Créez votre compte Charmloop gratuit — sans carte bancaire, navigation illimitée. Lancez-vous dans l’art IA en quelques minutes.
Andrew Dai, ancien chercheur chez DeepMind dont les travaux ont contribué aux fondations qui ont ensuite alimenté ChatGPT, vient de boucler un tour de table de pré-amorçage de 300 millions de dollars pour une startup d'IA visuelle opérant en mode furtif — sans avoir encore livré le moindre produit.
Les tours de pré-amorçage se mesurent habituellement en quelques millions. Une levée de 300 millions de dollars à ce stade — avant même qu'un produit n'existe — est presque sans précédent, et elle dit quelque chose de précis sur l'origine que l'argent institutionnel anticipe pour le prochain bond de capacités. Selon TechCrunch, Dai positionne l'IA visuelle comme une frontière comparable en ampleur à la vague des grands modèles de langage qui a produit ChatGPT.
Le pari est essentiellement le suivant : le même type d'investissement en recherche fondamentale qui a construit GPT-4 doit se produire dès maintenant pour les systèmes capables de comprendre, de générer et de raisonner sur des images et des vidéos — et la fenêtre pour mener cette course est ouverte en ce moment même.
Pour les créateurs d'art par IA, ce cadrage est important. Il suggère que la prochaine génération de génération d'images et de vidéos ne sera pas de simples mises à jour itératives des pipelines de diffusion existants. Les investisseurs à cette échelle soutiennent l'idée que l'IA visuelle a besoin de sa propre architecture fondationnelle — et non d'une surcouche posée sur les modèles actuels.
Dai a passé plus d'une décennie chez DeepMind à travailler sur certains des systèmes d'IA les plus déterminants jamais construits. Les recherches auxquelles il a contribué ont aidé à façonner l'architecture et les approches d'entraînement qui ont finalement influencé ChatGPT. C'est précisément cette filiation qui a poussé les investisseurs à agir avant de voir un produit : ils misent sur le chercheur, pas sur la feuille de route.
Ce schéma — financer la personne et la thèse avant la démo — a des précédents dans l'IA fondationnelle. C'est ainsi qu'Anthropic a démarré, et que plusieurs des laboratoires de modèles les plus performants ont sécurisé leurs premiers capitaux. La différence ici réside dans la focalisation explicite sur les modalités visuelles plutôt que sur le langage.
« L'IA visuelle est l'une des prochaines grandes frontières de l'intelligence artificielle. »
— Andrew Dai
Si la thèse de Dai s'avère juste, l'effet en aval pour les créateurs utilisant des outils comme le générateur d'images de Charmloop pourrait être considérable. La recherche fondamentale en IA visuelle tend à produire des sauts de capacités — pas seulement de meilleures images, mais des types de génération qualitativement différents : un raisonnement spatial plus solide, des personnages plus cohérents d'une image à l'autre, une meilleure compréhension de la composition et de l'éclairage en tant que concepts sémantiques plutôt que simples motifs de pixels.
Le chiffre de 300 M$ vous renseigne également sur les besoins en calcul qu'anticipe l'équipe de Dai. L'entraînement de modèles fondationnels à ce niveau ne se fait pas sur un modeste cluster de GPU. La levée laisse entrevoir des runs de pré-entraînement à une échelle qui serait compétitive avec les plus grands laboratoires — ce qui signifie que les modèles issus de ces travaux pourraient véritablement faire reculer le plafond des capacités de génération visuelle.
Pour les créateurs qui suivent quels modèles valent la peine d'adopter, c'est le chiffre à surveiller : non pas l'annonce du produit, mais si l'architecture résultante produit le type de bond qualitatif qui rend votre flux de travail actuel obsolète. Les développements dans les world models — des systèmes d'IA qui simulent l'évolution des environnements visuels dans le temps — pointent déjà dans cette direction, comme le couvre l'article explicatif de Charmloop sur les world models pour les créateurs d'images et de vidéos.
Aucune date de lancement n'a été communiquée. Compte tenu de l'ampleur de la levée et du statut furtif de l'entreprise, le calendrier le plus probable est celui d'une publication de recherche ou d'un aperçu technique avant un produit grand public — le même chemin que DeepMind lui-même a suivi pour ses travaux les plus déterminants. Gardez un œil sur les serveurs de prépublications.
