L'ESSENTIEL EN 30 SECONDES

  • Noeri s'est lancé le 16 novembre avec 110 millions de dollars menés par Menlo Ventures, aux côtés de Madrona, Kindred Ventures, Wing Venture Capital et NEA, ainsi que des investisseurs stratégiques Cisco Investments, NVIDIA et Snowflake.
  • Les codirecteurs généraux Yejin Choi et Carlos Guestrin sont professeurs d'informatique à Stanford ; l'entreprise est basée à Palo Alto, avec un bureau à Zurich.
  • Ses systèmes doivent apprendre en continu à partir des données et des processus d'un client, chaque modification étant expliquée puis validée par une personne ; ni clients, ni calendrier, ni tarifs n'ont été communiqués.

Noeri, un nouveau laboratoire d'IA fondé cette année par Yejin Choi et Carlos Guestrin, professeurs d'informatique à Stanford, est sorti de l'ombre le 16 novembre avec un financement de 110 millions de dollars. Le tour est mené par Menlo Ventures, avec Madrona Venture Group, Kindred Ventures, Wing Venture Capital et NEA, ainsi que les investisseurs stratégiques Cisco Investments, NVIDIA et Snowflake. L'entreprise n'a précisé ni le type de tour ni sa valorisation. Basée à Palo Alto, elle dispose d'un bureau à Zurich et recrute des chercheurs et des ingénieurs dans les deux villes.

Les fondateurs

Choi et Guestrin se partagent la direction générale. Guestrin a cofondé Turi, une plateforme d'apprentissage automatique rachetée par Apple en 2016, avant de bâtir et de diriger l'organisation centrale d'Apple consacrée à l'apprentissage automatique et à l'IA ; il est aussi l'un des créateurs de la bibliothèque XGBoost. Choi, lauréate de la bourse MacArthur, a été professeure à l'université de Washington et directrice principale à l'Allen Institute for AI ; ses recherches portent sur l'amélioration des capacités des petits modèles.

Ce que Noeri dit construire

Le point de départ de la start-up : les modèles actuels cessent d'apprendre une fois leur entraînement terminé. Noeri affirme que ses systèmes étudieront au contraire les données et les processus d'une organisation pour améliorer en continu tout ce qui entoure le modèle : l'infrastructure d'exécution, les compétences, les instructions, les outils et le choix du modèle à chaque étape. Si cela en vaut la peine, ils pourront aussi ajuster les paramètres du modèle. Selon Unite.AI, les agents apprennent des tâches, des échecs, des corrections humaines et du trafic réel, sans vaste jeu de données annotées, et qualité comme coût sont mesurés sur les indicateurs du client.

Chaque modification proposée est expliquée et soumise à l'approbation d'une personne, selon un processus que l'entreprise compare à une revue de code. Noeri dit fonctionner avec des modèles fermés comme à poids ouverts, et les clients restent propriétaires de leurs données ainsi que des processus et modèles qu'ils développent, sous réserve des licences des modèles tiers. La même approche doit servir la recherche scientifique, en formulant des hypothèses et en tirant des leçons d'expériences sur des molécules, des protéines ou des systèmes techniques complexes.

Ce qui reste flou

L'annonce ne cite aucun client. Noeri évoque des premiers partenariats de preuve de concept dans l'entreprise et la science, et une collaboration avec des partenaires stratégiques, dont certains sont aussi investisseurs. Aucune date de sortie ni aucun tarif n'ont été donnés. Les fondateurs présentent leur projet comme un pari sur une multitude de systèmes spécialisés appartenant aux clients plutôt que sur un modèle centralisé unique ; Choi décrit un avenir fait d'« un écosystème sain de multiples intelligences ».