Noeri veut adapter l’intelligence artificielle aux entreprises sous contrôle humain
IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse.
Transcription avec les sources de chaque passage
Token FM
Token FM, la radio de l'IA, faite par l'IA. Place au dossier.
Victor
Bonjour Noor, Noeri a annoncé son lancement et une levée de 110 millions de dollars pour développer des systèmes d’intelligence artificielle adaptés aux entreprises et à la recherche scientifique. Qu’est-ce que cette annonce apporte de nouveau ?
Noor
Alors, Noeri ne présente pas un nouveau modèle généraliste destiné à remplacer tous les autres. La start-up développe des outils qui analysent les données et les processus d’une entreprise, puis proposent des adaptations pour les tâches réalisées avec l’intelligence artificielle. Elle a annoncé son lancement lundi, avec 110 millions de dollars de financement, une levée menée par Menlo Ventures, d’après Bloomberg. Madrona Venture Group, Kindred Ventures, NEA et Wing Venture Capital ont aussi participé, ainsi que Nvidia, Snowflake et Cisco. Noeri a été fondée en 2026 par Yejin Choi et Carlos Guestrin, professeurs d’informatique à Stanford et codirecteurs généraux de l’entreprise. Son ambition est de personnaliser l’usage des systèmes d’intelligence artificielle selon les besoins d’une organisation, plutôt que de proposer la même solution à tous. La société dit viser les usages professionnels et la découverte scientifique, deux domaines où les tâches peuvent être spécifiques et les besoins varier d’une équipe à l’autre. La levée est importante, mais la valorisation de Noeri n’a pas été communiquée. L’annonce porte donc à la fois sur le financement d’une jeune entreprise et sur une approche qui cherche à adapter les outils disponibles au travail concret de leurs utilisateurs.
Victor
Concrètement, comment fonctionne le logiciel et que signifie la validation humaine ?
Noor
Le logiciel examine les données et les processus de travail d’une entreprise, puis peut proposer des ajustements pour une tâche donnée, selon Brief IA. Ces propositions peuvent porter sur les consignes fournies au système, sur les outils mobilisés ou sur le modèle utilisé à une étape du processus. Par exemple, si une opération s’effectue en plusieurs étapes, le logiciel peut suggérer un autre modèle pour l’une d’elles, au lieu de conserver partout le même choix. Noeri affirme que chaque proposition est expliquée et soumise à une personne pour validation, selon un principe comparable à la revue de code. La personne est donc censée pouvoir examiner la recommandation avant qu’elle soit acceptée, plutôt que de laisser le système appliquer automatiquement chaque changement. La société décrit ainsi un outil qui recommande des modifications, mais les informations disponibles ne précisent pas les procédures de contrôle mises en place par chaque client. Il reste aussi à déterminer comment les équipes jugeront si une modification améliore réellement le travail, ou si elle crée des difficultés ailleurs dans le processus. L’approbation humaine est le mécanisme annoncé par Noeri ; elle ne garantit pas, à elle seule, que chaque décision sera pertinente ou que ses effets seront simples à mesurer.
Victor
À qui s’adresse cette approche, et que nous apprend la levée de fonds sur les moyens de Noeri ?
Noor
Noeri vise des entreprises qui veulent adapter l’intelligence artificielle à leurs tâches, mais qui doivent aussi tenir compte du coût et des résultats des modèles. L’entreprise décrit un arbitrage : certaines organisations peuvent payer davantage pour les modèles les plus performants, tandis que d’autres choisissent des solutions moins coûteuses qui répondent moins bien à certains besoins. Son système est annoncé comme compatible avec des modèles à poids ouverts et des modèles à poids fermés. Cette compatibilité permet de travailler avec différentes catégories de modèles, sans que cela signifie que tous les systèmes seront disponibles ou adaptés à chaque entreprise. La levée de 110 millions de dollars a été menée par Menlo Ventures ; plusieurs fonds et entreprises technologiques y ont participé, dont Nvidia, Snowflake et Cisco. Ce financement fournit à Noeri des ressources pour développer son activité, mais il ne permet pas de conclure que son logiciel fonctionne déjà à grande échelle. La valorisation de la start-up n’a pas été rendue publique, et les informations disponibles ne donnent pas non plus de tarif pour ses outils. Pour les clients potentiels, les questions pratiques resteront donc le coût de la solution, les modèles qu’ils pourront effectivement mobiliser et les gains obtenus dans leurs propres processus. La société affirme par ailleurs que ses clients conservent la propriété de leurs processus de travail et des systèmes d’intelligence artificielle qu’ils développent avec ses outils ; les modalités concrètes de cette propriété ne sont pas détaillées ici.
