Les faits clés
- Mira Murati, ancienne directrice technique d’OpenAI, a fondé Thinking Machines en 2024.
- La société a levé 2 milliards de dollars, lors d’un tour mené par a16z, avec NVIDIA, Accel, ServiceNow, Cisco, AMD, Jane Street et d’autres investisseurs.
- Un premier produit est attendu dans les prochains mois, avec un important composant open source destiné aux chercheurs, startups et développeurs de modèles personnalisés.
- Thinking Machines prévoit de publier des documents scientifiques, des bonnes pratiques et des mécanismes de sécurité, dont le red teaming et une surveillance post-déploiement.
- OpenAI a retardé son propre modèle open source, évoquant des tests de sécurité supplémentaires.
Quelques mois après avoir quitté OpenAI, Mira Murati revient sur le devant de la scène avec une annonce qui secoue l’écosystème de l’intelligence artificielle. Son nouveau projet, Thinking Machines, a levé 2 milliards de dollars auprès d’investisseurs prestigieux. La somme, parmi les plus importantes levées par une jeune pousse de l’IA, témoigne de l’intérêt des marchés pour les architectures multimodales et pour les approches ouvertes. L’entreprise prévoit de lancer prochainement un premier produit intégrant un important composant open source, pensé pour les chercheurs, les startups et les développeurs de modèles personnalisés.
Mira Murati n’est pas une figure inconnue du secteur. Ancienne directrice technique d’OpenAI, elle a occupé un rôle central dans la trajectoire de l’entreprise, notamment pendant la période de crise qui a suivi le départ puis le retour de Sam Altman à la tête de l’organisation. Elle a aussi assuré brièvement les fonctions de directrice générale par intérim. Son départ, annoncé en 2024, a marqué un tournant pour OpenAI et nourri les spéculations sur la prochaine génération de laboratoires d’IA. Avec Thinking Machines, elle entend désormais construire une alternative fondée sur la collaboration, la multimodalité et l’ouverture.
Une levée de 2 milliards de dollars menée par a16z
Le tour de table est mené par le fonds Andreessen Horowitz, souvent désigné par le diminutif a16z, avec la participation de NVIDIA, Accel, ServiceNow, Cisco, AMD et Jane Street, entre autres investisseurs. Cette composition est révélatrice : elle réunit des acteurs du capital-risque, des fabricants de semi-conducteurs, des entreprises de logiciels d’entreprise et des spécialistes des marchés financiers. Pour Thinking Machines, ce soutien ne se limite pas à un apport financier. Il peut faciliter l’accès à des capacités de calcul, à des infrastructures et à des réseaux industriels indispensables au développement de modèles multimodaux à grande échelle.
Sarah Wang, partenaire chez a16z, a déclaré que « Aucun autre groupe n’est mieux positionné pour faire progresser la frontière de l’IA ». La formule traduit la confiance des investisseurs dans l’équipe fondatrice. Thinking Machines revendique en effet la présence de chercheurs ayant contribué à des avancées majeures comme PPO, TRPO et GAE, ainsi qu’à des produits devenus des références, de ChatGPT à Codex en passant par Character.ai. Cette densité de talents explique en partie pourquoi la jeune pousse a pu attirer un montant aussi élevé avant même la commercialisation d’un produit abouti.
Une IA multimodale pensée pour l’interaction naturelle
La vision de Mira Murati est claire : construire une intelligence artificielle collaborative, multimodale et accessible. L’objectif n’est pas de créer un simple chatbot supplémentaire, mais un système capable de comprendre le langage naturel, les images et les interactions humaines imparfaites. Dans un message publié sur X, elle a résumé cette ambition : « Nous construisons une IA multimodale qui fonctionne avec la façon dont vous interagissez naturellement avec le monde : par la conversation, la vision, et la collaboration ».
Cette approche s’inscrit dans une évolution plus large du secteur. Les modèles de première génération étaient principalement textuels. Les systèmes suivants ont intégré la vision par ordinateur, la génération d’images, la reconnaissance vocale et parfois des capacités d’action dans des environnements numériques. L’enjeu, désormais, est de faire converger ces modalités dans une expérience fluide. L’utilisateur ne devrait plus avoir à choisir entre une interface texte, un outil visuel ou un agent autonome. Il devrait pouvoir passer d’un mode à l’autre sans rupture, en s’appuyant sur une compréhension contextuelle continue.
Thinking Machines ne promet pas seulement un modèle performant. L’entreprise veut aussi rendre une partie de ses travaux accessible à la communauté. Le premier produit intégrera un volet open source important, conçu pour être utile aux chercheurs et aux startups qui développent leurs propres modèles. Cette orientation pourrait réduire les barrières à l’entrée, favoriser la reproductibilité des résultats et accélérer l’émergence d’applications spécialisées. Elle répond aussi à une demande croissante de transparence dans un secteur où les modèles les plus puissants restent souvent fermés.
