Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)

Osmo a recruté 30 nez professionnels et constitué 10 millions de descriptions d'odeurs pour une IA

Les modèles de langage ont grandi sur Internet, mais les odeurs n'ont pas d'équivalent : avant Osmo, les bases de données du monde entier contenaient moins de 200 000 descriptions d'arômes. La start-up a fait décrire des échantillons par environ 30 nez professionnels, avec des mots comme « pêche », pendant que des spectromètres décomposaient ces mêmes échantillons en molécules. Chaque paire « molécules — mot » constitue une étiquette, et il en existe déjà plus de 10 millions. Si un domaine ne dispose d'aucune donnée, il faut donc les produire avec des capteurs humains.

Traité par IA depuis TG: @disruptors_official (Дизраптор) ; édité par Hamidun News
Osmo a recruté 30 nez professionnels et constitué 10 millions de descriptions d'odeurs pour une IA
Source : TG: @disruptors_official (Дизраптор). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @disruptors_official (Дизраптор) ↗
Rédacteur en chef
Chiffre clé #1Les clients d'Osmo viennent surtout de la parfumerie, dont Procter & Gamble
Chiffre clé #2Pour Bill Gates, le modèle a identifié 8 substances repoussant les moustiques
Chiffre clé #3Une soixantaine d'autres annotateurs dans le monde décrivent les odeurs selon un vocabulaire commun

Les modèles de langage ont grandi grâce à Internet : pendant trente ans, l'humanité y a publié gratuitement des textes, et les ingénieurs n'ont eu qu'à les collecter. Les odeurs n'ont pas un tel Internet : personne ne publie de descriptions détaillées de ce que sent une cage d'escalier ou une assiette de soupe. Selon l'estimation du fondateur de la start-up Osmo, les bases de données du monde entier contenaient moins de 200 000 descriptions humaines d'odeurs.

Pour entraîner un grand modèle, c'est très insuffisant. Osmo a donc produit ses propres données : environ 30 nez professionnels décrivent des échantillons avec des mots, pendant que des spectromètres décomposent ces mêmes échantillons en molécules. Chaque paire « ensemble de molécules — mot comme « pêche » » compte comme une étiquette.

L'entreprise en possède déjà plus de 10 millions. Ce sont les chiffres du titre : 30 personnes au nez exercé et 10 millions de descriptions sur lesquelles le modèle apprend.

Comment les odeurs ont eu leur propre « Internet »

Osmo a été fondée par Alex Vilchko, issu de Google Brain. L'entreprise construit un modèle de fondation pour les odeurs, c'est-à-dire un grand modèle universel, non pas pour le texte, mais pour les arômes.

Dans un laboratoire du New Jersey, des nez professionnels sentent de tout : fruits, fleurs, produits de placard. Ils consignent leurs impressions en quelques mots : « noisette », « pêche », « marin ». À côté, des spectromètres fonctionnent en permanence. Ce sont des instruments qui déterminent de quelles molécules est composée une substance et en quelle quantité. Une soixantaine d'autres annotateurs dans le monde décrivent aussi les odeurs selon un vocabulaire de parfumerie commun, afin que les formulations puissent être comparées.

Ensuite, le modèle apprend à relier les deux. En termes simples : tel ensemble de molécules à telle concentration est décrit par les humains comme « sent la pêche ». Plus il existe de paires de ce type, mieux le modèle devine quelles molécules produiront la sensation recherchée.

Ce que le modèle sait faire et qui paie

Le fonctionnement ressemble à une requête textuelle, mais le résultat est une formule de parfum. Un journaliste de MIT Technology Review a demandé une odeur de pastel de nata, le tarte portugaise à la crème d'œuf, qui plairait aux garçons de 18 à 23 ans. On peut aussi intégrer le public visé dans la requête. Quelques minutes plus tard, il a reçu trois variantes : crémeuse, coco et fruitée. Puis un robot de la taille d'un autobus mélange la formule choisie à partir d'ingrédients réels.

