Thèse

Une petite équipe de chercheurs en IA de Palo Alto est sortie de l'ombre ce mois-ci avec de grandes nouvelles et des ambitions encore plus ambitieuses. NeoCognition, fondée par des universitaires de renom de l'Ohio State University, a annoncé un tour de financement semences de 40 millions de dollars le 21 avril 2026. Ce tour, fortement souscrit, a été mené par des investisseurs sophistiqués désireux de pousser l'IA au-delà des outils actuels, souvent bavards mais maladroits.

 

NeoCognition souhaite résoudre une faiblesse fondamentale des agents IA actuels — leur incapacité à gérer de manière fiable des tâches de niveau expert — en développant des systèmes qui apprennent en continu sur le terrain, construisent des modèles détaillés de leurs environnements d'exploitation et deviennent des experts spécialisés, tout comme les humains lorsqu'ils maîtrisent une nouvelle profession.

Yu Su, professeur agrégé à l'Université d'État de l'Ohio et boursier Sloan de recherche 2025, a passé des années à développer des outils fondamentaux pour les agents d'IA bien avant que ChatGPT n'attire l'attention du public. Son équipe a créé des projets influents tels que Mind2Web, MMMU et SeeAct, qui ont façonné la manière dont les modèles linguistiques modernes gèrent la planification, la perception et l'action. Ces contributions sont intégrées aujourd'hui dans les systèmes d'OpenAI, d'Anthropic et de Google.

 

Su et ses cofondateurs Xiang Deng et Yu Gu ont jugé qu'il était temps de transformer leur recherche en entreprise. Ils se sont installés en Silicium Valley et ont réuni un groupe restreint d'environ 15 chercheurs titulaires d'un doctorat concentrés exclusivement sur les agents. Les premiers travaux du laboratoire couvraient déjà des éléments clés tels que la mémoire, la planification, l'évaluation et la sécurité. Les investisseurs ont reconnu cette expertise approfondie et ont agi rapidement. Ce tour de financement de 40 millions de dollars donne à l'équipe les moyens de transformer les percées académiques en systèmes pratiques et auto-améliorants, auxquels les entreprises peuvent faire confiance pour des tâches réelles.

 

L'expérience de Su inclut un passage chez Microsoft Semantic Machines, où il a travaillé sur l'IA conversationnelle, ainsi que des diplômes de l'Université de Tsinghua et de l'Université de Californie à Santa Barbara. Son historique de prix pour les meilleurs articles dans des conférences de premier plan comme CVPR et ACL a rassuré les investisseurs sur la capacité de NeoCognition à résoudre des problèmes persistants dans le domaine. Les fondateurs ont réuni plus de 30 ans d'expérience collective en recherche sur les agents, positionnant la startup comme un laboratoire de recherche pur aux objectifs commerciaux.

De nombreux agents IA actuels peinent à maintenir une cohérence lorsqu’on leur demande d’accomplir des tâches complexes. Les rapports indiquent qu’ils réussissent seulement environ la moitié du temps, obligeant les utilisateurs à surveiller les résultats ou à apporter des modifications manuelles intensives. Ce défaut se manifeste dans tous les outils tentant de coder, de naviguer ou d’automatiser des flux de travail. Les utilisateurs doivent faire un saut dans l’inconnu à chaque déploiement.

 

NeoCognition cible précisément ce point de douleur. Les agents généralistes excellent dans les réponses larges, mais peinent lorsque la profondeur et la fiabilité sont essentielles. Ils manquent de mécanismes pour s'adapter profondément à des environnements spécifiques, comme la pile logicielle interne d'une entreprise ou ses processus métiers. En conséquence, les entreprises hésitent à confier des responsabilités à haut enjeu. La startup est convaincue que la voie à suivre consiste à doter les agents de la même plasticité que les humains manifestent lorsqu'ils intègrent un nouveau poste ou un nouveau domaine.

 

En se concentrant sur l'apprentissage continu plutôt que sur une formation unique, l'entreprise espère augmenter les taux de réussite et réduire la nécessité d'une supervision humaine constante. Ce changement pourrait ouvrir la voie à des agents qui ressemblent davantage à des collègues compétents qu'à des scripts fragiles.

