Standard Intelligence surfe sur l'engouement Neolab avec un modèle de contrôle d'ordinateur

Standard Intelligence surfe sur l'engouement Neolab avec un modèle Computer Use

Il y a deux mois, des passants du quartier South Park à San Francisco ont aperçu quelque chose d'inhabituel : un Toyota Rav4 circulant dans les rues avec un ordinateur portable posé sur le tableau de bord. La machine tournait un nouveau type de modèle d'IA appelé "computer use model", développé par Standard Intelligence, une startup de deux ans à peine. Ce modèle est capable d'opérer un ordinateur pour accomplir une gamme de tâches variées : tester un site bancaire, supprimer des spams ou, comme le montrait cette démonstration, piloter un véhicule. La startup vient d'annoncer une levée de fonds de 75 millions de dollars à une valorisation de 500 millions de dollars, menée par Sequoia Capital et Spark Capital, selon des informations révélées en exclusivité par The Information. Ce financement représente plus de seize fois la valorisation obtenue lors de son tour de table initial fin 2024, signe d'un intérêt fulgurant pour cette catégorie de modèles. Là où les agents IA traditionnels peinent à interagir avec un environnement visuel et physique, les "computer use models" promettent de contrôler directement des interfaces graphiques, sans nécessiter d'API ou d'intégration spécifique. L'application automobile démontrée par Standard Intelligence illustre un niveau d'autonomie que la plupart des systèmes concurrents ne peuvent pas atteindre, ce qui positionne la startup dans un segment à fort potentiel industriel. Standard Intelligence se distingue notamment par son approche des données d'entraînement : contrairement aux modèles classiques qui s'appuient massivement sur du texte, la startup repense la nature même des données utilisées pour apprendre à interagir avec un ordinateur. Ce changement de paradigme s'inscrit dans une vague plus large d'intérêt pour les agents capables d'agir dans le monde réel, une tendance surnommée "neolab fervor" dans les cercles tech. Avec Sequoia et Spark Capital à bord, et une valorisation qui explose en quelques mois, Standard Intelligence devient l'une des entreprises à suivre dans la course aux agents IA autonomes.

Google Cloud soutient l’ambition de superintelligence d’Ineffable Intelligence

Ineffable Intelligence, startup londonienne fondée par David Silver, le chercheur britannique à l'origine d'AlphaGo, a annoncé lors du Google Cloud Summit London 2026 un partenariat stratégique avec Google Cloud pour soutenir le développement de son projet de superintelligence. Cette alliance intervient dans la foulée d'une levée de fonds de 1,1 milliard de dollars, la plus importante jamais réalisée par une startup européenne spécialisée dans l'IA. Concrètement, Ineffable Intelligence déploiera sur l'infrastructure Google Cloud l'un des plus grands clusters A5X au monde, équipé de GPU NVIDIA Vera Rubin NVL72, pour entraîner ce qu'elle appelle un « super-apprenant » : une intelligence artificielle capable d'acquérir des connaissances par l'expérience directe, en continu, plutôt qu'à partir de vastes ensembles de données précompilées. L'enjeu dépasse largement le simple choix d'un prestataire cloud. Les systèmes fondés sur l'apprentissage par renforcement continu imposent des contraintes d'infrastructure radicalement différentes des modèles génératifs classiques : ils génèrent, évaluent et exploitent en temps réel des flux d'expériences, ce qui exige non seulement une puissance de calcul considérable, mais aussi une interconnexion ultra-performante entre GPU, réseau à haut débit et stockage optimisé. Google Cloud se positionne précisément sur cette architecture intégrée, présentée comme un avantage décisif pour les laboratoires les plus exigeants. Pour l'industrie, ce partenariat marque une étape dans la compétition entre hyperscalers pour capter les projets d'IA les plus ambitieux, où l'infrastructure devient un levier de différenciation aussi important que les algorithmes eux-mêmes. David Silver, figure emblématique du domaine depuis sa contribution décisive à AlphaGo chez DeepMind, a quitté Google pour fonder Ineffable Intelligence avec l'ambition explicite de développer des systèmes capables de dépasser les capacités humaines dans des domaines comme les sciences, les mathématiques ou la technologie. L'approche par apprentissage par renforcement qu'il défend s'inscrit dans une tradition de recherche distincte des grandes entreprises qui misent sur la mise à l'échelle de modèles de langage entraînés sur du texte. Le choix de Google Cloud comme partenaire est une décision stratégique pour les deux parties : Ineffable Intelligence bénéficie d'une infrastructure de premier rang à grande échelle, tandis que Google utilise ce partenariat comme vitrine pour démontrer la maturité de son offre IA à une période où la concurrence entre Azure, AWS et Google Cloud pour attirer les laboratoires de recherche de pointe n'a jamais été aussi intense. La levée de 1,1 milliard confirme que le projet est pris très au sérieux par les investisseurs, même si l'horizon d'une superintelligence opérationnelle reste indéfini.

