Des professeurs de Stanford lancent le laboratoire d'IA Noeri avec 110 millions de dollars de Nvidia
La plupart des modèles d'IA cessent d'apprendre après leur entraînement, et les entreprises doivent choisir : payer cher pour un modèle haut de gamme ou accepter un résultat moins bon avec un modèle bon marché. Le laboratoire Noeri, fondé par les professeurs de Stanford Yejin Choi et Carlos Guestrin, a levé 110 millions de dollars pour changer cela. Son système étudie les données du client et reconfigure lui-même la tâche, tandis qu'un humain valide les modifications comme lors d'une revue de code. Pour les équipes qui dépendent d'API coûteuses, c'est une voie vers des économies.
Traité par IA depuis TNW ; édité par Hamidun News
Presque tous ceux qui ont déployé de l'IA en production se sont heurtés au même dilemme : prendre le modèle le plus puissant et payer pour chaque requête, ou économiser et obtenir un résultat nettement moins bon. Le nouveau laboratoire Noeri propose une troisième voie. Fondé cette année par les professeurs de Stanford Yejin Choi et Carlos Guestrin, il a levé 110 millions de dollars à son lancement.
Le tour a été dirigé par Menlo Ventures. Madrona Venture Group, Kindred Ventures, Wing Venture Capital et NEA y ont également participé. Cisco Investments, Nvidia et Snowflake sont entrés au capital en tant qu'investisseurs stratégiques. Bloomberg a été le premier à révéler l'opération. Noeri ne communique pas sur sa valorisation.
Comment Noeri veut apprendre à un système à apprendre au travail
L'idée de départ est simple. La plupart des modèles cessent d'acquérir de nouvelles connaissances une fois leur entraînement terminé, alors que les systèmes de Noeri, selon l'entreprise, continuent de s'améliorer au fil de leur utilisation.
Le mécanisme fonctionne ainsi. L'IA analyse les données et les processus de travail d'une entreprise donnée. Elle modifie ensuite non seulement le modèle lui-même, mais aussi tout ce qui l'entoure : les instructions, le jeu d'outils, le choix du modèle pour chaque étape et, si cela est rentable, les modèles eux-mêmes. Prenons l'exemple d'un centre d'appels. Le système peut constater qu'un petit modèle bon marché traite sans peine les demandes simples, et qu'il faut réserver le modèle coûteux aux litiges complexes. Il réécrira alors les prompts et redistribuera les étapes.
Chaque modification s'accompagne d'une explication, et c'est un humain qui la valide, comme lors d'une revue de code. Ce détail est important : l'optimisation automatique sans contrôle inquiète ceux qui sont responsables de la fiabilité. Ici, l'ingénieur voit ce qui a changé et pourquoi, et peut rejeter la modification.
Le système fonctionne aussi bien avec des modèles fermés qu'avec des modèles à poids ouverts. Les données, les processus de travail et les modèles construits restent la propriété du client.
Un petit modèle qui pilote de grands modèles
L'idée est née en partie de la collaboration avec une équipe de microbiologistes et d'immunologues de Stanford. Ils avaient besoin d'utiliser les modèles d'OpenAI à moindre coût. Yejin Choi a expliqué à Bloomberg que leur petite IA avait appris à utiliser d'autres modèles et qu'elle avait surpassé GPT-5 sur les tâches de cette équipe. Elle faisait toutefois appel à GPT-4 et non à GPT-5 : selon elle, Stanford dispose de trop peu de budget pour faire tourner en permanence le modèle le plus récent.
Il s'agit pour l'instant du récit de la fondatrice, et non d'un benchmark publié. Aucun chiffre vérifiable sur les économies réalisées ou sur le gain de qualité n'a été communiqué.
Le second volet des projets de Noeri concerne la science. L'entreprise veut que l'IA travaille aux côtés des chercheurs : formuler des hypothèses, mener des expériences et apprendre de leurs résultats. Les exemples cités sont de nouvelles molécules, des protéines et des systèmes techniques complexes. Selon l'entreprise, de petits modèles spécialisés rendent ce type d'exploration abordable.
