L’IA n’est clairement pas la technologie préférée des européens. Tout du moins, pas pour l’instant, ce qui freine donc les investissements au contraire des Etats-Unis par exemple où OpenAI et ChatGPT ravagent tout sur le passage. Force est de constater que la France n’a toujours pas son propre ChatGPT ou Bard. Et si, il n’était pas forcément nécessaire de se lancer dans les chatbot et l’IA générative pour exceller dans ce domaine ? C’est en effet sur un autre terrain que joue Mistral AI, et c’est sans doute ça qui a convaincu les investisseurs.

Grâce à une manœuvre financière judicieuse, la licorne, donc une entreprise valorisée à plus d’un milliard de dollars, a réussi à lever 450 millions d'euros supplémentaires, principalement auprès d’Andreessen Horowitz (un fond de capital risque californien), Salesforce et NVIDIA. Bref du beau monde de la finance et de la Tech. Et selon le média spécialisé Bloomberg, Andreessen Horowitz aurait promis d’investir 200 millions d'euros dans l’entreprise ! Pour Salesforce et NVIDIA, les deux géants mettraient leur main à la poche à hauteur de 120 millions d'euros, mais sous forme de dette convertible. Au final, la jeune entreprise parisienne pourrait bien être valorisée à 2 milliards de dollars si cet accord global se concrétise.

Ceci dit, pourquoi mettre autant d’argent dans cette entreprise alors que pour le moment, elle n’a rien prouvé ? C’est là que je vous parle de l'approche particulière de Mistral AI. Ce qui fait sa spécificité, c'est la liberté dans le choix du nombre de données qu'elle peut traiter. Pour Arthur Mensch, son co-fondateur et PDG, également ancien employé de Google DeepMind, que je cite : « vous pouvez commencer par un gigantesque modèle composé de centaines de milliards de paramètres, qui pourrait résoudre votre problème. Mais, vous avez également le choix de réduire ce nombre de paramètres et vous concentrer sur un ensemble cent fois plus petit » fin de citation. Dès lors, quels sont les avantages d'un tel fonctionnement ? Tout d'abord, réduire les temps de latence lorsqu'il n'y a pas besoin de jongler avec un trop grand nombre de données. En abaissant cette latence, les coûts de fonctionnement sont également réduits et s'adaptent aux besoins des utilisateurs. Ainsi, Mistral AI cible principalement les développeurs en concevant ces modèles plus réduits, contrairement à la concurrence qui s’acharne à proposer des modèles multitâches et de grande envergure. Le choix du pragmatisme et de la rentabilité plutôt que l’efficacité à tout prix.

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.