💬 David Silver quitte Google pour lever 1,1 milliard et retourner entraîner ses modèles sur... l'infra Google. Le serpent qui se mord la queue, mais version superintelligence. Ce qui m'intéresse vraiment là-dedans, c'est l'approche : de l'apprentissage par renforcement continu plutôt que du scaling de LLM sur texte, c'est une vraie bifurcation par rapport à ce que font OpenAI ou Anthropic. Reste à voir si ça donne quelque chose en dehors des jeux de plateau.

Avec 3,8 millions d’euros, LEADBAY veut réinventer la sales intelligence avec ses modèles d’inférence

La startup française LEADBAY a levé 3,8 millions d'euros pour développer une nouvelle approche de la sales intelligence fondée sur des modèles d'inférence propriétaires. L'entreprise entend repenser en profondeur la manière dont les équipes commerciales identifient leurs prospects et évaluent leur potentiel d'achat, en s'appuyant sur une logique algorithmique différente de celle qui domine actuellement le marché. Le problème que LEADBAY cherche à résoudre est structurel : les outils de prospection existants reposent quasi-exclusivement sur des signaux numériques facilement accessibles, comme les profils LinkedIn, les offres d'emploi publiées, le trafic web, la stack technologique des entreprises ou leur activité sur les réseaux sociaux. Cette approche, si elle fonctionne pour les entreprises très présentes en ligne, exclut de facto une large portion de l'économie réelle, notamment les PME, les entreprises industrielles ou les acteurs peu visibles sur le web. Les modèles d'inférence de LEADBAY promettent de combler cet angle mort en déduisant la propension d'achat à partir de signaux moins conventionnels. Ce financement intervient dans un contexte de forte compétition sur le marché de la sales intelligence, dominé par des acteurs comme Cognism, Apollo ou ZoomInfo. La France compte plusieurs startups qui tentent de se différencier sur ce segment en misant sur l'IA et la qualité des données locales. Avec cette levée, LEADBAY devrait accélérer le développement de ses modèles et étoffer ses équipes pour conquérir des clients en France et potentiellement à l'international.

Les entreprises élargissent leur adoption de l'IA tout en maintenant le contrôle

La majorité des entreprises déploient aujourd'hui l'intelligence artificielle de manière progressive et encadrée, loin des systèmes autonomes qui font régulièrement la une. Selon une étude de McKinsey & Company, la plupart des organisations utilisent désormais l'IA dans au moins un domaine de leur activité, mais rares sont celles qui l'ont déployée à l'échelle de l'ensemble de l'entreprise. Un exemple concret illustre cette tendance : S&P Global Market Intelligence a intégré des outils d'IA dans sa plateforme Capital IQ Pro, utilisée par des analystes financiers pour examiner des dépôts réglementaires, des transcriptions d'appels de résultats et des données de marché. Le système permet d'interroger de vastes ensembles de données via une interface conversationnelle, mais les résultats restent systématiquement ancrés dans des sources financières vérifiées, avec la possibilité de remonter aux documents d'origine pour limiter les erreurs. Ce choix d'une IA d'assistance plutôt qu'autonome n'est pas anodin dans des secteurs où une erreur peut entraîner des pertes financières importantes ou engager des responsabilités légales. En finance, les outils comme Capital IQ Pro sont conçus pour éclairer le jugement des analystes, pas pour le remplacer. La décision finale reste humaine. McKinsey souligne par ailleurs un écart croissant entre le déploiement de l'IA et la génération de valeur mesurable : de nombreuses organisations peinent à traduire leurs investissements en résultats concrets. Ce fossé pousse les directions à exiger des systèmes capables d'expliquer leurs sorties, de citer leurs sources et d'opérer dans des périmètres définis, trois conditions essentielles pour établir la confiance dans des environnements réglementés. Derrière cette prudence se dessine un enjeu de gouvernance qui mobilise de plus en plus d'acteurs. S&P Global Market Intelligence note que les organisations bâtissent activement des cadres pour gérer les risques liés à l'IA, notamment la qualité des données et les biais des modèles. Les systèmes agents, capables de planifier et d'agir sans intervention humaine directe, suscitent un intérêt grandissant, mais la majorité des entreprises en est encore aux premières étapes d'expérimentation. Les progrès continus sur les grands modèles de langage laissent entrevoir des usages plus autonomes à terme, en analyse financière, support client ou gestion de chaîne logistique. Ces questions seront au coeur de l'AI & Big Data Expo North America 2026, qui se tiendra les 18 et 19 mai prochains, avec S&P Global Market Intelligence parmi les sponsors, et des sessions dédiées à la gouvernance de l'IA et à son usage dans les industries régulées.