Amazon installe à San Francisco son laboratoire dédié aux agents d’IA générale

Le terme d’« intelligence artificielle générale », ou AGI, est devenu l’un des grands horizons de la Silicon Valley. Il désigne l’idée de systèmes capables de résoudre un éventail beaucoup plus large de problèmes que les IA actuelles. Le 11 décembre 2024, Amazon affiche à son tour clairement cette ambition avec Amazon AGI SF, un nouveau laboratoire de recherche implanté à San Francisco et consacré à des agents d’IA plus autonomes.

L’objectif annoncé n’est pas seulement de produire un modèle qui répond à des questions ou génère du texte. Amazon veut explorer des agents en mesure d’interagir de façon pragmatique avec des environnements numériques et physiques. Autrement dit, des systèmes qui peuvent comprendre une situation, établir un plan, puis accomplir des actions avec les outils auxquels ils ont accès. La promesse reste très générale, mais elle éclaire la direction prise par le groupe dans une compétition où OpenAI et Google investissent déjà massivement.

Amazon AGI SF, un laboratoire tourné vers l’action

Amazon AGI SF est installé à San Francisco, l’un des principaux bassins mondiaux de talents en intelligence artificielle. Le choix est stratégique : la ville et sa région concentrent des chercheurs, des jeunes entreprises, des investisseurs et de grands laboratoires engagés dans la course aux modèles avancés et aux agents logiciels.

Amazon présente ce laboratoire comme une structure de recherche à taille limitée, avec une culture de start-up, mais soutenue par les ressources informatiques et financières d’un groupe mondial. Cette combinaison est importante dans l’IA contemporaine : entraîner et évaluer des modèles de pointe exige une puissance de calcul considérable, tandis qu’une petite équipe peut théoriquement expérimenter plus vite et prendre davantage de risques scientifiques.

Le champ visé dépasse le chatbot classique. Un assistant conversationnel répond principalement dans une fenêtre de dialogue. Un agent, lui, est conçu pour recevoir un objectif, décomposer une tâche en étapes et agir par l’intermédiaire de logiciels, de données ou, à terme, de systèmes connectés au monde physique. La différence est essentielle : plus un système dispose d’autonomie, plus son raisonnement, ses garde-fous et son évaluation doivent être solides.

Amazon n’a pas détaillé de produit précis ni donné de calendrier de commercialisation pour les travaux d’Amazon AGI SF. Le laboratoire doit donc être compris comme un investissement de recherche et de recrutement, non comme l’annonce d’un assistant ou d’un robot prêt à être utilisé par le grand public.

Pourquoi les fondateurs d’Adept rejoignent Amazon

Le nouveau laboratoire est dirigé par David Luan, cofondateur et directeur général de la start-up Adept. Cette entreprise s’était fait connaître par ses travaux sur les agents capables d’utiliser des outils numériques, notamment des interfaces logicielles, afin d’exécuter des tâches plutôt que de se limiter à produire une réponse textuelle.

Le rapprochement entre Amazon et Adept avait été annoncé en juin 2024. Amazon a recruté plusieurs membres de l’équipe d’Adept, dont ses cofondateurs, et a conclu un accord de licence sur la technologie de la start-up. Cette formule donne à Amazon la possibilité d’utiliser certaines de ses technologies, notamment dans les domaines des agents, des modèles multimodaux et des ensembles de données, sans qu’un rachat intégral de l’entreprise ne soit annoncé.

Pour Amazon, l’intérêt est double. Le groupe récupère d’abord une équipe qui travaille déjà sur un problème central : comment permettre à une IA de passer de la compréhension d’une instruction à l’exécution fiable d’une succession d’actions. Il obtient aussi un accès à des briques technologiques développées dans cet objectif.

Pour Adept, les agents sont un enjeu distinct de la simple génération de contenu. Faire écrire un courriel à un modèle est relativement direct. Lui demander de rechercher des informations, de comparer plusieurs options dans un logiciel, de respecter des contraintes, puis de réaliser une opération sans erreur pose des difficultés bien plus profondes. Il faut gérer le contexte, les imprévus, les autorisations, les retours d’erreur et les conséquences de chaque action.

Les conditions financières de l’accord de licence avec Adept n’ont pas été rendues publiques. Amazon n’a pas davantage communiqué de budget dédié à Amazon AGI SF. L’élément tangible est l’intégration de cette expertise dans une organisation qui dispose déjà d’infrastructures cloud et de capacités de calcul à grande échelle.

Grands modèles et apprentissage par renforcement : quelle approche ?

Le laboratoire entend combiner les grands modèles de langage, souvent désignés par l’acronyme anglais LLM, avec l’apprentissage par renforcement. Ces deux approches ont des fonctions différentes et complémentaires.

Un grand modèle de langage est entraîné sur d’immenses volumes de données afin de repérer des régularités et de prédire la suite la plus pertinente d’un texte, d’un programme ou d’un autre contenu. Il peut résumer, rédiger, répondre à des questions ou aider à programmer. Mais sa capacité à produire une réponse convaincante ne garantit pas qu’il saura accomplir une tâche longue et vérifier chacune de ses étapes.

