La start-up River AI a levé 1,1 milliard de dollars lors d’un tour de financement d’amorçage/Series A, environ deux mois seulement après sa création. Le tour a été mené par General Catalyst et AMP PBC, avec la participation de Nvidia, AMD Ventures, Y Combinator et Temasek.
L’entreprise a été fondée par Igor Babuschkin, cofondateur de xAI, qui a auparavant occupé des fonctions dans le domaine de l’intelligence artificielle chez DeepMind et OpenAI. River est sortie du mode furtif en juin, annonçant une vision axée sur la reconstruction de l’intelligence artificielle depuis ses fondations, en commençant par la manière dont les modèles sont entraînés.
Des agents entraînables personnellement
Babuschkin souhaite transformer les agents d’intelligence artificielle en assistants que les utilisateurs peuvent entraîner eux-mêmes, plutôt que d’orienter la technologie vers le remplacement des travailleurs humains, selon ce qu’il a présenté dans l’article de lancement de l’entreprise.
River estime que la concrétisation de cette vision nécessite de reconstruire l’ensemble de l’écosystème, notamment l’entraînement, les modèles et la couche produit, ainsi que de nouveaux équipements permettant à l’intelligence artificielle personnelle de rester proche de l’utilisateur. Babuschkin décrit les futurs agents comme des assistants discrètement présents dans la vie quotidienne, connaissant bien l’utilisateur et agissant dans son intérêt.
Une interface de programmation pour personnaliser les modèles
L’entreprise propose actuellement une interface de programmation facturée par million de tokens, les prix variant selon le modèle ouvert utilisé. Cette interface permet aux développeurs d’utiliser l’apprentissage par renforcement (RL) et la technique d’adaptation à faible rang (LoRA) pour ajuster les modèles.
River présente son premier produit comme une alternative à la dépendance à la seule ingénierie des prompts. Selon la description de l’entreprise, l’écriture de prompts oriente un modèle que l’utilisateur ne possède pas et qu’il ne peut pas améliorer, tandis que River permet d’entraîner des modèles ouverts afin de les personnaliser, puis de les exécuter comme n’importe quel autre point de terminaison.
Un pari sur les besoins des entreprises
Ce tour important intervient alors que les entreprises manifestent un intérêt croissant pour le contrôle de l’avenir de leurs modèles, en utilisant un mélange de modèles, notamment des modèles à poids ouverts. River mise sur la fourniture de compétences de post-entraînement dans le cadre de son offre cloud, qu’elle appelle neocloud.
L’entreprise affirme que toute organisation peut exécuter un processus complexe d’apprentissage par renforcement en 15 à 20 minutes, sans avoir besoin d’une équipe dédiée à l’infrastructure, et réaliser des économies comprises entre deux et quatre fois le coût des alternatives propriétaires. Ces chiffres figurent dans l’annonce de financement publiée par l’entreprise.
Une vision ambitieuse et un financement massif
La vision plus large de River est que chaque personne possède ses propres agents, les entraîne elle-même et les fait agir en son nom. Le contexte du marché indique l’émergence d’agents personnels fonctionnant localement, comme OpenClaw et ses dérivés, parallèlement aux initiatives de Nvidia visant à s’associer à des fabricants d’ordinateurs tels que Dell, Microsoft et HP afin de fournir du matériel capable d’exécuter des applications d’intelligence artificielle.
Il reste difficile de déterminer en quoi la technologie de River différera concrètement des autres solutions, mais l’entreprise entame son parcours avec un financement massif qui lui donne d’importantes ressources pour développer sa vision.