Qui se cache derrière le projet et ce que cela change pour les praticiens
Yejin Choi est lauréate d'une bourse MacArthur, ancienne professeure à l'université de Washington et directrice senior de l'Allen Institute for AI. Bloomberg précise qu'elle a également été chercheuse éminente chez Nvidia. Carlos Guestrin a fondé Turi, une plateforme de machine learning qu'Apple a rachetée en 2016, puis il a dirigé la division centrale du machine learning et de l'IA chez Apple. Il est aussi l'un des créateurs de la bibliothèque open source XGBoost.
Le siège de Noeri se trouve à Palo Alto, et l'entreprise dispose d'un bureau à Zurich. Elle recrute des chercheurs et des ingénieurs dans les deux villes. Elle travaille déjà avec des partenaires de différents secteurs, dont certains de ses investisseurs.
Guestrin a expliqué à Bloomberg la position du fondateur : tous deux sont préoccupés par la centralisation, lorsqu'une seule entreprise contrôle l'ensemble. D'où le choix de miser sur la compatibilité avec les modèles d'autres éditeurs et sur le maintien du contrôle par le client.
Pour les développeurs et les chefs de produit, la conclusion est la suivante : le choix du modèle devient de plus en plus une partie intégrante du système, et non une décision ponctuelle. Dès aujourd'hui, il est utile de mesurer la qualité et le coût à chaque étape d'un processus, de placer les prompts et les outils sous contrôle de version, et de vérifier où un modèle coûteux peut être remplacé par un modèle bon marché. Si Noeri tient ses promesses, cette optimisation deviendra automatique, et le dernier mot restera aux humains. Pour l'instant, la société dispose de fonds, d'une équipe solide et d'une ambition affichée. La preuve sous forme de résultats mesurables chez les clients reste à venir.
- 21 nov. 2026Cassava cherche jusqu'à 1 milliard de dollars pour des puces Nvidia destinées aux centres de données IA africains
- 21 nov. 2026Les demandes d'achat d'actions Anthropic dépassent largement l'offre, et les fondateurs toucheront 1,75 milliard de dollars
- 21 nov. 2026Citi et JPMorgan ont inscrit une clause sur les puces dans un prêt de 6,6 milliards de dollars pour les data centers de Bain
- 21 nov. 2026Les actions de Cerebras bondissent après des prévisions de ventes supérieures aux attentes et des accords avec Oracle et Microsoft
Questions clés sur cet article
Comment Noeri veut apprendre à un système à apprendre au travail?
L'idée de départ est simple. La plupart des modèles cessent d'acquérir de nouvelles connaissances une fois leur entraînement terminé, alors que les systèmes de Noeri, selon l'entreprise, continuent de s'améliorer au fil de leur utilisation. Le mécanisme fonctionne ainsi. L'IA analyse les données et les processus de travail d'une entreprise donnée.
Que sait-on sur Un petit modèle qui pilote de grands modèles ?
L'idée est née en partie de la collaboration avec une équipe de microbiologistes et d'immunologues de Stanford. Ils avaient besoin d'utiliser les modèles d'OpenAI à moindre coût. Yejin Choi a expliqué à Bloomberg que leur petite IA avait appris à utiliser d'autres modèles et qu'elle avait surpassé GPT-5 sur les tâches de cette équipe. Elle faisait toutefois appel à GPT-4 et non à GPT-5 : selon elle, Stanford dispose de trop peu de budget pour faire tourner en permanence le modèle le plus récent.
Que sait-on sur Qui se cache derrière le projet et ce que cela change pour les praticiens ?
Yejin Choi est lauréate d'une bourse MacArthur, ancienne professeure à l'université de Washington et directrice senior de l'Allen Institute for AI. Bloomberg précise qu'elle a également été chercheuse éminente chez Nvidia. Carlos Guestrin a fondé Turi, une plateforme de machine learning qu'Apple a rachetée en 2016, puis il a dirigé la division centrale du machine learning et de l'IA chez Apple. Il est aussi l'un des créateurs de la bibliothèque open source XGBoost.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.