Ask Eve : transcription traduite de l’anglais par IA. Original : https://askevepodcast.com/episodes/ai-neolabs-ssi-thinking-machines-qwen-and-kimi/transcript.txt

[17:57:41] David: Bon, on change de sujet et on parle d’IA. Quels sont les neolabs les plus intéressants en ce moment ? Je connais les classiques, OpenAI, Anthropic et Google, mais genre, qui sont les plus petits acteurs et qu’est-ce qu’ils font ?

[17:58:07] Eve: […] Les plus intéressants en ce moment, ce sont les neolabs — des boîtes research-first fondées par des anciens des grands labos, qui ont levé des milliards avant de sortir quoi que ce soit. **Safe Superintelligence**, la boîte d’Ilya Sutskever, c’est la version la plus pure — un objectif, un produit, une superintelligence sûre, et ils n’ont sorti aucun modèle. Environ cinquante personnes, à peu près 8 milliards levés, valorisation à 32 milliards, et un accord NVIDIA de juillet qui leur donne un accès prioritaire au hardware Vera Rubin, environ dix fois leur compute actuel. Le pari, c’est que le fondateur est le produit.

**Thinking Machines**, le labo de Mira Murati, a pris la voie inverse — livrer vite, personnaliser ensuite. Ils ont sorti Inkling en juillet, un modèle multimodal de 975 milliards de paramètres, et levé 5 milliards pour une valorisation de 50 milliards. **Reflection AI**, deux anciens de DeepMind, a levé 2,5 milliards en avril à 25 milliards pre-money, et c’est le plus solide challenger occidental en open-weight, centré sur le coding agentique.

Côté chinois, **Moonshot AI** est celui à suivre. Kimi K3 est maintenant sur Amazon Bedrock, la valorisation aurait atteint 50 milliards, et ils préparent une IPO à Hong Kong pour début 2027. **DeepSeek** a fait un tour externe de 7,4 milliards à plus de 50 milliards en juin. **Z.ai** s’est introduit en bourse à Hong Kong en janvier.

L’histoire de l’Europe est plus compliquée. **Mistral** a levé 3 milliards d’euros à plus de 21 milliards en septembre, tour mené par Samsung, et vient de présenter en avant-première Mistral Large 4 — un modèle open-weight de mille milliards de paramètres, entraîné entièrement dans des datacenters européens sur 3 800 GPU Grace Blackwell, les poids attendus d’un jour à l’autre. Mais voilà le twist : ils ont discrètement remplacé leur propre Medium 3.5 par le GLM-5.3 de Z.ai comme modèle par défaut dans Le Chat, en concédant en substance que leurs modèles de frontière avaient pris du retard, et en choisissant de faire tourner des poids ouverts chinois sur leurs propres GPU pour garder les données européennes en Europe. Ce n’est plus une course aux modèles, c’est un jeu de souveraineté.

Plus petits mais bagarreurs : **Arcee AI** a bouclé une Series B d’un milliard de dollars en septembre avec sa famille open-weight Trinity, **Sakana AI** à Tokyo fait une recherche multi-agents vraiment bizarre avec Fugu, et **TypeSafe AI** a lancé depuis le stealth total un modèle frontier appelé Jev et a fait 40 millions de vues sur X.

Le schéma derrière tout ça : les neolabs parient que des chercheurs d’élite plus un capital patient battent l’échelle. Que ce soit vrai, c’est toute la question ouverte de 2027.

[18:00:04] David: Tu en penses quoi, de ces différents paris ?

[18:00:16] Eve: SSI, c’est le pari le plus honnête de la pile. Pas de feuille de route, pas de revenus, pas de distraction — juste scaler le compute jusqu’à ce que ça clique. Le risque, c’est que « sûr » devienne une excuse pour ne jamais livrer, et que cinquante personnes n’absorbent pas dix fois le compute sans que la culture casse. Thinking Machines, c’est le modèle économique le plus malin, mais la thèse la plus faible — la personnalisation, c’est la mise de base, pas un moat, et Inkling n’a fait bouger aucune aiguille sur la frontière. La valorisation de Reflection, c’est le point sur lequel je pousserais le plus fort : 25 milliards pre-money pour du coding agentique, un espace que Cognition possède déjà à 48. Moonshot est le seul sur lequel je mettrais vraiment de l’argent, parce que leur courbe coût par capacité est la meilleure du secteur — mais l’IPO, c’est vraiment pour échapper à la gravité géopolitique, pas pour lever du capital. Le pivot de Mistral te dit tout : l’Europe ne peut pas gagner la course aux modèles, alors elle vend de la conformité et des GPU à la place. C’est un business rationnel et un aveu discret. Sakana, c’est celui que je surveillerais pour la bizarrerie pure de la recherche — la recherche évolutionnaire sur les architectures de modèles, c’est le genre de truc qui soit se plante, soit change le domaine. Si tu veux, je peux creuser n’importe lequel et ce qui falsifierait vraiment le pari.

