RechercheThe Information AI6sem

Anciens chercheurs d'Anthropic en discussion pour lever des fonds pour une nouvelle startup évaluée à 1 milliard de dollars

Résumé IASource uniqueImpact UE

D'anciens chercheurs d'Anthropic sont en discussions avancées pour lever 175 millions de dollars à une valorisation d'1 milliard de dollars pour financer une nouvelle startup baptisée Mirendil. Cette jeune entreprise ambitionne de développer des modèles d'IA spécialisés pour accélérer la recherche scientifique dans des domaines tels que la biologie et la science des matériaux.

Le projet s'inscrit dans une tendance de fond qui voit émerger des "neolabs" — des startups de recherche cherchant à appliquer l'intelligence artificielle aux grandes disciplines scientifiques. Ces structures attirent des investisseurs de premier plan, et Mirendil ne fait pas exception : les fonds Andreessen Horowitz et Kleiner Perkins seraient en négociation pour co-diriger ce tour de table.

Ce qui distingue ce cas, c'est l'origine des fondateurs. Si de nombreux chercheurs ont déjà quitté OpenAI, Google ou Meta pour lancer ce type de projets, Anthropic avait jusqu'ici été relativement épargné par les départs au sein de ses équipes de recherche. Mirendil marque donc une rupture notable dans l'écosystème de la startup fondée par Dario Amodei.

Cette levée de fonds, si elle se concrétise, confirme l'appétit sans faille des investisseurs pour les applications de l'IA à la recherche fondamentale — un segment perçu comme l'un des plus prometteurs à long terme, malgré des coûts de développement considérables.

Dans nos dossiers

OpenAI Anthropic Meta IA

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1AI News

Une startup d'un milliard de dollars avec une vision différente de l'IA

Yann LeCun, ancien directeur scientifique de l'intelligence artificielle chez Meta, a fondé AMI Labs (Advanced Machine Intelligence Labs) après avoir quitté son poste fin 2025. La startup vient de lever un milliard de dollars de financement, une somme remarquable pour une équipe de seulement 12 personnes. LeCun prévoit de ne pas commercialiser de produit avant au moins cinq ans, positionnant AMI Labs comme une organisation de recherche pure. Son approche repose sur des architectures d'IA modulaires composées de plusieurs blocs spécialisés : un modèle du monde propre au domaine d'application, un acteur chargé de proposer des actions via l'apprentissage par renforcement, un module critique qui évalue ces options selon des règles fixes, un système de perception adapté au type de données traité (vidéo, texte, audio), une mémoire à court terme, et un configurateur orchestrant l'ensemble. Chaque instance serait entraînée uniquement sur des données pertinentes à son environnement, contrairement aux grands modèles de langage nourris de l'intégralité du web. Cette approche remet fondamentalement en question le paradigme dominant des LLMs comme GPT ou Claude. Là où ces modèles généralistes mobilisent des centaines de milliards de paramètres et nécessitent une infrastructure colossale pour fonctionner, les modules spécialisés d'AMI Labs pourraient se contenter de quelques centaines de millions de paramètres, voire tourner directement sur un appareil local. Le coût d'entraînement et d'inférence serait alors une fraction de celui des modèles actuels, rendant l'IA viable pour des acteurs qui ne disposent pas des ressources d'Anthropic, OpenAI, Google ou Meta. Pour les entreprises, cela ouvrirait la voie à des systèmes IA déployables en interne, sans dépendance aux grandes plateformes cloud. Le contexte donne tout son poids à cette prise de position. Les LLMs ont absorbé des ressources exponentiellement croissantes à chaque génération, et les techniques d'amélioration récentes, comme le prompting récursif des modèles de raisonnement, alourdissent encore la facture. Seuls de très grands groupes peuvent aujourd'hui se permettre de les exploiter à perte. LeCun, l'un des pères fondateurs du deep learning et lauréat du prix Turing 2018, défend depuis plusieurs années l'idée que les LLMs constituent une impasse pour atteindre une intelligence artificielle véritablement générale. Des précédents existent : les systèmes d'apprentissage automatique capables de maîtriser des jeux vidéo ou de plateau illustrent déjà la puissance des approches ciblées. Si AMI Labs parvient à ses fins, l'industrie pourrait connaître un rééquilibrage majeur, fragmentant un marché aujourd'hui dominé par une poignée d'acteurs disposant de budgets quasi illimités.

UESi l'approche modulaire d'AMI Labs aboutit, les entreprises européennes moins capitalisées pourraient déployer des systèmes IA en interne sans dépendance aux grandes plateformes cloud américaines.

RechercheOpinion

1 source

2Wired AI

Yann LeCun lève 1 milliard de dollars pour développer une IA capable de comprendre le monde physique

Yann LeCun, ancien directeur scientifique en IA de Meta, lève 1 milliard de dollars pour financer sa nouvelle startup AMI. Sa thèse : l'intelligence artificielle au niveau humain passera par la compréhension du monde physique, et non par le langage. AMI ambitionne de concrétiser cette vision jusqu'ici défendue par LeCun face aux partisans des LLMs.

RechercheActu

1 source

301net

Une IA qui « voit » le monde : le pari à 1 milliard de dollars de Yann LeCun

Yann LeCun, l'un des "parrains" de l'IA moderne et ancien responsable de l'IA chez Meta, a lancé une nouvelle start-up appelée AMI (Advanced Machine Intelligence). Elle a levé 1 milliard de dollars lors de son tour de table initial, avec des investisseurs comme Nvidia, Jeff Bezos, Samsung et Xavier Niel. AMI se distingue des grands modèles de langage en développant une IA capable de "voir" et comprendre le monde différemment.

UELa participation de Xavier Niel comme investisseur et les origines françaises de Yann LeCun positionnent la France comme actrice de ce projet d'IA de rupture doté d'un milliard de dollars.

RechercheActu

1 source

4InfoQ AI

Les chercheurs de Google proposent une méthode d'enseignement bayésien pour les grands modèles de langage

Des chercheurs de Google Research ont proposé une méthode d'entraînement permettant aux grands modèles de langage d'approximer le raisonnement bayésien, en apprenant à partir des prédictions d'un système bayésien optimal. L'objectif est d'améliorer la façon dont les modèles mettent à jour leurs croyances au fil des interactions multi-étapes, à mesure qu'ils reçoivent de nouvelles informations.

RecherchePaper

1 source