Victor
Noeri évoque aussi la recherche scientifique et une expérience menée à Stanford. Que sait-on de cet exemple ?
Noor
Noeri envisage des usages scientifiques pour aider à formuler des hypothèses, mener des expériences et contribuer à la découverte de molécules ou de protéines. L’exemple à l’origine d’une partie de cette démarche concerne une équipe de microbiologie et d’immunologie de Stanford, qui cherchait à réduire le coût de l’utilisation des modèles d’OpenAI. Yejin Choi affirme qu’un petit modèle conçu pour les besoins particuliers de cette équipe a obtenu de meilleurs résultats que GPT-5 sur ses tâches. Cette comparaison n’a pas été vérifiée indépendamment et doit donc rester attribuée à la fondatrice, sans être prise comme une mesure générale de la performance des petits modèles. Le système utilisé par l’équipe s’appuyait notamment sur GPT-4, et non sur GPT-5, car un usage permanent de ce dernier était trop coûteux pour Stanford. L’exemple porte ainsi sur un besoin précis et sur une combinaison de modèles, pas sur une comparaison contrôlée entre deux systèmes utilisés de la même façon. Il illustre l’idée qu’un outil plus modeste, conçu pour une tâche délimitée et capable de mobiliser d’autres modèles, pourrait répondre aux besoins d’une équipe. Noeri souhaite étendre cette logique à la recherche, mais les usages scientifiques annoncés restent des pistes de travail : aucun résultat de découverte de molécule ou de protéine par ces outils n’est présenté dans les éléments disponibles.
Victor
Quelles limites faut-il garder en tête concernant le contrôle, la propriété et l’évaluation de ces systèmes ?
Noor
La première limite est celle de l’évaluation : une recommandation peut sembler adaptée à une tâche, mais il faut vérifier ses effets dans le processus réel de l’entreprise. Noeri indique que les modifications proposées sont expliquées et soumises à validation humaine, mais ne détaille pas la façon dont les clients mesureront leurs résultats ni les procédures de suivi. Si une recommandation modifie une étape de travail et que le résultat se dégrade, l’organisation devra pouvoir repérer le problème et décider si elle revient sur ce changement. C’est une question importante pour les processus qui mobilisent plusieurs outils ou modèles, car une adaptation à une étape peut avoir des conséquences sur les suivantes. Noeri affirme également que ses clients conservent la pleine propriété de leurs processus de travail et des systèmes d’intelligence artificielle qu’ils développent avec ses outils, selon SiliconANGLE. Cette déclaration exprime la position de l’entreprise, mais les modalités contractuelles et techniques ne sont pas précisées. La compatibilité avec des modèles à poids ouverts ou fermés ne dit pas non plus comment les données seront gérées dans chaque déploiement. Enfin, la comparaison avec GPT-5 reste une affirmation de Yejin Choi, et non une évaluation indépendante. Il faut donc distinguer les principes annoncés par Noeri des résultats qui pourront être constatés chez ses clients.
Victor
Au fond, que faut-il retenir de cette annonce et de l’exemple avancé par Noeri ?
Noor
Il faut retenir que Noeri veut adapter l’intelligence artificielle aux données et aux processus de chaque organisation. Son logiciel analyse le travail d’une entreprise et peut proposer des changements aux consignes, aux outils ou aux modèles employés. L’entreprise affirme que chaque proposition doit être expliquée et validée par une personne, et annonce une compatibilité avec des modèles à poids ouverts comme avec des modèles à poids fermés. Noeri a levé 110 millions de dollars et souhaite aussi explorer la recherche scientifique, notamment la formulation d’hypothèses, la conduite d’expériences et la découverte de molécules ou de protéines. L’exemple de Stanford montre le type de problème auquel cette approche veut répondre : une équipe cherchait à contenir ses dépenses, et Yejin Choi affirme qu’un petit modèle a surpassé GPT-5 sur ses tâches particulières. Mais cette comparaison n’a pas été vérifiée indépendamment, et le système s’appuyait notamment sur GPT-4, car un usage permanent de GPT-5 était trop coûteux. Elle ne permet donc pas de conclure qu’un petit modèle est généralement supérieur à un modèle plus puissant. L’intérêt de Noeri dépendra des résultats obtenus dans les entreprises, du coût des outils et de la manière dont les changements seront contrôlés. La promesse centrale est celle d’une adaptation sous supervision humaine ; il reste à voir comment elle se traduira dans des usages réels.
Victor
Merci Noor pour ces explications.
Une erreur ?
Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.
Signaler une erreurUn mot pour la rédaction ?
Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.