Pour l'instant, l'argent vient surtout de la parfumerie, et Procter & Gamble figure parmi les clients. Les projets sont plus ambitieux : diagnostic de maladies par l'odeur et détection de substances dangereuses dans les aéroports. Bill Gates a passé une commande à part : il a financé la recherche de produits repoussant les moustiques. Selon Osmo, le modèle a trouvé 8 substances qui repoussent les moustiques mieux que le principe actif des sprays actuels. Cette affirmation n'a pas fait l'objet d'une vérification indépendante dans l'article.

Au fil du travail, des découvertes amusantes sont aussi apparues. L'odeur d'un nouveau-né, décomposée en molécules, recoupe fortement celle des spaghettis Barilla fraîchement cuits. Le camembert et une couche usagée sont composés de molécules similaires, et si l'on ne les confond pas, c'est surtout parce qu'on voit ou sait ce qui se trouve devant soi.

Réserves et enseignements pour les praticiens

Il faut être prudent avec l'expression « odorat à niveau humain » : c'est l'entreprise elle-même qui a fixé ce seuil. En pratique, le modèle sent comme une personne moyenne dans des conditions neutres, et il compose des arômes au niveau d'un parfumeur débutant. C'est une avancée notable, mais elle ne remplace pas un maître. De plus, ces informations proviennent d'interviews et de reprises dans la presse, et non d'une étude évaluée par des pairs avec des données ouvertes.

Pour les développeurs et les fondateurs, trois enseignements se dégagent.

Premièrement, si votre domaine ne dispose pas d'un corpus de données prêt à l'emploi, vous pouvez le construire. Osmo combine des mesures objectives (les spectromètres) et des évaluations subjectives (les nez), et le modèle apprend du lien entre les deux.

Deuxièmement, un vocabulaire d'annotation unique est indispensable. Des centaines d'annotateurs produiront du bruit si chacun décrit les odeurs à sa façon. Le lexique de la parfumerie transforme des impressions personnelles en données exploitables pour l'entraînement.

Troisièmement, plus l'IA sort du texte pour investir le monde physique, plus les humains endossent le rôle de capteurs vivants. Le métier de nez rémunéré est né directement du besoin de données des réseaux de neurones. Si vous comptez développer des modèles pour le goût, le toucher ou d'autres sens « non textuels », prévoyez un budget non seulement pour le calcul, mais aussi pour les personnes qui produiront les annotations.

Dossier

Questions clés sur cet article

Comment les odeurs ont eu leur propre « Internet »?

Osmo a été fondée par Alex Vilchko, issu de Google Brain. L'entreprise construit un modèle de fondation pour les odeurs, c'est-à-dire un grand modèle universel, non pas pour le texte, mais pour les arômes. Dans un laboratoire du New Jersey, des nez professionnels sentent de tout : fruits, fleurs, produits de placard. Ils consignent leurs impressions en quelques mots : « noisette », « pêche », « marin ». À côté, des spectromètres fonctionnent en permanence.

Que sait-on sur Ce que le modèle sait faire et qui paie ?

Le fonctionnement ressemble à une requête textuelle, mais le résultat est une formule de parfum. Un journaliste de MIT Technology Review a demandé une odeur de pastel de nata, le tarte portugaise à la crème d'œuf, qui plairait aux garçons de 18 à 23 ans. On peut aussi intégrer le public visé dans la requête. Quelques minutes plus tard, il a reçu trois variantes : crémeuse, coco et fruitée. Puis un robot de la taille d'un autobus mélange la formule choisie à partir d'ingrédients réels.

Que sait-on sur Réserves et enseignements pour les praticiens ?

Il faut être prudent avec l'expression « odorat à niveau humain » : c'est l'entreprise elle-même qui a fixé ce seuil. En pratique, le modèle sent comme une personne moyenne dans des conditions neutres, et il compose des arômes au niveau d'un parfumeur débutant. C'est une avancée notable, mais elle ne remplace pas un maître. De plus, ces informations proviennent d'interviews et de reprises dans la presse, et non d'une étude évaluée par des pairs avec des données ouvertes.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Private AI Builders Community · Vibe Club

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.

Join Vibe Club →Explore Hamidun Academy
Qu'en pensez-vous ?
Chargement des commentaires…