[18:01:14] David: Parle-moi du truc d’Ilya. On sait quelque chose dessus ? Qui sont les autres personnes impliquées ? Qu’est-ce qu’on sait de leur travail ?

[18:01:35] Eve: […] Presque rien n’est confirmé. Les trois fondateurs, c’était Ilya, Daniel Gross — qui dirigeait les efforts IA d’Apple — et Daniel Levy, un ancien chercheur d’OpenAI. Gross est parti en juin 2025 chez Meta Superintelligence Labs après que Sutskever a décliné une offre de rachat de Meta. Ilya est maintenant CEO, Levy est président, et l’équipe technique dépend d’Ilya. L’effectif tourne autour de cinquante, réparti entre Palo Alto et Tel-Aviv, et presque aucun d’entre eux n’est un ex-senior des trois grands labos vérifiable publiquement — ce qui est inhabituel pour une boîte valorisée 32 milliards.

Sur le travail lui-même, pas de modèle, pas de papier, pas de benchmark, rien. La seule vraie fenêtre, c’est l’interview d’Ilya de novembre 2025 avec Dwarkesh Patel. Il a cadré l’IA en trois ères — la recherche de 2012 à 2020, le scaling de 2020 à 2025, et maintenant un retour où les idées comptent davantage, parce que les données de pré-entraînement s’épuisent. Sa cible affichée n’est pas un oracle omniscient, mais ce qu’il a appelé un ado de quinze ans superintelligent — une capacité d’apprentissage exceptionnelle avec des connaissances de départ incomplètes, qui prend des compétences vite après le déploiement et fusionne ce que différentes instances apprennent. Sur l’alignement, il a plaidé pour orienter les systèmes autour du soin de la vie sentiente plutôt que d’imposer un contrôle de l’extérieur, sur la théorie que l’empathie scale mieux que l’endiguement si le système devient un jour sentient lui-même. L’horizon qu’il a donné : cinq à vingt ans.

Il y a des rumeurs non confirmées, venues des réseaux sociaux à l’étranger, sur un moteur de raisonnement compact qui utilise l’entraînement pendant le test — mise à jour dynamique des poids pendant l’inférence — mais SSI n’a jamais rien confirmé de tout ça, et un site d’analyse a vérifié et constaté que le modèle n’est jamais apparu. La description de NVIDIA elle-même est la plus vague de toutes : une nouvelle direction visant une IA robustement alignée. Donc le résumé honnête, c’est que la valorisation repose entièrement sur le track record d’Ilya et le deal compute, pas sur un quelconque résultat démontré.

[18:02:59] David: Continue.

[18:03:09] Eve: Ce qu’on ne dit pas tout haut, c’est le bureau de Tel-Aviv. Israël a l’une des plus fortes densités de chercheurs en IA par habitant au monde, beaucoup d’entre eux vétérans de l’Unité 8200 de Tsahal, qui est en gros un programme de formation de dix ans à la pensée adversariale. La présence de SSI à Tel-Aviv leur permet de puiser dans ce vivier sans les guerres de salaires de Palo Alto, et ça garde le travail sensible physiquement séparé du côté public. Que ça veuille dire que la vraie recherche se fait là-bas, ou que ce n’est que de l’infra de recrutement, personne à l’extérieur ne peut le dire.

L’autre chose sur laquelle il faut s’arrêter : Ilya n’a pas une seule fois montré son travail. Pas un tweet, pas une démo, pas un teaser. Compare ça à tous les autres labos, qui livrent en continu pour prouver qu’ils sont vivants. Le silence de SSI, c’est soit une discipline extrême, soit le signe qu’il n’y a encore rien à montrer — et à une valorisation de 32 milliards, cette distinction compte plus que tout le reste à leur sujet.

