Thinking Machines Lab : Mira Murati lance son nouveau laboratoire d’IA

Le nom de Mira Murati est indissociable de l’essor récent d’OpenAI et de ChatGPT. Quelques mois après avoir quitté l’entreprise, son nouveau projet était donc particulièrement attendu. Le 18 février 2025, l’ancienne directrice technique a officialisé la naissance de Thinking Machines Lab, un laboratoire d’intelligence artificielle qui entend défendre une approche à la fois ambitieuse sur le plan technique et davantage tournée vers les besoins réels de ses utilisateurs.

Derrière une appellation qui peut se traduire littéralement par « laboratoire des machines pensantes », la jeune pousse ne dévoile pas encore un assistant, un modèle de langage ou une application prête à l’emploi. Elle expose surtout une direction : concevoir des systèmes d’IA que le public, les entreprises et les chercheurs puissent mieux comprendre, adapter et utiliser. Dans un secteur dominé par une poignée d’acteurs aux moyens considérables, le parcours de son équipe fondatrice garantit que l’initiative sera suivie avec attention.

Thinking Machines Lab, un laboratoire annoncé le 18 février 2025

Thinking Machines Lab est une entreprise indépendante dédiée à la recherche et au développement en intelligence artificielle. Dans son annonce de lancement, elle indique vouloir bâtir des produits et des modèles d’IA plus largement utiles, plus accessibles et plus personnalisables.

Cette précision compte. Aujourd’hui, de nombreux services d’IA générative reposent sur de grands modèles généralistes : ils savent rédiger, résumer, programmer, analyser des documents ou dialoguer dans plusieurs langues, mais leurs comportements et leurs limites sont largement définis par l’entreprise qui les conçoit. Le projet de Mira Murati met plutôt en avant l’idée de systèmes pouvant être plus facilement adaptés à des usages, des métiers et des objectifs distincts.

Le laboratoire promet aussi de chercher à rendre l’IA « plus largement comprise ». Pour le grand public, l’expression peut sembler abstraite. Elle renvoie pourtant à une difficulté concrète : un utilisateur doit pouvoir savoir, autant que possible, ce qu’un système sait faire, sur quelles données il s’appuie dans un contexte donné, où ses réponses peuvent être fragiles et quels contrôles il conserve sur son utilisation.

Qui est Mira Murati, la fondatrice du projet ?

Mira Murati a occupé le poste de directrice technique, ou CTO, d’OpenAI, l’entreprise à l’origine de ChatGPT. À ce titre, elle a été l’une des dirigeantes les plus visibles de l’organisation pendant la période où les outils d’IA générative se sont imposés auprès du grand public et des entreprises.

Elle avait annoncé son départ d’OpenAI en septembre 2024. La création de Thinking Machines Lab constitue donc sa première grande initiative publique depuis cette séparation. Son profil est particulièrement scruté pour une raison simple : la fonction de CTO ne consiste pas seulement à superviser des choix techniques. Dans une entreprise d’IA, elle se situe aussi au croisement de la recherche, de l’ingénierie, de la sécurité des produits et du passage d’un prototype de laboratoire à un service utilisé à grande échelle.

L’annonce ne détaille ni le capital de départ de Thinking Machines Lab ni ses premiers clients, et elle ne fournit pas davantage de calendrier commercial. Elle permet néanmoins de comprendre la ligne directrice de la fondatrice : partir des capacités des modèles modernes, mais chercher à les rendre plus maniables et plus utiles au plus grand nombre.

Que signifie une IA plus accessible et personnalisable ?

L’accessibilité d’une IA ne se réduit pas à une interface simple ou à un abonnement peu coûteux. Dans le cas de Thinking Machines Lab, l’ambition affichée est aussi de permettre aux individus et aux organisations d’adapter plus efficacement les systèmes à leurs propres besoins.

Concrètement, une IA personnalisable peut répondre à plusieurs attentes : mieux suivre des consignes propres à une équipe, travailler avec un vocabulaire métier, être réglée pour un niveau de prudence adapté à un contexte, ou encore aider un utilisateur sans lui imposer une manière unique de formuler ses demandes. Ces possibilités sont importantes dans des domaines aussi variés que l’éducation, la recherche, les services administratifs ou l’organisation du travail.

Mais cette promesse pose des questions techniques et pratiques. Personnaliser un système suppose de déterminer quelles données peuvent être utilisées, qui contrôle les réglages, comment éviter qu’une adaptation n’aggrave des erreurs ou des biais, et comment évaluer le résultat. Le laboratoire ne donne pas encore de réponse détaillée à chacun de ces points. Son annonce présente une orientation, pas encore une méthode complète ni un produit démontré.

Une équipe issue des grands laboratoires de l’IA

Pour un jeune laboratoire, le premier actif est souvent l’équipe qui le constitue. Thinking Machines Lab a rapidement mis en avant plusieurs noms issus de la recherche et de l’ingénierie de pointe.

Mira Murati en est la directrice générale. John Schulman, cofondateur d’OpenAI, prend le rôle de directeur scientifique. Barret Zoph devient quant à lui directeur technique. Cette association réunit donc une expérience de direction, de recherche sur les modèles et de développement technique à grande échelle.