L'idée centrale de NeoCognition s'inspire directement de l'apprentissage humain. Lorsque les gens entament un nouveau rôle, ils construisent progressivement une carte mentale de ce qui existe dans cet environnement, quelles actions fonctionnent, quelles règles s'appliquent et quels résultats découlent de différents choix. Avec le temps, ce modèle mental permet des décisions plus rapides, un meilleur jugement et une résolution créative de problèmes au sein de ce micro-monde.

 

La startup conçoit des agents pour accomplir quelque chose de similaire grâce à une expérience autonome. Au lieu de s'appuyer uniquement sur de vastes jeux de données de pré-entraînement, ces systèmes apprennent la structure, les processus et les contraintes de tout domaine dans lequel ils opèrent. Ils construisent un « modèle du monde » qui capture les relations et les dynamiques spécifiques à une profession, une organisation ou un environnement logiciel. Ce processus se déroule en cours d'activité, permettant à l'agent de se spécialiser rapidement sans ingénierie manuelle extensive.

 

Su explique clairement le parallèle : le processus d'apprentissage continu chez les humains construit essentiellement un modèle du monde pour toute profession ou environnement. Les agents ont besoin de la même capacité pour atteindre le statut d'expert. Une fois construit, ce modèle rend les actions plus rapides, moins coûteuses et plus fiables. Il permet également un comportement plus sûr dans les environnements sensibles, car l'agent comprend mieux les conséquences et les limites. Ce mécanisme se distingue des généralistes statiques qui restent fixes après déploiement. Les agents de NeoCognition continuent de s'améliorer grâce à l'utilisation, transformant des capacités générales initiales en une compétence approfondie et sensible au contexte.

L'industrie de l'IA a investi des ressources dans des modèles fondamentaux de plus en plus grands, conçus pour gérer tout. NeoCognition adopte une position opposée. Selon eux, l'avenir appartient à une abondance d'agents spécialisés, et non à un seul agent supérieur. Chacun maîtrise profondément son domaine restreint pour offrir des performances, une fiabilité et un jugement de niveau expert.

 

Les systèmes polyvalents atteignent un plateau où l'ajout de davantage de données ou de paramètres produit des rendements décroissants pour des tâches du monde réel exigeant nuance et cohérence. La spécialisation grâce à l'expérience vécue offre une voie plus efficace vers une haute performance. Les agents peuvent concentrer leurs efforts de calcul sur la compréhension approfondie d'un seul environnement, ce qui conduit à de meilleurs résultats à des coûts continus plus faibles.

 

Cette approche permet également d'échelonner l'expertise de manière impossible pour les humains. Alors que les spécialistes humains de haut niveau restent rares et coûteux, les agents à apprentissage autonome pourraient rendre les connaissances spécialisées accessibles à travers les organisations, sans les mêmes blocages liés au recrutement. L'entreprise vise à élargir l'accès à l'expertise afin que davantage de personnes et d'équipes bénéficient de capacités avancées.

Vista Equity Partners a rejoint le round en partie en raison de son vaste portefeuille d'entreprises logicielles. NeoCognition voit un fort potentiel à collaborer avec des plateformes SaaS établies pour intégrer des agents auto-apprenants. Ces agents pourraient améliorer les produits existants ou fonctionner comme des travailleurs autonomes au sein d'outils familiers déjà utilisés par les entreprises.

 

Les entreprises gèrent souvent des environnements complexes et personnalisés avec des règles et des flux de données uniques. Un agent général peine dans ce contexte sans une personnalisation intensive. Les systèmes de NeoCognition apprennent directement ces spécificités grâce à l'interaction, réduisant ainsi le temps de mise en place et améliorant l'adaptation. Au fil des semaines ou des mois d'utilisation, l'agent affine son modèle du monde et devient plus efficace pour des tâches telles que le traitement des données, les vérifications de conformité ou l'automatisation des flux de travail.

