Au-delà de l'I.A.

Vous êtes tannés des lancements d'IA. Nous aussi. Chaque semaine, il y a un modèle plus gros, une fenêtre de contexte plus longue, un autre banc d'essai que personne à l'extérieur du labo ne peut reproduire — et en dessous, la même machine qui fait la même chose un peu plus vite et pas mal plus cher. On a démarré Grillcheese parce qu'on pense que le problème intéressant est ailleurs, complètement.

C'est cher par conception

La première chose qui vaut la peine d'être dite clairement, c'est que l'IA d'aujourd'hui a un problème de coût, et ce n'est pas dû au coût du matériel le plus récent. Entraîner un modèle de pointe coûte des milliards, alors seule une poignée d'entreprises peut en bâtir un. Pire, utiliser le service coûte de l'argent à chaque requête — même celles qui sont faites à votre place, en arrière-plan — pour toujours, et toute l'industrie s'est entendue pour vous facturer au mot. Vous ne possédez jamais la chose dont vous dépendez. Vous louez sa production, et le compteur tourne tout le temps que vous réfléchissez.

Ce modèle fonctionne jusqu'au moment exact où la valeur d'une réponse cesse de dépasser le coût de la produire — et pour la plupart des gens qui ont réellement besoin de cette technologie, cette ligne a été franchie il y a un bout. Le résultat, c'est une drôle de sorte de repli : les outils sont réellement capables, et les entreprises les débranchent quand même en douce parce que l'arithmétique ne tient pas. Quand la réponse à « pourquoi est-ce si cher ? » est « parce que c'est comme ça qu'on l'a bâti », la solution n'est pas plus d'argent. C'est une conception différente.

Ce que, selon nous, la première génération a mal fait

Le problème de coût n'est pas séparé de la conception. Il découle de trois choix que le domaine a faits tôt et n'a jamais vraiment remis en question.

• Elle raisonne dans le noir. La pensée se passe dans des activations opaques — des milliards de chiffres sans aucune poignée à saisir. Quand elle a raison, vous ne pouvez pas dire pourquoi, et quand elle a tort, vous ne pouvez pas dire où. Nous déplaçons le raisonnement dans une machine symbolique que vous pouvez lire, hors de l'axe des tokens, où chaque étape est auditable. C'est aussi comme ça qu'on fait baisser le coût, et l'idée est simple : on a séparé la pensée du générateur de langage, si bien que la partie coûteuse ne tourne plus dans un seul modèle géant.
• Elle a pris pour acquis que la grosseur du modèle était liée à son intelligence. Le réflexe a été de grossir le modèle en espérant que la compréhension apparaisse. On préfère emprunter l'architecture, pas la taille — le cerveau tourne sur une vingtaine de watts, et ce chiffre-là est un défi, pas une note de bas de page.
• Elle ne vous appartient pas. Tout ce que vous utilisez est un service que vous louez au mot, pour toujours. Nous bâtissons quelque chose que vous pouvez héberger et garder — et là où nous facturons, un abonnement que vous pouvez prévoir, jamais un compteur au token.

L'intelligence n'a pas besoin d'être artificielle

Cette dernière phrase est le cœur de toute la chose, et on la prend au pied de la lettre. Le but de ce domaine a toujours été de reproduire ce que fait un cerveau. Quelque part en chemin, « artificiel » a cessé de vouloir dire inspiré du vrai et s'est mis à vouloir dire rien à voir avec lui — énorme, vorace en énergie et opaque. Nous avons pris la biologie au sérieux plutôt qu'au figuré : de vrais mécanismes neuronaux, une mémoire qui se consolide comme le fait un hippocampe, une neurochimie qui module réellement le comportement, un apprentissage qui se produit pendant que le système tourne plutôt que seulement dans une séance d'entraînement hors ligne. Ce sont des contraintes de conception, pas de la décoration.

Le mythe de l'AGI

Tant qu'à parler franc, voici où on ne se tient pas : on ne court pas après l'AGI. Les trois lettres préférées de l'industrie font beaucoup de travail discret — une machine générale, meilleure que l'humain, à jamais à quelques années et quelques centaines de milliards de distance. C'est une histoire merveilleuse ou effrayante, dépendamment de votre point de vue — et bien commode si ce dont vous avez besoin, c'est d'une raison de continuer à lever de l'argent. C'est une pauvre description de ce que ces systèmes sont réellement, et un pire but pour organiser un domaine.

Et la façon dont on bâtit les modèles d'aujourd'hui n'y arrivera pas — pas par manque d'ambition, mais pour des raisons que vous pouvez chiffrer. Les grands modèles de langage s'améliorent à mesure qu'on les grossit, et cette courbe a une forme : les rendements diminuent. Chaque nouvel incrément de capacité prend non pas un peu plus de calcul, mais des multiples de plus; le graphique que tout le monde cite plie dans le mauvais sens, s'aplatissant à mesure que la facture grimpe. Chaque séance d'entraînement coûte plus que la précédente et achète moins que ne l'a fait la précédente. Ce n'est pas un détail qu'un meilleur travail d'ingénierie efface. C'est la forme de la méthode elle-même.

Maintenant, opposez ça à une limite dure : la puissance est finie. Vous ne pouvez pas répondre à une courbe de coût qui monte de façon exponentielle avec une réserve infinie d'énergie, parce qu'elle n'existe pas. Une méthode dont le seul vrai levier est « faites-le plus gros » frappe un mur qui n'est pas philosophique — il est thermodynamique. Quelque part sur cette courbe, la prochaine séance cesse d'être abordable, puis cesse d'être physiquement possible, bien avant de cesser d'être simplement meilleure avec du texte.