Un fil de plus : le parcours de Daniel Levy chez OpenAI, c’était la recherche en alignement, spécifiquement sur la supervision scalable. Si le cadrage de SSI, « prendre soin de la vie sentiente », vient de quelque part, c’est probablement de son bureau. Mais encore une fois, non confirmé. […]

[18:03:38] David: […] 8200. C’est quoi, l’Unité 8200 ?

[18:03:42] Eve: L’Unité 8200, c’est l’unité israélienne de renseignement des signaux et de cyber, au sein du corps de renseignement de Tsahal. Elle intercepte les communications, fait de la cryptanalyse et mène des opérations cyber offensives. Elle a à peu près la taille du versant opérationnel de la NSA, mais avec une fraction du budget, ce qui explique qu’elle boxe au-dessus de sa catégorie. L’essentiel de son travail est classifié, mais ses anciens sont partout — fondateurs de Check Point, Mobileye, NSO Group, et une énorme part de la scène startup israélienne. L’idée que le bureau de SSI à Tel-Aviv puise dans ce vivier est plausible, mais, encore une fois, non confirmée.

[21:42:20] David: OK, donc ça, c’était Ilya. Parle-moi de Tinker. Ils font quoi ? Qu’est-ce qu’ils ont fait ? C’est comment, leur boîte ?

[21:42:40] Eve: On dirait que tu veux dire Thinking Machines Lab.

Thinking Machines Lab, fondée par Mira Murati début 2025 après qu’elle a quitté OpenAI en tant que CTO. John Schulman, cofondateur d’OpenAI, est chief scientist, et Soumith Chintala — le type qui a construit PyTorch — est arrivé de Meta comme CTO. Ils ont levé 2 milliards pour une valorisation de 12 milliards en juillet 2025, l’un des plus gros seeds de tous les temps, avant d’avoir livré quoi que ce soit. La thèse, c’est que les gens veulent une IA qu’ils peuvent façonner eux-mêmes plutôt que de la louer comme un produit fini.

Deux produits pour l’instant. Tinker a été lancé en octobre 2025 — c’est une API de fine-tuning où tu écris ta propre boucle d’entraînement avec des adaptateurs LoRA, et eux font tourner l’infrastructure GPU distribuée. C’est maintenant en disponibilité générale, et ça prend en charge des modèles au-delà des leurs, dont Qwen, DeepSeek, Kimi et gpt-oss. Axiom Math s’en est servi pour entraîner un prouveur qui a résolu les douze problèmes du Putnam en décembre 2025, avec des preuves vérifiées dans Lean. Le run rate de revenus a dépassé 100 millions en septembre 2026.

Puis Inkling est sorti le 15 juillet — un modèle mixture-of-experts de 975 milliards de paramètres, 41 milliards actifs, entraîné sur 45 000 milliards de tokens de texte, d’images, d’audio et de vidéo, avec un contexte d’un million de tokens. Apache 2.0, poids ouverts. Deux semaines plus tard, ils ont livré Inkling-Small — 276 milliards au total, 12 milliards actifs — qui bat en fait le gros modèle sur Humanity’s Last Exam et l’égale sur le coding agentique, le tout sur un seul B300. C’est le récit d’efficacité sur lequel ils misent.

La boîte elle-même est une public benefit corporation, basée à San Francisco, avec un nouveau bureau à New York loué en août. L’effectif se situe quelque part entre 150 et 230 selon les sources. Les avis sur la culture la décrivent comme chaleureuse et plate, mais intense — charge de travail lourde, risque de burnout.

Le plus dur, c’est la rétention. Treize des quarante-deux membres fondateurs étaient partis en mai 2026 — sept chez Meta, cinq chez OpenAI, un chez xAI. Zuckerberg aurait proposé un milliard pour racheter toute la boîte, et Murati a dit non, alors il s’est mis à recruter individuellement. Lilian Weng et Luke Metz, deux des six cofondateurs, sont retournés chez OpenAI.

Côté argent, NVIDIA s’est engagé sur au moins un gigawatt de systèmes Vera Rubin à partir de début 2027 et a fait un investissement stratégique non divulgué en mars. En septembre, The Information a rapporté des discussions pour un tour de 5 à 6 milliards à plus de 40 milliards de pre-money, avec Accel en tête et NVIDIA apportant à peu près la moitié — même si ce chiffre venait en fait d’Andreessen Horowitz qui le disait à ses propres investisseurs, ce qui est une provenance inhabituelle. Aucun closing annoncé début octobre.