 

La startup se positionne comme un laboratoire d'agents plutôt qu'une plateforme IA générale. Ce focus lui permet de concentrer ses ressources sur la couche d'apprentissage et de spécialisation que de nombreux autres acteurs traitent comme secondaire. Une distribution précoce via des partenaires de logiciels d'entreprise pourrait accélérer l'adoption et fournir des données réelles riches pour des améliorations futures.

Cambium Capital et Walden Catalyst Ventures ont co-dirigé ce tour de financement de 40 millions de dollars, avec la participation de Vista Equity Partners et de plusieurs anges notables. Lip-Bu Tan, PDG d'Intel, et Ion Stoica, cofondateur de Databricks, ont apporté leur soutien et leur expertise. Parmi les autres investisseurs figurent des chercheurs en IA tels que Dawn Song, Ruslan Salakhutdinov et Luke Zettlemoyer.

 

Landon Downs de Cambium a mis en avant un mécanisme d'apprentissage novateur au cœur de l'entreprise, permettant une spécialisation rapide. Lip-Bu Tan a salué la couverture complète des défis des agents par l'équipe, de la perception à la sécurité. Ion Stoica a souligné que, à mesure que les agents généraux deviendront standard, le véritable défi passera à l'obtention d'une intelligence de niveau expert avec la fiabilité nécessaire pour des applications sérieuses.

 

Cette levée surabondante témoigne d'une forte confiance dans le parcours de recherche de l'équipe fondatrice. Avec environ 15 personnes, NeoCognition opère de manière légère mais avec une densité exceptionnelle de talents. Les fonds permettront de mener des expérimentations plus approfondies et de recruter pour faire progresser l'architecture d'apprentissage autonome.

Plusieurs entreprises explorent des agents IA, mais la plupart dépendent encore de re-entraînements périodiques ou de prompts créés par des humains pour s'améliorer. NeoCognition met l'accent sur un processus interne et autonome où les agents construisent et affinent leur propre compréhension sans intervention externe constante. Cette conception vise une véritable plasticité, la capacité à s'adapter rapidement à de nouveaux contextes, tout comme un nouvel employé motivé.

 

L'accent mis sur les modèles mondiaux d'environnements abstraits, structurels et opérationnels va au-delà de la simple perception écran ou de l'utilisation basique d'outils. Les agents apprennent ce qui est important dans un micro-monde donné, comment les éléments interagissent et quelles actions conduisent aux résultats souhaités. Ce savoir structuré permet une meilleure planification et moins d'erreurs avec le temps.

 

Les fondateurs soulignent que leurs systèmes améliorent le travail humain plutôt que de le remplacer. En gérant des tâches répétitives ou complexes avec une expertise croissante, les agents libèrent les individus pour qu'ils se concentrent sur la créativité et la stratégie de niveau supérieur. L'objectif est de renforcer les capacités globales au sein des équipes et des organisations.

Yu Su et ses cofondateurs se sont inspirés de l'adaptation humaine quotidienne. Observez quelqu'un qui commence en tant qu'analyste junior ou apprenti commercant. En quelques mois, il développe une compréhension intuitive des règles implicites, des raccourcis et des pièges de son domaine. Ce modèle interne stimule l'efficacité et des décisions éclairées. NeoCognition souhaite que les agents suivent un parcours parallèle grâce à un apprentissage délibéré et fondé sur l'expérience.

 

Les membres de l'équipe apportent une passion personnelle pour cette vision. Beaucoup viennent de laboratoires universitaires où ils ont observé des prototypes d'agents prometteurs échouer face à la complexité réelle. La frustration causée par des résultats incohérents les a motivés à passer à la commercialisation, avec un accent clair sur l'amélioration continue.

 

Les premiers employés incluent des chercheurs ayant contribué à des articles fondateurs désormais utilisés dans toute l'industrie. Leur connaissance collective crée un environnement propice à l'itération des mécanismes d'apprentissage. Le siège de Palo Alto maintient le groupe à proximité des talents et des partenaires tout en préservant une culture axée sur la recherche.

Si NeoCognition réussit, les organisations pourraient déployer des agents qui deviennent des spécialistes fiables en comptabilité, revue de conception, flux de support client ou analyse de données scientifiques. Ces systèmes n'auraient pas besoin d'être constamment reprogrammés pour chaque nouveau client ou département. Au lieu de cela, ils s'adaptent en construisant des modèles précis de l'environnement cible.

