Ai2
Pourquoi c'est important
Dans un domaine où les modèles de tête sont fermés, et où même les modèles « ouverts » ne partagent en général que leurs poids, Ai2 publie tout : les poids, les données d'entraînement, le code d'entraînement, le code d'évaluation et les checkpoints intermédiaires. Les chercheurs extérieurs peuvent ainsi étudier comment les données d'entraînement façonnent le comportement, reproduire les résultats et s'appuyer sur ces travaux sans rien deviner, ce qui est autrement impossible pour des modèles de cette taille.
L'institut construit aussi des outils gratuits que les scientifiques utilisent tous les jours. Semantic Scholar, son moteur de recherche académique alimenté par l'IA, indexe plus de 200 millions d'articles et sert des millions de chercheurs, et ses données ouvertes alimentent de nombreux autres outils de recherche.
En profondeur
L'Allen Institute for AI, qui s'écrit Ai2, est un laboratoire de recherche à but non lucratif situé à Seattle. Paul Allen, cofondateur de Microsoft, l'a créé en 2014 avec pour mission « l'IA au service du bien commun ». Son premier directeur général était l'informaticien Oren Etzioni. Ali Farhadi, chercheur en vision par ordinateur et l'un des coauteurs de YOLO, l'a dirigé de 2023 à mars 2026 ; Peter Clark en est depuis le directeur général par intérim.
Ai2 compte quelques centaines de chercheurs et d'ingénieurs, ce qui est minuscule à côté des grands laboratoires, mais son influence sur la recherche ouverte en IA dépasse de loin ce que sa taille laisse supposer.
Des racines dans la recherche sur le langage
Ai2 était un acteur majeur du NLP avant l'ère des LLM. Ses chercheurs ont créé ELMo (2018), les embeddings de mots contextuels qui ont directement précédé BERT et contribué à lancer la révolution du préentraînement, ainsi qu'AllenNLP, une bibliothèque de recherche très utilisée. Son projet Aristo construisait des systèmes capables de répondre à des questions d'examens de sciences, un test de raisonnement bien antérieur aux classements d'aujourd'hui, et ses équipes ont créé de nombreux jeux de données et benchmarks bien connus.
Des modèles ouverts
- OLMo (à partir de 2024) : une famille de modèles de langage entièrement ouverts, publiés avec leurs données d'entraînement (le corpus Dolma), leur code, leurs journaux et leurs checkpoints. Les versions suivantes, OLMo 2 et Olmo 3, sont devenues compétitives avec d'autres modèles ouverts de taille comparable tout en gardant publique chaque étape du développement.
- OLMoTrace : un outil qui relie en temps réel la sortie d'un modèle aux passages correspondants de ses données d'entraînement, ce qui n'est possible que parce que ces données sont publiques.
- Tülu : des recettes, des données et du code ouverts pour le post-entraînement (ajustement par instructions, ajustement par préférences et apprentissage par renforcement), l'étape que les laboratoires gardent d'habitude secrète.
- Molmo (2024) : des modèles multimodaux ouverts capables de pointer des éléments dans une image, ce qui sert à compter, à ancrer une réponse dans l'image (grounding) et à piloter des interfaces utilisateur. Ils ont été entraînés sur un jeu de données recueilli en demandant à des annotateurs de décrire des images à voix haute.
- olmOCR (2025) : une boîte à outils et un modèle ouverts pour convertir des PDF et des documents numérisés en texte propre à très faible coût.
L'IA pour la science
Au-delà de Semantic Scholar, Ai2 développe des agents IA pour assister le travail scientifique, notamment Asta, une plateforme de revue de littérature, d'analyse de données et de benchmark d'agents scientifiques. En 2025, la National Science Foundation américaine et NVIDIA ont annoncé un total de 152 millions de dollars pour un projet mené par Ai2 visant à construire des modèles multimodaux ouverts pour la recherche scientifique.
L'institut mène aussi des programmes appliqués pour l'environnement, comme Skylight, qui détecte la pêche illégale à partir de données satellitaires, et EarthRanger, utilisé pour protéger la faune sauvage.
IA incarnée et vision
Les équipes de vision et de robotique d'Ai2 ont construit AI2-THOR, un environnement intérieur simulé très utilisé pour entraîner et tester des agents incarnés, et Objaverse, un immense jeu de données ouvert d'objets 3D. Les travaux d'origine sur YOLO ont aussi des liens avec l'institut, par l'intermédiaire du groupe de Farhadi à l'Université de Washington. Un incubateur hébergé par Ai2 a donné naissance à plusieurs startups, dont XNOR.ai, une entreprise d'IA en périphérie rachetée par Apple en 2020.
Ouvert contre ouvert
Le travail d'Ai2 met en relief une distinction importante. « Poids ouverts » signifie que vous pouvez télécharger et exécuter un modèle. « Open source » au sens plein signifie que vous pouvez aussi voir sur quoi il a été entraîné et comment. Seul le second permet un véritable examen scientifique : vérifier la contamination des benchmarks, étudier la mémorisation, comprendre d'où vient un comportement. Peu d'organisations peuvent se permettre de travailler ainsi, et Ai2 est la plus en vue de celles qui le font.