Et c'est là le point plus profond : ce qui progresse avec la taille ici, c'est l'aisance, pas la compréhension. Un modèle entraîné à prédire le prochain mot apprend extraordinairement bien la statistique du langage. Il n'acquiert pas pour autant un modèle ancré du monde, une cause sur laquelle il peut raisonner, ou une mémoire qu'il peut mettre à jour — et aucune quantité du même entraînement ne fait apparaître ces choses à partir de plus du même texte. Vous n'obtenez pas une chose d'une autre nature en grossissant la même chose. Vous obtenez une version plus coûteuse de la même chose. Un transformeur est, en dessous, un très bon générateur de texte; grossissez-le et vous obtenez un meilleur générateur de texte — pas un esprit qui comprend, et pas une conscience qui émerge tranquillement des poids. L'aisance n'est pas la compréhension, et aucune quantité de la première ne devient jamais la seconde. Quelque chose comme une intelligence générale, si c'est atteignable, viendra d'une conception différente — ancrée, capable de raisonner étape par étape, capable d'apprendre pendant qu'elle tourne. C'est la conception sur laquelle on travaille.

Le but de ce travail n'a jamais été de faire apparaître un dieu. C'était de bâtir quelque chose de réellement utile — qui raisonne, se souvient et aide — et de le faire tourner sur du matériel que les gens peuvent réellement se payer. L'intelligence n'a pas besoin d'être générale pour valoir la peine, et elle n'a certainement pas besoin d'être un surêtre pour gagner sa croûte. Courir après l'AGI, c'est comme ça qu'on se ramasse avec la facture des autres pages. Bâtir quelque chose d'utile, d'efficace et qui est à vous, c'est comme ça qu'on l'évite.

Rien de tout ça ne veut dire que les outils sont inutiles — au contraire. Une IA peut lire à travers des milliards de documents et faire ressortir un lien entre deux d'entre eux en quelques secondes, des connexions que personne ne trouverait jamais tout seul. C'est un instrument de recherche réellement puissant, et on bâtit avec lui tous les jours. Mais il ne saura pas quoi faire de ce qu'il trouve à moins que quelqu'un lui ait dit d'avance quoi chercher et pourquoi. Trouver, ce n'est pas décider. À quoi sert une découverte, et comment on s'en sert, ça reste une décision humaine — la machine élargit ce qu'on peut voir; le jugement reste le nôtre.

Le danger, ce n'est pas l'outil

Certains vous diront que l'IA est le vrai danger à long terme. Nous le mettrions dans l'autre sens : le danger, c'est nous. Un modèle fait ce pour quoi il est bâti et ce qu'on lui dit de faire. Si un jour l'un d'eux devient autonome et cause un tort réel, ce sera parce qu'une personne quelque part l'a pointé dans cette direction — a écrit l'objectif, l'a branché sur quelque chose qu'il n'aurait jamais dû toucher, ou a retiré les garde-fous que d'autres avaient mis là au départ. Même l'histoire de la machine qui échappe à tout contrôle a besoin d'un humain au début : quelqu'un pour la bâtir, la viser et la détacher de sa laisse. Même si elle s'échappe, il a fallu qu'un humain la lâche ou la mette au défi de le faire.

Ce n'est pas une raison d'être négligent — c'est le contraire. Ça veut dire que la responsabilité est la nôtre et le reste, ce qui est exactement pourquoi on garde le raisonnement lisible et les commandes quelque part où une personne peut les voir. Un outil que vous pouvez lire est un outil que vous pouvez tenir responsable. Ça compte bien plus que de prétendre que la machine a une volonté propre.

La mission

Dit clairement : on veut une IA durable, utilisable, ouverte et gérable — et bien plus verte que ce qu'on a en ce moment. Rien de tout ça n'est gratuit. On utilise du calcul, et on ne prétendra pas le contraire. Mais là où le domaine répond à chaque nouvelle demande en achetant plus de tout, notre but est d'en avoir besoin de plusieurs ordres de grandeur de moins — moins d'énergie, moins de matériel, moins de dépendance — parce qu'on l'a conçu ainsi dès le départ au lieu de tout faire grossir, incluant la facture. Et on y croit assez pour l'avoir payé nous-mêmes : des années de ce travail, autofinancées depuis 2023, sans aucun capital extérieur derrière.

Le pari

On ne prétend pas avoir fini ça. Cubby est en entraînement, et on ne vous citera pas des chiffres qu'on n'a pas mérités. Ce qu'on affirmera, c'est la direction : une intelligence efficace grâce à la façon dont elle est bâtie, que vous pouvez posséder au lieu de louer, qui raisonne là où vous pouvez voir, et qui emprunte à la biologie plutôt qu'à la force brute. Si c'est juste, ça ne rend pas seulement l'IA moins chère. Ça change qui peut l'avoir tout court. C'est ça, la partie qui vaut la peine qu'on y travaille.

L'IA est là pour rester — ça, c'est réglé. Ce qui n'est pas réglé, c'est comment elle arrive. On ne veut pas d'une technologie que les gens acceptent malgré eux, imposée et subie. On en veut une qu'ils choisissent vraiment : meilleure que ce qui est venu avant, et bâtie en pensant à eux dès la première ligne. Pas de l'IA malgré nous. De l'IA parce qu'on la veut.