 

Cette capacité pourrait démocratiser l'accès à un soutien de niveau expert. Les petites équipes ou régions confrontées à des pénuries de talents pourraient obtenir des outils offrant des performances auparavant réservées aux groupes bien dotés en ressources. Les effets économiques pourraient inclure une productivité accrue et des cycles d'innovation plus rapides, tandis que les tâches cognitives routinières seront transférées vers des systèmes capables et auto-améliorants.

 

L'approche prend également en compte les préoccupations liées à la sécurité. Une compréhension plus approfondie de l'environnement aide les agents à reconnaître les limites et à éviter les actions nuisibles dans des domaines à haut risque. Les gains en fiabilité sont les plus importants là où les erreurs ont des coûts réels.

Créer des boucles d'apprentissage autonome robustes présente des défis techniques. Les agents doivent distinguer les schémas utiles du bruit, éviter de renforcer les erreurs et maintenir la stabilité tout en mettant à jour leurs modèles du monde. Équilibrer l'exploration de nouvelles stratégies avec une exécution fiable exige une architecture soigneusement conçue. L'efficacité des données est également cruciale. Les humains apprennent à partir d'exemples limités dans de nouveaux contextes ; reproduire cette efficacité à grande échelle dans le silicium reste une question de recherche ouverte. 

 

L'équipe de NeoCognition s'appuie sur des travaux antérieurs en évaluation et en mémoire pour résoudre ces problèmes, mais les tests en conditions réelles à grande échelle révéleront des lacunes. L'entreprise reste concentrée sur des progrès mesurables vers des taux de réussite plus élevés et une spécialisation plus rapide. Les progrès viendront probablement de manière incrémentale à mesure que les agents rencontreront divers environnements d'entreprise et affineront leurs processus d'apprentissage.

NeoCognition imagine un monde où l'expertise devient abondante grâce à des agents d'apprentissage autonome. Plutôt que de concurrencer les humains, ces systèmes augmentent les capacités et ouvrent de nouvelles possibilités d'invention et de résolution de problèmes. Chaque agent approfondit sa maîtrise d'un domaine particulier, créant un réseau d'intelligence spécialisée qui répond à différents besoins. L'apport de 40 millions de dollars accélère la recherche sur les mécanismes d'apprentissage qui rendent cette vision possible. 

 

Avec un fort soutien des investisseurs et une équipe centrale talentueuse, le laboratoire vise à développer des agents qui gagnent la confiance grâce à une performance constante et en constante amélioration. Les entreprises et les développeurs pourront bientôt tester des systèmes qui commencent compétents et deviennent véritablement experts avec le temps. Cette évolution pourrait représenter une étape significative au-delà des assistants IA d'aujourd'hui, vers des partenaires qui apprennent véritablement aux côtés de leurs utilisateurs.

Le nouveau capital soutient une experimentation élargie sur les algorithmes d'apprentissage fondamentaux et la construction de modèles mondiaux. Avec une petite équipe mais d'élite, NeoCognition peut explorer des pistes à haut risque et haut rendement en matière de plasticité des agents. Les projets incluent des tests d'intégration plus approfondis dans des contextes professionnels afin de recueillir des retours et des données pour l'amélioration.

 

Les investisseurs s'attendent à ce que le financement produise des prototypes démontrant des avantages clairs en termes de fiabilité et de vitesse d'adaptation. Un succès ici pourrait attirer de nouveaux tours de financement et des partenariats plus larges. L'approche axée sur la recherche maintient l'entreprise ancrée dans une évaluation rigoureuse, plutôt que dans des lancements prématurés de produits.

Les environnements logiciels d'entreprise offrent des plateformes de test riches en règles structurées mais complexes. Les agents rencontreront divers flux de travail, schémas de données et exigences de conformité. Apprendre à les naviguer avec succès validera le concept de modèle du monde et mettra en évidence les domaines à améliorer.

