Un duo de génies de la Gen Z refuse une offre à millions : leur IA pourrait dépasser OpenAI et DeepSeek

Deux étudiants de Tsinghua bousculent les géants de l’IA avec un modèle "minimaliste"

En 2023, alors que les mastodontes de la tech se livraient une guerre sans merci pour dominer le marché des Large Language Models (LLM), deux inconnus ont fait trembler l’establishment. William Chen et Guan Wang, deux Américains d’origine chinoise âgés de seulement 24 ans, ont présenté OpenChat, un projet open source qui a immédiatement attiré l’attention des experts. Leur approche ? Moins de données, mais mieux sélectionnées. Contrairement à ChatGPT ou Llama, qui ingurgitent des pétaoctets de textes issus du web, les deux jeunes ingénieurs ont privilégié un corpus restreint de conversations humaines de haute qualité, optimisées pour la fluidité et la pertinence.

Leur parcours est tout aussi impressionnant. Formés à la Tsinghua-Universität de Pékin – souvent comparée au MIT chinois –, ils ont bénéficié d’un environnement académique ultra-compétitif, où l’IA est un domaine phare. "Nous avons remarqué que les modèles existants étaient gourmands en ressources et peu efficaces pour les tâches nécessitant une raisonnement structuré", explique Chen dans une interview accordée à TechCrunch Asia. Leur solution ? Un modèle capable de généraliser à partir de peu d’exemples, une prouesse qui a immédiatement séduit la communauté des développeurs.

Le succès fut fulgurant. En quelques semaines, OpenChat a été téléchargé plus de 500 000 fois sur GitHub, tandis que des rumeurs faisaient état d’un intérêt marqué de la part de xAI, la société d’Elon Musk derrière le chatbot Grok. Selon Gulf News, une offre à plusieurs millions de dollars aurait été proposée aux deux jeunes hommes pour intégrer l’équipe de Musk. Ils ont refusé. "Nous avions une vision plus ambitieuse", confie Wang. Leur objectif ? Rien de moins que de réinventer l’architecture des IA.

Le HRM : une révolution inspirée du cerveau humain

Au cœur de leur nouveau projet, Sapient Intelligence, se trouve le Hierarchical Reasoning Model (HRM), une architecture qui rompt avec les LLM traditionnels. Contrairement à ces derniers, qui traitent les informations de manière linéaire, le HRM s’inspire des deux modes de pensée humains :

• Le système 1 : Rapide, intuitif, idéal pour les décisions instantanées (comme reconnaître un visage).
• Le système 2 : Lent, analytique, utilisé pour résoudre des problèmes complexes (comme un théorème mathématique).

Cette dualité permet à leur IA de combiner vitesse et profondeur. "Les modèles actuels excellent dans la génération de texte, mais échouent souvent sur des tâches nécessitant une planification multi-étapes", souligne Chen. Pour valider leur approche, les deux chercheurs ont soumis un prototype à des benchmarks indépendants. Résultat : leur système a surpassé GPT-4 et DeepSeek sur des tests de raisonnement abstrait, comme la résolution de Sudoku avancés ou des énigmes logiques. "Nous n’avons utilisé qu’une fraction de la puissance de calcul de nos concurrents", précise Wang, non sans une pointe de fierté.

Leur ambition ne s’arrête pas là. Le HRM est conçu pour évoluer vers une intelligence artificielle générale (AGI), capable d’apprendre en continu sans nécessiter de réentraînement coûteux. Un graal que poursuivent également des géants comme OpenAI ou Google DeepMind, mais avec des méthodes radicalement différentes. "Notre avantage, c’est l’efficacité énergétique", argue Chen. Alors que l’entraînement de GPT-4 aurait coûté plus de 100 millions de dollars en énergie, leur modèle promettrait des performances similaires pour un budget 10 fois inférieur.

"Le HRM pourrait bien être le chaînon manquant entre les LLM actuels et une vraie AGI. Son approche biomimétique est prometteuse, mais le diable se cache dans les détails : scalabilité et stabilité resteront des défis majeurs." — Dr. Li Wei, chercheur en IA à l’Université de Stanford.

L’AGI : une course contre la montre aux enjeux colossaux

La quête de l’AGI (Artificial General Intelligence) est devenue le Saint-Graal de la tech. Contrairement aux IA spécialisées (comme AlphaGo pour les échecs), une AGI serait capable de comprendre, apprendre et s’adapter à n’importe quelle tâche intellectuelle, à l’instar d’un humain. OpenAI, Google, et même Meta y consacrent des milliards. Mais la méthode de Chen et Wang se distingue par son minimalisme.

Leur secret ? Une hybridation entre neurosymbolisme et deep learning. "Les LLM actuels sont des 'perroquets stochastiques' [ndlr : terme popularisé par le linguiste Noam Chomsky], capables de répéter des motifs sans vraie compréhension", critique Wang. Le HRM, lui, intègre des règles logiques explicites pour guider son apprentissage, réduisant ainsi les hallucinations (fausses informations générées par l’IA).

Pourtant, les sceptiques sont légion. Gary Marcus, professeur émérite à NYU et critique virulent des LLM, tempère : "L’approche est séduisante, mais l’AGI reste un objectif lointain. Le cerveau humain est le fruit de millions d’années d’évolution ; le reproduire avec quelques lignes de code relève de l’utopie." Un avis partagé par certains investisseurs, qui redoutent un "hiver de l’AGI" après l’engouement actuel.

Côté applications concrètes, Sapient Intelligence cible d’abord les secteurs à haute valeur ajoutée :

• Médecine : Aide au diagnostic via une analyse contextuelle des symptômes.
• Finance : Détection de fraudes en temps réel grâce à un raisonnement causal.
• Robotique : Agents autonomes capables de s’adapter à des environnements imprévus.

"Si leur technologie tient ses promesses, nous pourrions assister à une disruption majeure. Mais attention : une AGI mal maîtrisée pourrait aussi devenir une menace existentielle. La régulation doit suivre le rythme de l’innovation." — Elena Rodriguez, experte en éthique de l’IA à l’OCDE.

L’ombre de l’IA sur l’emploi : 10 % des métiers américains menacés

Alors que Chen et Wang planchent sur leur AGI, une étude récente de l’Université de Pennsylvanie jette un pavé dans la mare. Selon les chercheurs, 10 % des emplois aux États-Unis pourraient être automatisés d’ici 2025 grâce aux progrès de l’IA. Les secteurs les plus exposés ?

• Services clients (chatbots remplaçant les conseillers).
• Comptabilité (algorithmes gérant les déclarations fiscales).
• Journalisme (articles générés automatiquement).

Le rapport souligne que les travailleurs peu qualifiés seront les premiers touchés, mais que même les cols blancs ne sont pas à l’abri. "Une IA comme celle de Sapient Intelligence pourrait accélérer cette tendance", prévient le Dr. Erik Brynjolfsson, économiste au MIT. "Si elle parvient à raisonner comme un humain, elle pourrait remplacer des métiers nécessitant une expertise pointue, comme le droit ou l’ingénierie."

Face à cette menace, certains pays réagissent. L’Union européenne travaille sur un "AI Act" pour encadrer les usages, tandis que les États-Unis misent sur des programmes de reconversion. Mais pour beaucoup, ces mesures arrivent trop tard. "Nous sommes en train de répéter les erreurs de la révolution industrielle, où les ouvriers ont été sacrifiés sur l’autel du progrès", dénonce Sarah Chow, syndicaliste chez Tech Workers Coalition.

Prochaines étapes : levée de fonds et bataille des talents

Fort de leur succès initial, Chen et Wang préparent une levée de fonds de série A pour Sapient Intelligence, avec un objectif ambitieux : 50 millions de dollars. Parmi les investisseurs potentiels figurent des noms prestigieux comme Sequoia Capital ou a16z, mais aussi des acteurs asiatiques comme Tencent ou SoftBank. "Nous voulons garder notre indépendance", insiste Wang, conscient des risques d’une dilution trop importante.

Leur roadmap pour 2024-2025 prévoit :

• Q1 2024 : Lancement d’une version bêta du HRM pour les entreprises.
• Q3 2024 : Partenariats avec des hôpitaux pour des tests en conditions réelles.
• 2025 : Déploiement d’une AGI "light" pour des tâches spécifiques.

Mais la compétition est féroce. OpenAI travaille sur GPT-5, Google sur Gemini Ultra, et Mistral AI (France) sur des modèles multilingues. "Notre atout, c’est notre agilité", affirme Chen. Avec une équipe de seulement 15 personnes, contre des milliers chez leurs concurrents, ils misent sur l’innovation plutôt que sur la masse.

Reste une question cruciale : leur modèle résistera-t-il à l’échelle ? Les LLM actuels peinent déjà à gérer des millions d’utilisateurs simultanés. "Nous avons une solution élégante sur le papier, mais la réalité est souvent plus complexe", reconnaît Wang. Une chose est sûre : avec ou sans succès, leur approche a déjà forcé les géants à repenser leur stratégie.