Des start-ups chinoises veulent battre Thinking Machines Lab sur son propre terrain

Quitter la course aux modèles géants pour cibler les besoins réels

Zhang Fan a été directeur des opérations chez Zhipu AI, l’un des principaux laboratoires d’IA de Pékin. Il a quitté ce poste en 2024 pour fonder Yoolee AI. Son constat est simple : les modèles actuels sont puissants, mais peu d’entreprises en tirent une valeur commerciale concrète.

« Tous les modèles courent sans relâche vers le plafond de l’intelligence générale », explique-t-il. « Mais dans de nombreux contextes réels, nous n’avons pas forcément besoin d’un généraliste absolu. » Cette observation guide toute la stratégie de sa start-up.

Yoolee AI, soutenue par le fonds de capital-risque Lanchi Ventures, développe des agents IA capables de réaliser des tâches aujourd’hui trop coûteuses pour des humains. Zhang cite des exemples concrets : des spécialistes en santé personnelle ou des planificateurs de voyages automatisés, capables de créer de nouveaux flux de revenus pour les entreprises de ces secteurs.

InfiX.ai : un modèle de fusion pour protéger les données sensibles

Yang Hongxia suit une logique similaire, mais avec une approche technique différente. Professeure à l’Université polytechnique de Hong Kong, elle a travaillé sur des grands modèles de langage chez ByteDance et Alibaba avant de fonder InfiX.ai.

Sa start-up utilise des technologies dites de « low-bit training » – FP8 et FP4 – pour réduire les besoins en calcul. Concrètement, cela permet à des organisations de former leurs propres modèles d’IA sur leur infrastructure locale, sans dépendre de serveurs cloud coûteux.

InfiX.ai recourt aussi à des techniques de fusion de modèles. Plusieurs modèles entraînés séparément par différentes organisations sont combinés en un seul modèle plus large, sans que les organisations partagent leurs données brutes. Yang illustre cette approche par un exemple médical : plusieurs hôpitaux spécialisés en cancérologie entraînent chacun leur propre modèle. Ces modèles sont ensuite fusionnés en un modèle fondateur unifié sur le cancer.

« Nous voulons nous assurer que les données ne quittent jamais le périmètre d’une organisation », précise-t-elle. Ce double avantage – réduction des coûts et préservation de la confidentialité – constitue selon elle une offre complète applicable à de nombreux secteurs.

Thinking Machines Lab, une référence qui vacille

Les deux fondatrices comparent leurs start-ups à Thinking Machines Lab. Ce choix de référence n’est pas anodin. La société de Mira Murati bénéficie d’une forte notoriété dans la Silicon Valley grâce à son équipe issue d’OpenAI et de Meta.

Pourtant, Thinking Machines Lab traverse une période difficile. Selon un rapport de Business Insider publié en avril 2025, près d’un tiers de l’équipe fondatrice a déjà quitté l’entreprise en l’espace d’un an. La start-up a également changé d’orientation. Elle s’est éloignée de son projet initial centré sur la personnalisation des modèles – incarné par l’outil Tinker – pour se concentrer sur des « modèles d’interaction » en temps réel via vidéo et audio.

Ce repositionnement peut être interprété comme un aveu de difficulté à se différencier sur un marché ultra-concurrentiel. C’est précisément dans cet espace que Yoolee AI et InfiX.ai tentent de s’imposer.

L’IA industrielle comme nouveau front de la compétition mondiale

Zhang Fan décrit Yoolee AI comme un croisement entre Thinking Machines Lab et Palantir. Cette référence à Palantir – spécialiste américain de la gestion de données pour gouvernements et grandes entreprises – dit beaucoup sur l’ambition commerciale de la start-up. Il ne s’agit pas seulement de construire des modèles, mais de les déployer dans des environnements institutionnels complexes.

Les deux start-ups ont présenté leurs visions lors du salon LEAP East, organisé à Hong Kong. Cet événement illustre le rôle croissant de la ville comme carrefour entre l’écosystème technologique chinois et les marchés internationaux.

Yang Hongxia vise une valorisation d’un milliard de dollars pour sa prochaine levée de fonds, prévue en septembre 2025. Le montant exact des tours précédents n’a pas été divulgué. Mais la valorisation actuelle de 400 millions de dollars après la levée de mai semble indiquer un intérêt réel des investisseurs pour ce modèle alternatif à l’IA généraliste.

Un modèle de développement qui contourne les contraintes géopolitiques

Le choix de développer des modèles sur infrastructure locale répond aussi à une contrainte géopolitique. L’accès aux puces avancées reste limité pour les entreprises chinoises en raison des restrictions américaines à l’exportation. Réduire les besoins en calcul via des techniques comme le FP8 ou le FP4 n’est donc pas seulement une optimisation technique. C’est aussi une réponse pragmatique à un environnement contraint.

De même, la confidentialité des données résonne différemment selon les secteurs. Dans la santé, le droit et la finance, les réglementations imposent souvent que les données restent dans des périmètres définis. L’approche de fusion de modèles proposée par InfiX.ai semble directement calibrée pour répondre à ces exigences.

L’IA de niche, prochain terrain de la rivalité technologique sino-américaine

La course à l’intelligence artificielle générale continue d’attirer les capitaux et les talents. Mais elle laisse un espace croissant à ceux qui préfèrent résoudre des problèmes concrets dans des secteurs précis. Les exemples de Yoolee AI et InfiX.ai semblent indiquer que cet espace devient un nouveau front de compétition, y compris entre la Chine et les États-Unis.

Et vous, pensez-vous que l’IA spécialisée peut réellement surpasser les grands modèles généralistes dans les usages professionnels ? Partagez votre analyse en commentaire.

Sources : South China Morning Post