 

Les retours des utilisateurs issus des premiers pilotes aideront à ajuster la manière dont les agents équilibrent vitesse, précision et sécurité. L'entreprise met l'accent sur un développement responsable, en utilisant la compréhension de l'environnement pour guider des actions plus sûres. Au fil du temps, ces déploiements réels devraient produire des agents qui semblent de plus en plus naturels et fiables dans les opérations quotidiennes.

Des sommes importantes circulent désormais vers les couches d’application et de fiabilité, et non plus uniquement vers la formation de modèles de pointe. Le tour de NeoCognition met en lumière l’intérêt des investisseurs pour les équipes ayant apporté des contributions académiques prouvées aux agents. Le pari repose sur la spécialisation et l’apprentissage continu comme prochaine frontière pour un impact pratique.

 

Ce modèle suggère une maturité des attentes dans le domaine. Les investisseurs souhaitent des systèmes qui délivrent une valeur mesurable dans des environnements réels, et non seulement des démonstrations impressionnantes. L'accent mis par NeoCognition sur l'amélioration continue s'aligne sur la demande d'agents qui justifient l'adoption entrepreneuriale grâce à une capacité croissante et à des coûts à long terme réduits.

1. Comment l'approche de NeoCognition concernant les agents IA diffère-t-elle de la plupart des systèmes actuels ? 

 

L'entreprise développe des agents qui apprennent en continu sur le terrain en construisant des modèles mondiaux de leurs environnements spécifiques. Cela leur permet de devenir rapidement des experts, en résolvant l'incohérence qui limite les agents généralistes d'aujourd'hui, qui réussissent souvent seulement environ la moitié du temps sur des tâches complexes.

 

2. Qui a fondé NeoCognition et quelles sont les particularités de leur parcours ? 

 

Yu Su, Xiang Deng et Yu Gu ont lancé le laboratoire. Su, boursière Sloan et professeure à l'Ohio State, a précédemment dirigé des recherches influentes sur les agents et a travaillé chez Microsoft sur l'IA conversationnelle. Leurs publications et outils collectifs ont influencé de grands développeurs d'IA, conférant à l'équipe une expertise approfondie en perception, planification et sécurité.

 

3. À quoi serviront les 40 millions de dollars de financement ? 

 

Le financement soutient une initiative axée sur la recherche pour développer et tester des mécanismes d'apprentissage autonome. Avec une petite équipe de chercheurs titulaires d'un doctorat, ces fonds permettent des itérations rapides sur la construction de modèles mondiaux, les algorithmes de spécialisation et les pilotes d'intégration entreprise, tout en attirant des talents supplémentaires.

 

4. Ces agents à apprentissage autonome peuvent-ils fonctionner immédiatement dans des environnements d'entreprise à haut risque ? 

 

Les versions initiales nécessiteront une validation minutieuse, mais la conception met l'accent sur la construction d'une compréhension environnementale pour améliorer la fiabilité et la sécurité. L'objectif consiste à créer des agents qui deviennent plus fiables avec le temps grâce à leur utilisation, les rendant adaptés aux flux de travail où la cohérence est essentielle.

 

5. Comment la technologie de NeoCognition pourrait-elle affecter les travailleurs du savoir ? 

 

Les agents pourraient gérer les tâches routinières ou à forte intensité de données, libérant les personnes pour des travaux créatifs et stratégiques. En rendant les compétences spécialisées plus accessibles, ces systèmes pourraient permettre à de plus petites équipes ou organisations d'accéder à des capacités autrefois limitées aux grands groupes d'experts, ce qui pourrait augmenter la productivité globale.

 

6. Où puis-je en apprendre davantage sur les progrès de NeoCognition ? 

 

Visitez le site officiel pour obtenir des mises à jour sur leur mission et leur orientation de recherche. Les articles dans TechCrunch et le communiqué de presse de l’entreprise constituent des points de départ solides sur le financement et la vision technique.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement. Les investissements en cryptomonnaies comportent des risques. Veuillez effectuer vos propres recherches (DYOR).

 

Avertissement : Pour votre confort, cette page a été traduite à l'aide de la technologie IA (GPT). Pour obtenir les informations à la source, consultez la version anglaise originale.