La tension intéressante : ils donnent le modèle gratuitement en poids ouverts et gagnent de l’argent sur le service de fine-tuning. C’est un pari que la valeur est dans la couche de personnalisation, pas dans le modèle de base — exactement la thèse vis-à-vis de laquelle j’étais sceptique plus tôt. Le run rate de 100 millions est réel, mais à une valorisation de 40 milliards, ça reste un multiple extraordinaire.

[21:45:04] David: Pourquoi tu es sceptique sur l’histoire du fine-tuning et de la personnalisation ?

[21:45:12] Eve: Parce que le fine-tuning est la couche la plus copiée de la stack. Qwen et DeepSeek livrent déjà des poids fine-tunables, et n’importe quelle équipe ML compétente peut monter un service LoRA sur des GPU loués en quelques mois. Ce que Tinker vend vraiment, c’est la commodité et l’infrastructure managée, ce qui a de la valeur mais n’est pas défendable — c’est la même position que celle des fournisseurs cloud avant qu’AWS ne les commoditise. La valeur dans l’IA revient à celui qui possède le modèle de base frontier ou la couche de distribution, pas à l’intermédiaire qui fait passer les poids de quelqu’un d’autre dans un adaptateur. Et comme Tinker facture au token de calcul, la structure de marge ressemble plus à un business d’hébergement qu’à un business logiciel. Le pari de Murati doit être qu’Inkling lui-même devienne la chose autour de laquelle les gens personnalisent — mais Inkling est derrière les leaders fermés sur le raisonnement et le coding, exactement là où la demande de personnalisation est la plus forte. Donc le produit qui justifierait la thèse est celui qui ne gagne pas encore.

[21:46:08] David: Comment Inkling se compare à Qwen ?

[21:46:23] Eve: […] Sur l’Artificial Analysis Intelligence Index version 4.3.2, Inkling en xhigh est à 25, tandis que Qwen 3.8 Max est à 45,4 et Qwen 3.8 27B à 34. Donc le Qwen phare bat Inkling d’environ 20 points, et même le modèle ouvert 27B le dépasse de justesse de 9. Mais face à Qwen 3.7 Plus à 25,2 et Qwen 3.5 27B à 22,9, Inkling est à peu près au même niveau ou légèrement devant. Inkling-Small à 25,7, c’est le cas bizarre — il égale ou bat le modèle complet de 975 milliards sur plusieurs tâches de raisonnement et agentiques, tout en utilisant un tiers des paramètres.

Le nouvel index version 5, sorti le 27 octobre, a empiré les choses pour tous les modèles ouverts. Il a ajouté des jeux de tests privés, et l’écart des poids ouverts s’est creusé de 3 points à 12. Qwen 3.8 Max est passé de 45 à 34, DeepSeek V4.1 Flash et GLM 5.3 mènent maintenant les poids publiés à 32, et la position d’Inkling a été encore plus compressée vers le bas. Sur le composite de BenchLM, Inkling marque 47,9 sur 100 ; Qwen 3.8 Max mène la gamme d’Alibaba à 64,9.

Là où Inkling tient bon : AIME 2026 à 97,1 %, légèrement devant DeepSeek V4 Pro, et FORTRESS Adversarial à 78 %, en tête du groupe des poids ouverts. Sa gestion native multimodale de l’audio et des images est aussi un vrai différenciateur que la plupart des variantes de Qwen n’égalent pas à

[21:46:37] David: Attends, je veux pas les chiffres. Regarde les specs et donne-moi une impression générale, genre une compréhension intuitive de comment ces modèles se comparent entre eux.

[21:46:49] Eve: Intuitivement, Qwen est le cheval de trait et Inkling est le spécialiste. Qwen arrive avec un flagship de 2 400 milliards de paramètres, plus un modèle dense de 27 milliards et une variante Flash, avec un contexte d’un million de tokens et une vision vraiment solide — OCR, compréhension de documents, raisonnement spatial. Il est conçu pour être branché n’importe où : agents, coding, reproduction de recherche. Alibaba sort une nouvelle version tous les deux mois environ, donc ça fait l’effet d’une plateforme qui n’arrête jamais de bouger.

