Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.
Thinking Machines Lab a conclu un accord pluriannuel massif avec Nvidia portant sur au moins un gigawatt de puissance de calcul. L'accord inclut également un investissement stratégique de Nvidia dans la société.
OpenAI et Amazon ont annoncé un partenariat stratégique pour déployer la plateforme Frontier d'OpenAI sur AWS, afin de développer l'infrastructure d'IA, les modèles personnalisés et les agents d'IA d'entreprise. Ce partenariat vise à renforcer les capacités technologiques et les solutions d'IA pour les entreprises.
Mira Murati, ancienne directrice technique d'OpenAI, a lancé début 2025 son propre laboratoire, Thinking Machines Lab, et vient d'y publier un rapport détaillant sa vision d'une intelligence artificielle centrée sur l'humain. Le document, qui s'appuie sur l'essai "The Future Worth Building Is Human", part d'un constat simple: la quasi-totalité des modèles d'IA aujourd'hui utilisés sont entraînés dans une poignée de laboratoires, puis figés une fois déployés, sans que les utilisateurs finaux puissent influer sur leur comportement. Pour Thinking Machines Lab, cette architecture exclut précisément les personnes que ces systèmes sont censés servir. Le rapport avance quatre axes techniques concrets pour corriger ce déséquilibre: entraîner des modèles puissants dotés d'une interaction multimodale et personnalisable, développer des outils permettant aux utilisateurs eux-mêmes d'ajuster et de ré-entraîner les poids des modèles, concevoir des interfaces élargissant le canal de communication entre humains et machines, et publier davantage de recherches pour que plus d'ingénieurs comprennent réellement comment ces modèles sont construits. Cette approche, si elle se concrétise, changerait la donne pour l'ensemble de l'écosystème de l'IA générative. Aujourd'hui, un utilisateur ou une entreprise qui souhaite adapter un modèle à ses besoins spécifiques dépend presque entièrement des choix faits en amont par les grands laboratoires, via le prompt engineering ou le fine-tuning limité proposé par des API fermées. En rendant les poids des modèles accessibles et modifiables, Thinking Machines Lab ouvrirait la voie à une IA véritablement distribuée, où la personnalisation ne se limiterait plus à ajuster des instructions textuelles mais toucherait la structure même du modèle. Cela pourrait bénéficier en priorité aux développeurs, chercheurs et entreprises qui veulent des systèmes alignés sur leurs propres valeurs et cas d'usage, plutôt que sur les priorités définies par un nombre restreint d'acteurs californiens. Ce positionnement s'inscrit dans un contexte de concurrence intense entre laboratoires d'IA de pointe, où Mira Murati, forte de son passage chez OpenAI, cherche à se différencier non pas uniquement sur la puissance brute des modèles mais sur la philosophie de conception. La question de qui contrôle les poids d'un modèle, et donc son comportement final, est devenue centrale dans les débats sur la régulation et la concentration du pouvoir technologique. En misant sur la transparence de la recherche et l'ouverture des poids aux utilisateurs, Thinking Machines Lab se positionne comme une alternative aux modèles propriétaires fermés d'OpenAI, Google ou Anthropic, avec l'ambition affichée de redistribuer une partie du contrôle technique vers la communauté des développeurs et des chercheurs.
💬 Bon, sur le papier, c'est le pitch le plus honnête que j'ai lu depuis un moment : dire tout haut que les modèles sont figés une fois déployés, ça personne ne le formule aussi frontalement d'habitude. Mais rendre les poids modifiables par les utilisateurs, c'est un chantier d'ingénierie énorme, pas juste une déclaration d'intention. Retiens surtout ça : Thinking Machines Lab ne joue pas la course à la puissance brute, elle joue la carte du contrôle redistribué, et c'est ce positionnement-là, pas la techno, qui va faire sa différence face à OpenAI ou Anthropic.
Elon Musk a annoncé Terafab, un projet massif visant à répondre à la demande croissante en puissance de calcul pour l'IA. Face aux tensions sur les chaînes d'approvisionnement en semi-conducteurs et à l'explosion des besoins en chips, ce projet s'inscrit dans la course stratégique aux ressources de calcul. Les semi-conducteurs sont devenus un levier clé pour les entreprises développant des systèmes d'IA.
Recevez l'essentiel de l'IA chaque jour
Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.
Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic
