Reinforcement learning vs LLM, INEFFABLE INTELLIGENCE lève 937 millions d’euros
📩 Pour nous contacter: redaction@fw.media
Nous ne savons pas si l’irruption d’Ineffable Intelligence sur la scène technologique européenne relève encore d’une exception aux séquences classiques du capital-risque, ou si elle annonce l’émergence d’un nouveau standard d’investissement, dont certaines opérations récentes, à l’image d’AMI Labs, pourraient constituer les premiers jalons.
Avec un tour de Seed de 937 millions d’euros, valorisant l’entreprise 4,3 milliards d’euros, la startup londonienne ne se contente pas d’entrer sur le marché et vient contester l’hégémonie des modèles de langage en misant sur une intelligence construite par l’expérience.
Depuis l’émergence des grands modèles de langage, l’industrie s’est progressivement alignée sur un paradigme devenu dominant. Les systèmes développés par OpenAI, Anthropic ou Google DeepMind reposent sur une accumulation massive de données issues de productions humaines. Leur efficacité tient à la capacité à modéliser des régularités statistiques à grande échelle, soutenue par une intensification continue des ressources de calcul. Cette approche a permis une diffusion rapide de cas d’usage, du copilote logiciel aux agents conversationnels, et a contribué à installer les LLM comme infrastructure standard.
Ce cadre, pour stabilisé qu’il paraisse, révèle néanmoins des limites structurelles. La dépendance aux données existantes soulève des questions juridiques et économiques, mais aussi épistémologiques. Ces systèmes, aussi sophistiqués soient-ils, restent fondamentalement tributaires du corpus sur lequel ils sont entraînés. Leur capacité à produire des connaissances véritablement nouvelles, au-delà de la recomposition ou de l’extrapolation, demeure incertaine. Des approches alternatives ne manquent pas d’être investiguées.
C’est à l’une d’entre elle que s’attaque le projet porté par David Silver. Ancien responsable du reinforcement learning au sein de Google DeepMind, il s’est illustré par des travaux qui ont marqué un tournant dans la discipline. Des systèmes comme AlphaGo ou AlphaZero ont démontré qu’un agent pouvait atteindre des niveaux de performance inédits en apprenant par interaction, sans dépendre de bases de données annotées. En substituant à l’imitation une logique d’exploration et d’optimisation, ces travaux ont ouvert une voie alternative, longtemps restée cantonnée à des environnements fermés.
L’ambition d’Ineffable Intelligence est de concevoir un système capable d’acquérir des compétences et de produire des connaissances à partir de sa propre expérience. Là où les modèles de langage apprennent en observant des traces humaines, l’approche retenue suppose une interaction directe avec un environnement, réel ou simulé, dans lequel l’agent teste, et affine ses comportements.
La distinction entre ces deux paradigmes renvoie à deux conceptions de l’intelligence artificielle. D’un côté, des systèmes qui reproduisent et recomposent des structures existantes à partir de données accumulées. De l’autre, des agents qui construisent progressivement leur compréhension par l’action. Cette seconde voie, pour prometteuse qu’elle soit, se heurte à des contraintes encore significatives. La modélisation d’environnements suffisamment riches, la gestion des coûts computationnels liés à l’exploration, ou encore la stabilité des processus d’apprentissage à grande échelle constituent autant de défis non résolus.
La composition du tour de table d’Ineffable Intelligence reflète la nature de ce pari. Autour de Sequoia Capital et Lightspeed Venture Partners, figurent des acteurs technologiques de premier plan, parmi lesquels NVIDIA et Google, ainsi que des institutions publiques britanniques. Cette convergence, inhabituelle à ce stade de développement, suggère que le projet est perçu moins comme une opportunité commerciale immédiate que comme une option stratégique sur l’évolution future de l’IA.
L’implication de la British Business Bank et du Sovereign AI Fund introduit une dimension politique et s’inscrit dans une volonté de positionner le Royaume-Uni sur un segment encore peu structuré du marché, en misant sur une approche différenciante plutôt que sur un rattrapage des modèles existants. Dans un contexte de compétition accrue entre grandes zones économiques, cette stratégie témoigne d’une lecture où la maîtrise des architectures d’apprentissage devient un enjeu de souveraineté.
Sur le plan concurrentiel, Ineffable Intelligence se situe davantage dans le sillage des laboratoires de recherche avancée, tels que DeepMind ou OpenAI, qui articulent recherche fondamentale et déploiement industriel, que dans celui de l’écosystème startup au sens strict.
Pour les investisseurs, l’opération s’écarte également des logiques habituelles du capital-risque. La valorisation de 4,3 milliards d’euros repose moins sur des indicateurs d’exécution que sur la crédibilité d’une thèse scientifique et sur la capacité d’une équipe à en démontrer la viabilité. Le profil de David Silver confère à cet égard une légitimité particulière au projet. Mais le pari demeure incertain et s’inscrit dans une temporalité longue, où les retombées économiques ne sont ni immédiates ni garanties.
En creux, l’initiative d’Ineffable Intelligence ne remet pas en cause la pertinence des modèles de langage, mais interroge leur caractère définitif. À mesure que leurs limites apparaissent, la question d’un apprentissage moins dépendant des données humaines gagne en importance. Reste à déterminer si cette voie peut être rendue opératoire à grande échelle. Entre consolidation d’un paradigme établi et exploration de trajectoires alternatives, l’intelligence artificielle semble aujourd’hui engagée dans une phase de bifurcation dont l’issue demeure ouverte.
- Dans le chaos du Golfe, KPLER s’impose comme le radar du commerce mondial - 28/04/2026
- Reinforcement learning vs LLM, INEFFABLE INTELLIGENCE lève 937 millions d’euros - 28/04/2026
- La Chine bloque le rachat de MANUS par META / CYERA rachète RYFT pour sécuriser l’IA / AUDION lève 13 millions d’euros - 27/04/2026