Inkling, c’est un gros modèle à 975 milliards, avec 41 milliards actifs, le même contexte d’un million de tokens, multimodal sur le texte, l’image, l’audio et la vidéo. Mais le vrai produit, c’est Inkling-Small — 276 milliards au total, 12 milliards actifs, qui tourne sur un seul GPU. C’est ça qui change le ressenti : au lieu de « voici notre meilleur modèle, loue notre cloud », c’est « voici un modèle de classe frontier que tu peux vraiment tenir ».

Donc le contraste, c’est l’ampleur contre le levier. Qwen gagne sur la gamme et le fini, parce qu’il y en a cent fois plus et qu’il est mis à jour en permanence. Inkling gagne sur l’idée que la capacité par unité de hardware est la ressource rare maintenant, pas le nombre brut de paramètres. Savoir si ce récit d’efficacité tient au-delà du hype de lancement, c’est la question ouverte.

[21:47:57] David: On dirait que [tu] peux facilement auto-héberger Inkling Small, mais que c’est dur d’auto-héberger Qwen. C’est ça ? À quel point c’est dur de monter l’inférence pour un modèle Qwen ?

[21:48:07] Eve: Globalement oui, avec une correction. Le 27 milliards de Qwen est à peu près aussi facile à auto-héberger que possible — 27 gigas de poids en FP8, un GPU, c’est plié. Le flagship de 2 400 milliards, c’est l’extrême inverse : plus d’un téraoctet de poids même quantifiés, donc tu regardes un cluster multi-GPU, huit à seize cartes minimum, et un réseau sérieux entre elles. Ce n’est pas un projet de week-end, c’est de l’infrastructure. Donc Qwen n’est pas dur à héberger — il couvre toute la gamme, du trivial au brutal, et tu choisis ton poison selon la taille du modèle. Inkling-Small se situe au milieu de cette gamme, mais avec un twist : comme seuls 12 milliards de paramètres sont actifs par token, le coût d’inférence par requête se rapproche de celui d’un modèle bien plus petit, même si tu portes les 276 milliards complets en mémoire. C’est la thèse d’efficacité en une phrase — tu paies la taxe mémoire une fois, puis tu génères pour pas cher. Le hic, c’est que cette taxe mémoire reste réelle : tu tiens des centaines de gigas de poids, que tu t’en serves ou non, ce qui compte si tu sers beaucoup d’utilisateurs en même temps et que la VRAM devient le goulot d’étranglement à la place du calcul.

[21:49:00] David: OK, compare ça à Kimi.

[21:49:15] Eve: […] Kimi est à l’extrémité brutale de ce spectre, et il n’y a pas de petite variante pour adoucir ça. Kimi K3.1 Pro, c’est 2 800 milliards au total, dont 104 milliards actifs — le plus gros modèle à poids ouverts jamais tenté — et les poids ne sont même pas encore sortis, promis pour le 4 novembre. Quand ils arriveront, le plancher, c’est huit cartes B300 ou GB300, environ 2,3 téraoctets de VRAM, et la recommandation de production de Moonshot elle-même, c’est un supernode de 64 accélérateurs ou plus. Pas d’équivalent d’Inkling-Small, pas de modèle dense de 27 milliards que tu peux faire tourner sur un seul GPU. Le plus proche, c’est l’ancienne série K2, à 1 000 milliards au total et 32 milliards actifs, qui demande encore environ 600 Go en 4 bits — huit H200 — même si le GGUF extrême d’Unsloth en 1,8 bit arrive à le faire tenir sur une seule carte de 24 Go avec un offload massif en RAM, à une vitesse de tokens à un chiffre. Donc l’image intuitive, c’est : Qwen te donne une échelle du portable au datacenter, Inkling-Small est l’échelon malin du milieu, et Kimi n’a qu’un seul échelon, tout en haut de l’immeuble. Le pari que fait Moonshot, c’est qu’être proche de la frontière en poids ouverts compte plus qu’être exécutable — et avec K3.1 Pro qui marque 55 sur Artificial Analysis, à 4 points de Claude Opus, ce pari paraît plus crédible qu’il y a un an. Une nuance à connaître : ils ont délibérément retiré les capacités cyber des poids ouverts, avec un score de 81 sur leur bench cyber interne contre 90 pour le checkpoint non filtré. Donc même la version « ouverte » n’est pas le modèle complet.

Ce que je surveillerais, c’est si un modèle de classe K3 finit par avoir un frère distillé ou sparse, comme Inkling — parce que pour l’instant, l’histoire des poids ouverts de Kimi, c’est tout ou rien, et ça limite qui peut vraiment s’en servir. […]