Un premier produit attendu dans les prochains mois
Selon Mira Murati, le premier produit de Thinking Machines devrait voir le jour d’ici quelques mois. L’entreprise prévoit de publier des documents scientifiques détaillés, des bonnes pratiques, ainsi que des mécanismes de sécurité comme le red teaming, c’est-à-dire des tests adverses destinés à identifier les failles et les usages dangereux, et une surveillance post-déploiement. Cette combinaison d’ouverture et de sécurité constitue un équilibre délicat. Publier des poids ou des composants ouverts peut accélérer l’innovation, mais complique le contrôle des usages malveillants. Thinking Machines semble vouloir assumer cette tension plutôt que de l’éviter.
L’excitation est palpable parmi les collaborateurs. Alexander Kirillov, ingénieur en IA, décrit l’entreprise comme « Le programme d’IA multimodale le plus ambitieux au monde ». Ce type de déclaration doit naturellement être replacé dans le contexte d’une jeune pousse qui cherche à attirer des talents et à convaincre les investisseurs. Il n’en reste pas moins que le profil de l’équipe et l’ampleur du financement donnent à Thinking Machines une crédibilité immédiate. La société ne part pas de zéro : elle hérite d’une partie de l’expérience, des méthodes et des réseaux de ceux qui ont participé à la construction des grands modèles contemporains.
Un timing favorable face aux hésitations d’OpenAI
L’annonce intervient au moment où OpenAI a retardé la sortie de son propre modèle open source, initialement prévue pour la même semaine. Sam Altman, PDG de l’entreprise, a justifié ce report par la nécessité de réaliser des tests de sécurité supplémentaires. « Une fois les poids du modèle publiés, il est impossible de revenir en arrière. Nous voulons faire les choses correctement », a-t-il déclaré. Cette prudence est compréhensible sur le plan industriel, mais la communauté tech l’a perçue comme un manque de clarté et de transparence. Le vide ainsi créé offre à Thinking Machines une fenêtre d’opportunité.
Le contraste est d’autant plus visible que d’autres acteurs ont accéléré sur le terrain de l’ouverture. En janvier 2025, la startup chinoise DeepSeek a marqué les esprits avec le modèle open source DeepSeek R1, qui combine performance, personnalisation et exécution locale sans serveur. Cette approche a séduit les utilisateurs attentifs à la confidentialité et les organisations souhaitant garder la maîtrise de leurs données. Google a également publié un modèle open source puissant en réponse au succès de DeepSeek, tandis qu’OpenAI s’est vu contraint de réagir. La prudence d’OpenAI, combinée à la promesse d’ouverture de Thinking Machines, pourrait redistribuer les cartes dans le paysage des fondations d’IA ouvertes.
Une philosophie fondée sur l’extension du pouvoir d’agir humain
Thinking Machines affiche une philosophie forte : l’IA doit être une extension du pouvoir d’agir humain, et non un substitut. Elle doit être distribuée aussi largement et équitablement que possible, avec des outils performants, sûrs et accessibles. Cette posture se traduit par plusieurs priorités. L’entreprise met l’accent sur une recherche appliquée, pensée pour devenir rapidement des produits concrets. Elle veut aussi développer des outils d’infrastructure efficaces, capables de mutualiser la performance des GPU et la productivité des chercheurs. Enfin, elle affiche une ouverture vers la communauté, avec un appel clair aux talents à rejoindre l’aventure.
Cette approche a une dimension stratégique. Dans un marché dominé par des modèles propriétaires fermés, ouvrir une partie de la technologie peut permettre de créer un écosystème autour de ses outils, d’attirer des développeurs et de standardiser certaines pratiques. Mais l’ouverture n’est jamais totale. Les entreprises doivent choisir quels composants publier, sous quelles licences, avec quelles restrictions d’usage et quels garde-fous. La promesse d’un important composant open source devra donc être précisée : s’agit-il de poids de modèles, de jeux de données, de bibliothèques d’entraînement, d’outils d’évaluation ou de documentation ? Chaque option a des conséquences différentes sur la recherche, la concurrence et la sécurité.
Le secteur de l’IA générative est encore jeune, mais il entre dans une phase de consolidation. Les levées de fonds se multiplient, les infrastructures coûtent des milliards et les modèles les plus avancés nécessitent des équipes pluridisciplinaires. Dans ce contexte, Thinking Machines parie sur une combinaison rare : une équipe expérimentée, un financement massif, une orientation multimodale et une ouverture partielle. Le succès dépendra de l’exécution, de la capacité à recruter, à sécuriser du calcul et à livrer un produit réellement utile. Mais l’annonce a déjà un effet immédiat : elle rappelle que la bataille des modèles ouverts ne fait que commencer.