L’entreprise explique également avoir rassemblé des scientifiques, ingénieurs et spécialistes ayant participé à la création de produits, de modèles et de projets ouverts marquants dans l’écosystème de l’IA. Cette concentration de talents est stratégique. Les modèles les plus avancés ne sont pas seulement des programmes : leur mise au point exige des compétences très variées, de l’entraînement informatique à l’évaluation des réponses, en passant par l’infrastructure, la conception des interfaces et la sûreté.

La qualité d’une équipe ne garantit toutefois pas, à elle seule, le succès d’une entreprise. Pour transformer une vision en service réellement utile, Thinking Machines Lab devra aussi obtenir des ressources informatiques considérables, définir des produits différenciants et convaincre des utilisateurs. C’est l’un des défis récurrents des laboratoires d’IA créés dans le sillage d’OpenAI, de Google DeepMind ou d’Anthropic.

La sûreté de l’IA au cœur de la promesse

L’annonce de Thinking Machines Lab ne se limite pas à la course aux performances. Le laboratoire affirme vouloir contribuer aux recherches sur l’alignement et la sûreté de l’IA, tout en prévoyant de partager des éléments techniques tels que du code, des jeux de données et des spécifications de modèles.

L’alignement désigne, en termes simples, l’effort visant à faire en sorte qu’un système d’IA se comporte conformément aux intentions humaines et à des règles définies. Dans la pratique, cela comprend par exemple la réduction des réponses dangereuses ou trompeuses, l’amélioration du respect des consignes, la détection d’erreurs et l’évaluation des usages à risque.

Cette ambition est notable dans un contexte où les modèles génératifs sont de plus en plus utilisés pour produire du texte, du code, des images et des analyses. Plus un système est intégré à des tâches importantes, plus les questions de fiabilité, de confidentialité et de contrôle deviennent centrales. Une réponse fluide n’est pas nécessairement exacte, et un outil facile à employer peut aussi être utilisé de manière inappropriée si ses garde-fous sont insuffisants.

Le projet ne présente pas encore de cadre réglementaire précis, de procédure d’audit externe ou de politique de gouvernance détaillée. Il serait donc prématuré d’affirmer que Thinking Machines Lab a déjà résolu les débats éthiques qui entourent l’IA. En revanche, le fait d’inscrire ces enjeux dans l’annonce fondatrice indique qu’ils font partie du positionnement public du laboratoire.

Pourquoi ce lancement compte pour le marché de l’IA

Depuis l’arrivée de ChatGPT fin 2022, la compétition s’est accélérée entre les entreprises qui développent des modèles généralistes. OpenAI, Google, Anthropic, Meta et plusieurs jeunes pousses cherchent à améliorer les capacités de leurs systèmes, tandis que les entreprises clientes veulent des outils plus fiables, plus spécialisés et plus faciles à intégrer à leurs activités.

Dans cet environnement, Thinking Machines Lab ne peut pas encore être qualifié de concurrent direct sur un produit précis : aucun service commercial n’a été présenté. Le laboratoire devient néanmoins un acteur à surveiller en raison du parcours de ses dirigeants et du créneau qu’il met en avant. L’idée de modèles puissants, mais davantage personnalisables et compréhensibles, répond à une attente croissante des organisations qui hésitent à confier leurs données et leurs processus à des outils opaques.

La bataille se jouera sur plusieurs terrains à la fois :

• la capacité à recruter et à garder des chercheurs et ingénieurs de haut niveau ;
• l’accès à la puissance de calcul nécessaire pour entraîner et faire fonctionner les modèles ;
• la qualité des produits proposés, au-delà des démonstrations ;
• la confiance accordée aux systèmes, notamment sur la sécurité et la gestion des données ;
• la faculté à proposer une approche distincte des assistants généralistes déjà installés.

L’initiative de Mira Murati illustre également un mouvement plus large : des dirigeants et chercheurs ayant travaillé dans les grands laboratoires créent leurs propres structures pour explorer d’autres compromis entre vitesse d’innovation, ouverture scientifique, sécurité et mise sur le marché.

Ce qu’il faut surveiller dans les prochains mois

Le premier élément attendu sera naturellement la présentation de réalisations concrètes. Thinking Machines Lab devra préciser s’il veut proposer des modèles de base, des outils pour les entreprises, des produits destinés au grand public ou une combinaison de ces approches. Les promesses de personnalisation ne prendront vraiment sens qu’avec des exemples d’usage et des explications sur les contrôles laissés aux utilisateurs.

Il faudra aussi suivre la matérialisation de l’engagement en faveur de la recherche ouverte. La publication de travaux techniques, de protocoles d’évaluation, de code ou de spécifications permettrait à la communauté scientifique d’examiner plus directement les choix du laboratoire. À l’inverse, un positionnement largement fermé rapprocherait davantage l’entreprise du modèle adopté par plusieurs acteurs commerciaux de l’IA.

Enfin, les futurs produits seront jugés moins sur la puissance de leurs démonstrations que sur leur capacité à inspirer confiance. Une IA réellement collaborative doit pouvoir aider sans masquer ses incertitudes, respecter les choix de ses utilisateurs et s’insérer dans des pratiques professionnelles ou personnelles sans créer de nouvelles dépendances. Le lancement de Thinking Machines Lab ne répond pas encore à ces défis, mais il place Mira Murati et son équipe parmi les voix qui chercheront à y apporter une réponse.