Thinking Machines Lab, la startup d'IA fondée par Mira Murati, ancienne directrice technique d'OpenAI, a lancé son premier modèle, un système à poids ouverts baptisé Inkling. C'est une véritable étape pour l'un des laboratoires les plus scrutés et les mieux financés du secteur, un laboratoire qui a levé environ 2 milliards de dollars sur une valorisation de 12 milliards de dollars avant même de commercialiser le moindre produit, et le modèle est l'expression directe du pari central de l'entreprise, celui selon lequel une IA que les organisations peuvent adapter elles-mêmes battra les modèles universels que vendent aujourd'hui les plus grands laboratoires.

Inkling est un modèle à mélange d'experts (mixture-of-experts) de 975 milliards de paramètres au total, dont environ 41 milliards sont actifs pour une tâche donnée, une conception qui limite le coût de calcul tout en offrant au modèle une très large base de connaissances à exploiter. Il a été entraîné sur 45 000 milliards de tokens couvrant le texte, l'image, l'audio et la vidéo, de sorte qu'il raisonne nativement sur l'ensemble de ces contenus au lieu de greffer des sens supplémentaires sur un modèle textuel. Deux de ses choix se démarquent, il fournit des réponses calibrées qui signalent leur propre incertitude au lieu de deviner avec assurance, et il permet à l'utilisateur d'augmenter ou de réduire l'effort de réflexion pour arbitrer entre vitesse et qualité.

Le plus frappant, c'est la manière de le présenter. Thinking Machines affirme sans détour qu'Inkling n'est pas le modèle le plus puissant disponible aujourd'hui, fermé ou ouvert. Plutôt que de courir après le sommet d'un classement, il vise un modèle polyvalent, efficace et surtout adaptable. Sur les tâches de programmation, il utiliserait environ un tiers des tokens dont un modèle comparable a besoin pour le même résultat, et dans une étude de cas menée avec la société d'investissement Bridgewater, il a atteint 84,7 pour cent de précision en raisonnement financier pour une petite fraction du coût. L'argument n'est pas d'être le meilleur agent conversationnel généraliste, mais d'être une base solide que d'autres peuvent façonner.

C'est là que le plan plus large du laboratoire prend tout son sens. Inkling est conçu pour être personnalisé via Tinker, la plateforme d'ajustement de Thinking Machines, afin qu'une entreprise puisse l'adapter à ses propres données et à ses propres flux de travail au lieu de louer un modèle figé dont le comportement est contrôlé ailleurs. C'est la version concrète d'une thèse que Murati et son équipe ont exposée ce mois-ci, celle selon laquelle l'avenir de l'IA est distribué et personnalisable, façonné par ceux qui l'utilisent, plutôt qu'une poignée de gigantesques modèles fermés que tout le monde loue aux mêmes conditions.

Ce qui compte, c'est qu'Inkling transforme un argument à contre-courant en quelque chose que l'on peut réellement télécharger. La stratégie dominante dans l'IA a consisté à construire des modèles de pointe toujours plus grands et à en vendre l'accès, et l'essentiel de l'attention va encore à ceux qui affichent les meilleurs scores sur les bancs d'essai. Thinking Machines parie que l'ouverture et l'adaptabilité, un modèle à poids ouverts accompagné des outils pour l'ajuster, compteront davantage pour beaucoup d'organisations que la suprématie brute à un test. Rien ne dit encore que ce pari sera gagnant, et de l'aveu même de l'entreprise, ce n'est pas le modèle le plus puissant du marché. Mais venant de l'équipe de Murati, avec les moyens et la visibilité dont elle dispose, il constitue l'un des défis les plus crédibles à ce jour à l'idée que les gagnants de l'IA seront simplement ceux qui entraînent le plus gros cerveau.