Ineffable Intelligence défie les LLM avec 937 millions d'euros levés

Ineffable Intelligence : une levée de fonds record

L'irruption d'Ineffable Intelligence sur la scène technologique européenne pourrait marquer l'émergence d'un nouveau standard d'investissement, à l'image d'AMI Labs. La startup londonienne a réussi à lever 937 millions d'euros lors d'un tour de financement, valorisant l'entreprise à 4,3 milliards d'euros. Ce montant impressionnant témoigne de l'intérêt croissant pour des approches alternatives dans le domaine de l'intelligence artificielle.

Le défi des grands modèles de langage

Depuis l'apparition des grands modèles de langage (LLM), l'industrie s'est largement alignée sur un paradigme dominant. Ces systèmes, développés par des entreprises comme OpenAI, Anthropic ou Google DeepMind, reposent sur l'accumulation massive de données issues de productions humaines. Leur efficacité réside dans leur capacité à modéliser des régularités statistiques à grande échelle, soutenue par une intensification continue des ressources de calcul. Cette approche a permis une diffusion rapide de cas d'usage, allant des copilotes logiciels aux agents conversationnels, et a contribué à établir les LLM comme une infrastructure standard.

Cependant, ce cadre, bien que stabilisé, révèle des limites structurelles. La dépendance aux données existantes soulève des questions juridiques, économiques et épistémologiques. Ces systèmes, aussi sophistiqués soient-ils, demeurent tributaires du corpus sur lequel ils sont entraînés. Leur capacité à produire des connaissances véritablement nouvelles, au-delà de la recomposition ou de l'extrapolation, reste incertaine. Des approches alternatives sont en cours d'investigation.

Une approche alternative avec le reinforcement learning

C'est à l'une de ces approches que s'attaque le projet porté par David Silver. Ancien responsable du reinforcement learning chez Google DeepMind, il a marqué un tournant dans la discipline avec des systèmes comme AlphaGo ou AlphaZero, qui ont démontré qu'un agent pouvait atteindre des niveaux de performance inédits en apprenant par interaction, sans dépendre de bases de données annotées. En remplaçant l'imitation par une logique d'exploration et d'optimisation, ces travaux ont ouvert une voie alternative, longtemps cantonnée à des environnements fermés.

L'ambition d'Ineffable Intelligence est de concevoir un système capable d'acquérir des compétences et de produire des connaissances à partir de sa propre expérience. Contrairement aux modèles de langage qui apprennent en observant des traces humaines, l'approche d'Ineffable Intelligence suppose une interaction directe avec un environnement, réel ou simulé, dans lequel l'agent teste et affine ses comportements.

Les défis du reinforcement learning

La distinction entre ces deux paradigmes renvoie à deux conceptions de l'intelligence artificielle : des systèmes qui reproduisent et recomposent des structures existantes à partir de données accumulées, et des agents qui construisent progressivement leur compréhension par l'action. Cette seconde voie, bien que prometteuse, se heurte à des contraintes significatives. Les défis non résolus incluent la modélisation d'environnements suffisamment riches, la gestion des coûts computationnels liés à l'exploration, et la stabilité des processus d'apprentissage à grande échelle.

Un soutien financier stratégique

La composition du tour de table d'Ineffable Intelligence reflète la nature de ce pari. En plus de Sequoia Capital et Lightspeed Venture Partners, des acteurs technologiques de premier plan comme NVIDIA et Google, ainsi que des institutions publiques britanniques, participent à ce tour de financement. Cette convergence suggère que le projet est perçu moins comme une opportunité commerciale immédiate que comme une option stratégique sur l'évolution future de l'IA.

L'implication de la British Business Bank et du Sovereign AI Fund introduit une dimension politique, visant à positionner le Royaume-Uni sur un segment encore peu structuré du marché, en misant sur une approche différenciante plutôt que sur un rattrapage des modèles existants. Dans un contexte de compétition accrue entre grandes zones économiques, cette stratégie souligne l'importance de maîtriser les architectures d'apprentissage comme enjeu de souveraineté.

Une vision à long terme

Sur le plan concurrentiel, Ineffable Intelligence se positionne davantage dans le sillage des laboratoires de recherche avancée, tels que DeepMind ou OpenAI, qui allient recherche fondamentale et déploiement industriel, plutôt que dans celui de l'écosystème startup au sens strict. Pour les investisseurs, cette opération s'écarte des logiques habituelles du capital-risque. La valorisation de 4,3 milliards d'euros repose moins sur des indicateurs d'exécution que sur la crédibilité d'une thèse scientifique et sur la capacité d'une équipe à en démontrer la viabilité. Le profil de David Silver confère une légitimité particulière au projet, mais le pari demeure incertain et s'inscrit dans une temporalité longue, où les retombées économiques ne sont ni immédiates ni garanties.

En creux, l'initiative d'Ineffable Intelligence ne remet pas en cause la pertinence des modèles de langage, mais interroge leur caractère définitif. À mesure que leurs limites apparaissent, la question d'un apprentissage moins dépendant des données humaines gagne en importance. Reste à déterminer si cette voie peut être rendue opératoire à grande échelle. Entre la consolidation d'un paradigme établi et l'exploration de trajectoires alternatives, l'intelligence artificielle semble aujourd'hui engagée dans une phase de bifurcation dont l'issue demeure ouverte.