Logical Intelligence, entreprise spécialisée dans le développement de systèmes d’intelligence artificielle basés sur des modèles énergétiques (EBM), a annoncé le lancement de Kona 1.0, son premier modèle de raisonnement fondé sur cette approche, qui entrera bientôt dans des programmes pilotes avec des partenaires dans les secteurs de l’énergie, de la fabrication avancée et des semi-conducteurs. La société a également mis en ligne une démonstration interactive de Kona 1.0, initialement centrée sur des défis de sudoku opposant le modèle aux grands modèles linguistiques (LLM), avec des démonstrations supplémentaires prévues pour des jeux comme les échecs et le Go. L’objectif est de permettre aux chercheurs et au public de comprendre clairement la différence entre le raisonnement énergétique et les systèmes probabilistes. Selon Eve Bodnia, fondatrice et PDG de Logical Intelligence, « Kona apprend en reconnaissant et en corrigeant ses propres erreurs, plutôt que de deviner la réponse la plus probable ». Elle affirme que si l’intelligence générale (AGI) implique la capacité à raisonner dans divers domaines, à apprendre de ses erreurs et à s’améliorer sans reformation pour chaque tâche, alors Kona 1.0 représente les premiers signes crédibles d’AGI. « Ce n’est pas l’état final, mais une rupture claire avec l’IA étroite », souligne-t-elle. Elle insiste sur le fait que l’AGI émergera d’un écosystème interdépendant d’approches variées — EBM, LLM, modèles du monde — travaillant ensemble. La société a nommé Yann LeCun, ancien directeur scientifique de l’IA chez Meta, au poste de président fondateur de son conseil de recherche technique, et Patrick Hillmann, ancien directeur chez General Electric et ancien directeur stratégique de Binance, au poste de directeur stratégique. Ces nominations viennent s’ajouter à une équipe dirigeante renforcée par Michael Freedman, médaillé Fields et directeur des mathématiques, et Vlad Isenbaev, champion du monde ICPC et ancien ingénieur chez Facebook, au poste de directeur de l’IA. Yann LeCun a salué l’approche de Logical Intelligence, affirmant que « le raisonnement véritable devrait être formulé comme un problème d’optimisation », ce qui correspond à la base des modèles énergétiques. « Logical Intelligence est la première entreprise à transformer ce concept de recherche en produits, ouvrant la voie à une nouvelle génération d’IA plus fiable », a-t-il déclaré. Contrairement aux modèles linguistiques qui fonctionnent par déduction statistique, les systèmes EBM de Logical Intelligence cartographient ce qui est autorisé et ce qui ne l’est pas, puis trouvent des solutions respectant ces contraintes. Cette architecture vise des secteurs où la vérification formelle, la responsabilité et la traçabilité sont essentielles, comme la fabrication industrielle, l’infrastructure énergétique ou la conception de puces. Kona 1.0 étend les travaux antérieurs de la société en vérification formelle et génération de code vérifié, en permettant désormais un raisonnement sur des systèmes complets avec des garanties de correction persistantes même lors des évolutions. Patrick Hillmann souligne que « l’IA pénètre désormais des secteurs où les erreurs ont des conséquences concrètes ». Il ajoute que les marchés exigent désormais des systèmes certifiables et défensibles, pas seulement optimisés. La société s’engage à collaborer avec les décideurs publics et les acteurs industriels pour garantir un déploiement responsable. Les nouveaux dirigeants apportent des profils exceptionnels : LeCun, lauréat du prix Turing 2018, est professeur à NYU et fondateur de Meta FAIR ; Hillmann, diplômé de l’Université du Wisconsin-Madison, a une solide expérience dans les risques et l’innovation au sein de GE et Binance ; Freedman, médaillé Fields, a marqué la topologie moderne et a dirigé le programme quantique de Microsoft ; Isenbaev, spécialiste de l’IA générative et du renforcement, a travaillé chez Nuro, Cruise et Facebook. Logical Intelligence développe ainsi une nouvelle génération d’IA où la rigueur mathématique et la vérification formelle prévalent sur la probabilité, ouvrant la voie à des systèmes capables de raisonnement fiable et auditable dans les environnements les plus critiques.