L’apprentissage par renforcement consiste, lui, à entraîner un système par essais et retours. L’agent reçoit une récompense lorsqu’il se rapproche d’un objectif, ou une pénalité lorsqu’il adopte une mauvaise stratégie. Cette méthode est particulièrement pertinente lorsqu’un système doit apprendre à choisir une série d’actions, comme dans un jeu, une simulation ou un processus comportant plusieurs décisions.

L’idée est de dépasser le modèle qui répond à une requête isolée. Amazon cible des problèmes de raisonnement et de planification, deux capacités nécessaires pour qu’un agent puisse poursuivre un objectif complexe. Dans un environnement numérique, cela peut vouloir dire utiliser plusieurs outils et vérifier le résultat entre chaque étape. Dans le monde physique, le défi est encore plus élevé, car une mauvaise interprétation de l’environnement peut avoir des effets concrets.

Il ne faut toutefois pas en déduire qu’Amazon annonce un robot généraliste. Interagir avec le monde physique peut recouvrir de nombreuses réalités, depuis l’analyse de données issues de capteurs jusqu’au pilotage prudent d’outils ou de dispositifs. En décembre 2024, Amazon n’a pas précisé les applications matérielles éventuelles de son laboratoire.

Quels profils Amazon veut-il recruter ?

Amazon prévoit de recruter quelques dizaines de personnes pour Amazon AGI SF. Le recrutement ne doit pas se limiter aux spécialistes de l’entraînement de modèles d’IA. Le laboratoire recherche également des compétences en physique, en mathématiques et en finance quantitative.

Cette diversité reflète la nature du problème. Les mathématiques sont centrales pour l’optimisation, les probabilités et l’évaluation des modèles. La physique peut apporter des méthodes pour décrire des systèmes complexes et raisonner sur des interactions avec un environnement. La finance quantitative, quant à elle, mobilise depuis longtemps la modélisation, l’analyse de données, la prise de décision sous incertitude et la gestion du risque.

Amazon semble ainsi privilégier une équipe resserrée, capable de mettre à profit une forte capacité de calcul par chercheur. Cette organisation reprend les codes de nombreux laboratoires d’IA récents : peu de personnes, des profils très expérimentés ou très spécialisés, et l’accès à une infrastructure informatique coûteuse. La qualité des données, les méthodes d’évaluation et la sécurité des systèmes compteront autant que la taille des modèles.

Une pièce supplémentaire dans la stratégie IA d’Amazon

Avec Amazon AGI SF, Amazon se positionne plus explicitement dans la recherche d’agents polyvalents. Le groupe n’arrive pas sans atouts dans l’IA : son activité de cloud computing, AWS, fournit déjà des services et des infrastructures utilisés pour entraîner, déployer et exploiter des modèles. Début décembre 2024, Amazon a aussi présenté Amazon Nova, une famille de modèles d’IA générative.

Ces initiatives ne doivent pas être confondues. Amazon Nova correspond à une offre de modèles annoncée dans le cadre d’AWS, tandis qu’Amazon AGI SF est un laboratoire de recherche dédié à des capacités d’agents plus avancées. Amazon n’a pas détaillé de lien direct entre les travaux du laboratoire et les produits Nova. Mais les deux annonces montrent que le groupe veut agir à plusieurs niveaux : fournir des modèles, une infrastructure et, potentiellement, de nouvelles capacités d’agents.

La concurrence est particulièrement intense. OpenAI, Google et d’autres acteurs développent à la fois des modèles de plus en plus performants et des fonctions leur permettant de manipuler des outils, de naviguer entre différentes sources d’information ou de réaliser des tâches en plusieurs étapes. Dans ce contexte, recruter une équipe issue d’Adept permet à Amazon de gagner du temps sur un axe de recherche devenu stratégique.

Le terme « AGI » ne doit cependant pas masquer les incertitudes. L’amélioration des performances dans des démonstrations contrôlées ne garantit pas la fiabilité dans un usage réel. Plus un agent reçoit des droits d’accès à des applications, des données ou des appareils, plus les erreurs de planification, les instructions ambiguës et les autorisations mal gérées deviennent des sujets critiques.

Ce qu’il faudra surveiller

La première question sera celle des résultats concrets d’Amazon AGI SF. Le laboratoire devra démontrer que ses agents font mieux que de répondre de manière fluide : ils devront accomplir des tâches longues, vérifier leur travail, demander une confirmation lorsqu’elle est nécessaire et se comporter de manière prévisible face à un imprévu.

La deuxième concerne la sécurité. Un agent capable d’agir a besoin de limites précises : périmètre des outils accessibles, validation humaine pour les actions sensibles, journalisation des opérations et possibilité d’interrompre l’exécution. Ces mécanismes sont particulièrement importants si les recherches du laboratoire s’étendent un jour à des environnements physiques, où une mauvaise décision peut être plus difficile à corriger qu’une réponse erronée dans un chat.

Enfin, il faudra suivre la manière dont Amazon transformera, ou non, ces travaux en produits. À ce stade, le groupe annonce une ambition scientifique, une équipe et une méthode de recherche. La création d’Amazon AGI SF confirme que les agents et l’intelligence générale utile sont devenus un terrain majeur de rivalité technologique. Elle ne préjuge pas encore de la capacité d’Amazon à résoudre les obstacles scientifiques, économiques et de sûreté qui séparent une promesse de recherche d’un outil réellement fiable.