Pourquoi l’ex-CTO d’OpenAI a sacrifié les secrets de la Silicon Valley pour l’architecture chinoise

Introduction : Le séisme provoqué par Thinking Machines

Le paysage de l’intelligence artificielle vient de subir une secousse tellurique dont l’épicentre se situe paradoxalement entre San Francisco et Pékin. Mira Murati, l’ancienne figure de proue technique d’OpenAI qui a dirigé le développement de ChatGPT, vient de dévoiler Inkling, le premier-né de sa start-up Thinking Machines Lab. Lancée en février 2025 avec une levée de fonds record de 2 milliards de dollars (valorisant l’entreprise à 12 milliards avant même d’avoir un produit), l’équipe a accompli en 9 mois ce qui prend habituellement des années aux géants établis.

Pourtant, le véritable choc n’est pas la vitesse d’exécution, mais l’origine génétique du modèle. Pourquoi la personne qui détenait les secrets les plus jalousement gardés de la Silicon Valley a-t-elle choisi d’ignorer l’approche “Scaling Laws” d’OpenAI pour s’appuyer sur des plans chinois ? Ce choix est un désaveu implicite des méthodes propriétaires américaines et marque l’avènement d’une ère où l’innovation de rupture traverse les frontières plus vite que les régulations.

Point d’impact n°1 : L’architecture “Made in China” optimisée pour Blackwell

Contre toute attente, Inkling ne cherche pas à cloner GPT-5. Il s’agit d’un transformateur à mélange d’experts (Mixture of Experts - MoE) colossal, dont l’architecture suit scrupuleusement les blueprints de DeepSeek V3.

Sur le plan technique, Inkling affiche 975 milliards de paramètres au total, mais l’intelligence de cette structure réside dans sa granularité : 256 experts routés et 2 experts partagés, avec seulement 6 experts activés par token (soit environ 41 milliards de paramètres actifs). Cette approche permet une efficacité redoutable, optimisée nativement pour le hardware de pointe : le modèle est disponible en version NVFP4, spécifiquement conçue pour les systèmes Nvidia Blackwell GB300 NVL72.

Autre rupture majeure : l’absence d’encodeur séparé. Inkling est nativement multimodal, traitant les images via des patchs de 40x40 pixels et l’audio comme des spectrogrammes Dmail, le tout traité conjointement avec le texte.

« Pour l’amorcer [Inkling], ils ont effectué un réglage fin supervisé (SFT) sur des données synthétiques générées par des modèles open-weight, incluant Kimmy K 2.5, le modèle chinois de Moonshot AI. »

L’ironie est mordante : l’élite de l’IA américaine utilise la distillation de données chinoises pour rester dans la course.

Point d’impact n°2 : L’honnêteté radicale et l’émergence du “steno-langage”

Au-delà de sa structure, Inkling se distingue par son “épistémologie” — sa capacité à quantifier sa propre incertitude. Contrairement aux modèles qui hallucinent avec aplomb, Inkling a été entraîné avec des récompenses conscientes de l’abstention (abstention-aware rewards). Il apprend à dire « je ne sais pas » lorsque les preuves sont insuffisantes.

Cette fiabilité est modulable via un curseur unique de “Thinking Effort” (de 0.2 à 0.99), permettant aux développeurs de calibrer l’intensité du raisonnement.

• Calibration supérieure : Sur le Forecast Bench, il affiche un Brier Index de 61.1, surpassant GPT-5.5 (59.1) et Claude Opus 4.8 (54.6).

• Efficacité cognitive : On observe un phénomène fascinant de “telegraphic shorthand” : durant l’entraînement par renforcement, le modèle a appris de lui-même à supprimer les articles et mots de liaison dans ses chaînes de pensée internes pour accélérer son raisonnement.

• Sécurité maximale : Inkling est devenu le modèle open-weight le plus robuste du marché, avec un score de 78 % sur le benchmark Fortress (résistance aux requêtes malveillantes).

Point d’impact n°3 : Le modèle d’affaires n’est pas le modèle (Tinker)

Thinking Machines ne vend pas des tokens, elle vend une infrastructure de souveraineté technologique.

L’aspect technique : la plateforme Tinker Le cœur du réacteur n’est pas Inkling seul, mais Tinker, une plateforme de personnalisation. Inkling est livré sous licence Apache 2.0 (open-weight), incluant une version Inkling Small (276B) dont les performances égalent parfois son grand frère avec seulement 12 milliards de paramètres actifs. L’idée est de commoditiser le modèle de base pour capturer la valeur sur les services d’adaptation.

L’aspect stratégique : l’exemple Bridgewater Le fonds Bridgewater Associates illustre parfaitement ce pivot. En utilisant Tinker pour adapter un modèle open-source (Qwen d’Alibaba) à ses données propriétaires, ils ont obtenu un modèle surpassant les géants fermés pour moins de 10 % du coût habituel. Murati parie sur le fait que les entreprises préféreront toujours un spécialiste “maison” à un généraliste loué à prix d’or.

Point d’impact n°4 : Le grand retournement de situation géopolitique

La situation est savoureuse : alors que Washington fustigeait Pékin pour le “vol” de propriété intellectuelle américaine, une start-up américaine de premier plan adopte ouvertement les standards chinois pour rester compétitive.

Nous entrons dans l’ère du modèle “permis” versus “interdit”. Alors que les modèles purement chinois comme GLM 5.2 ou Kimmy K 2.6 deviennent “radioactifs” pour les entreprises américaines sous la pression du Département d’État, Inkling se positionne comme l’alternative occidentale “fréquentable”.

C’est pourtant un pari risqué. Mira Murati est lucide : Inkling n’est pas le meilleur sur tous les tableaux. Sur Terminal Bench, il affiche 63.8 contre un impressionnant 82.7 pour le chinois GLM 5.2. Si les entreprises américaines sont contraintes d’utiliser des modèles “domestiques” moins performants par simple protectionnisme, tandis que des hubs comme Singapour, Istanbul ou Barcelone exploitent librement les meilleures bases mondiales, les États-Unis pourraient connaître leur premier désavantage structurel majeur en informatique.

Conclusion : Un futur bâti sur la collaboration (malgré tout)

Le succès d’Inkling redéfinit radicalement les cycles de l’industrie : passer de zéro à un modèle de 975 milliards de paramètres en 9 mois prouve que l’innovation n’est plus une question de secrets bien gardés, mais de vitesse d’intégration. En choisissant l’open-weight et une architecture inspirée de l’Orient, Mira Murati acte la fin de l’exceptionnalisme technologique d’OpenAI.

L’innovation est désormais un flux global qu’aucune frontière ne peut totalement contenir. Une question demeure alors pour les stratèges de la Silicon Valley : si les “douves” technologiques d’OpenAI peuvent être franchies par une équipe agile utilisant des plans chinois, que reste-t-il réellement de l’avantage compétitif des géants propriétaires américains ?