital-risqueurs qui croient au potentiel de nouvelles approches en matière d’architecture des modèles d’IA.
Opportunités pour les petits acteurs
La concurrence intense entre les principaux laboratoires d’IA a créé des opportunités pour des entreprises plus petites et plus agiles. Les investisseurs voient de la valeur dans ces start-ups car leurs fondateurs possèdent souvent des connaissances uniques acquises en travaillant à la pointe du développement de l’IA. Ils comprennent ce qui fonctionne à grande échelle et peuvent identifier les domaines où l’innovation fait défaut au sein des organisations établies.
Liberté d’exploration
L’accent mis sur les objectifs commerciaux au sein des grands laboratoires d’IA peut limiter la liberté des chercheurs d’explorer de nouvelles idées. Les petites start-ups offrent un espace pour une recherche plus exploratoire, en particulier en dehors du paradigme dominant des grands modèles linguistiques (LLM).
Par exemple, Recursive Intelligence, fondée par d’anciens employés d’Anthropic et de Google DeepMind, développe des outils d’IA pour la conception de puces. Les fondateurs ont compris que les fabricants de puces seraient plus enclins à faire confiance à un partenaire neutre qu’à un concurrent comme Google. Ils ont constitué une équipe réunissant des experts issus de diverses entreprises, notamment Google, Anthropic, Nvidia, Apple et xAI.
Des doutes quant aux LLM actuels
Periodic Labs, une autre start-up fondée par d’anciens collaborateurs d’OpenAI et de DeepMind, se concentre sur le développement de laboratoires autonomes. Cela met en évidence le questionnement croissant au sein de la communauté de recherche en IA quant à savoir si le simple fait de mettre à l’échelle les approches LLM existantes sera suffisant pour les percées futures.
AMI Labs, fondé par Yann LeCun, ancien directeur de l’IA chez Meta, estime que les modèles d’IA actuels excellent dans la génération de contenu, mais peinent à s’adapter aux applications du monde réel qui exigent un ancrage, une causalité et un comportement fiable. À mesure que l’IA dépasse le cadre des écrans pour s’étendre à des secteurs tels que la robotique et la santé, il devient crucial de remédier à ces limites.
Apprendre de ses expériences
Ineffable Intelligence, qui a récemment levé un montant record de 1,1 miljard dollar (environ 1 miljard euro) en capital d’amorçage, se concentrera sur l’apprentissage par renforcement, un processus par lequel les modèles d’IA apprennent par l’expérience plutôt que de se fier uniquement aux données fournies par l’homme.
Cette approche contraste avec de nombreux modèles d’IA de premier plan entraînés sur de vastes quantités de textes provenant d’Internet. Humans&, une autre start-up basée à San Francisco et fondée par d’anciens employés d’Anthropic et de xAI, explore également l’apprentissage par renforcement.(fc)
Suivez également Business AM sur Google Actualités
Si vous souhaitez accéder à tous les articles, abonnez-vous ici !