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)
SortieAnalyse · Sur le radarHabr AI→ original

La start-up Osmo a entraîné une IA aux odeurs sur 10 millions d'évaluations humaines et génère des parfums à partir de texte

La start-up Osmo apprend à un réseau de neurones à « sentir ». À partir de la composition moléculaire, le modèle prédit comment une personne évaluera une odeur, et il compose un parfum à partir d'une requête textuelle. Moins de 200 000 descriptions existaient, si bien que l'entreprise a constitué elle-même 10 millions d'évaluations de renifleurs humains et 800 millions de « tokens », des enregistrements sur les molécules et leurs concentrations. Le succès annoncé n'a pas encore été vérifié de manière indépendante. Conclusion : dans un domaine dépourvu de données, il faut construire son propre jeu de données.

Traité par IA depuis Habr AI ; édité par Hamidun News
La start-up Osmo a entraîné une IA aux odeurs sur 10 millions d'évaluations humaines et génère des parfums à partir de texte
Source : Habr AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Environ 70 « renifleurs » formés décrivent les odeurs avec une terminologie unique
Chiffre clé #2Un robot de la taille d'un bus scolaire mélange les échantillons selon des formules
ClientsProcter & Gamble et StockX (recherche de fausses baskets)

Les réseaux de neurones ont depuis longtemps appris à traiter la vision et le son, mais les odeurs restaient une zone blanche : il n'existe ni base prête à l'emploi ni « texte d'internet » sur lequel s'entraîner. La start-up Osmo, fondée en 2023 par Alex Wiltschko, un ancien de Google Brain, a choisi de résoudre ce problème par la force brute. L'entreprise a réuni plus de 10 millions d'évaluations, fournies par des personnes réelles qui ont senti des échantillons, ainsi que 800 millions de « tokens olfactifs », selon sa propre expression : des relevés précis des molécules présentes dans une odeur et de leurs concentrations.

À partir de ces données, Osmo construit ce qu'elle présente comme le premier « modèle de base » pour l'odorat. Ce modèle doit prédire comment une personne percevra une odeur à partir de sa composition moléculaire. L'étape suivante, selon le plan de l'entreprise, consiste à générer de nouvelles odeurs à partir d'une requête textuelle, à la manière dont ChatGPT rédige un texte à partir d'un prompt.

D'où viennent les données d'un modèle qui « sent »

Selon Alex Wiltschko, le principal obstacle de l'olfaction est le manque de données. Avant Osmo, les bases accessibles contenaient moins de 200 000 descriptions d'odeurs données par des humains. Les équipements d'analyse chimique coûtent cher, et les groupes de parfumerie gardent leurs recherches secrètes.

Osmo a donc choisi la voie la plus coûteuse et a constitué son propre jeu de données. Des spectromètres et des capteurs chimiques fonctionnent en continu et analysent la composition de tout ce qui se présente, des fruits et des fleurs jusqu'à la nourriture et même aux organes internes. En parallèle, environ 70 personnes spécialement formées, aux États-Unis et dans d'autres pays, sentent les échantillons et consignent leurs impressions selon une terminologie standardisée. Ce sont ces évaluations : si la chimie dit de quoi est faite une odeur, les humains disent à quoi elle ressemble.

L'idée rappelle le travail sur le langage. Changer l'ordre des mots modifie le sens d'une phrase, et changer la composition et les proportions des molécules modifie l'arôme perçu. Alex Wiltschko cite un exemple : l'ensemble des molécules odorantes d'un nouveau-né ressemble largement à celui de spaghettis fraîchement cuits.

Ce qui fonctionne déjà et ce qui reste déclaratif

Osmo affirme que son modèle a atteint une « intelligence olfactive humaine ». Pour reconnaître et distinguer les odeurs, il ne serait pas inférieur à une personne moyenne, et pour créer des parfums, il égalerait un parfumeur débutant. Il y a un mois, selon l'entreprise, son IA aurait surpassé les parfumeurs salariés d'une grande multinationale de biens de consommation.

La technologie est déjà utilisée. Elle sert à développer des parfums commerciaux, notamment pour Procter & Gamble. Pour la plateforme de revente StockX, Osmo a proposé de repérer les fausses baskets grâce aux différences de composition chimique des matériaux. Les échantillons correspondant aux formules générées sont fabriqués par un système robotisé de la taille d'un bus scolaire : il mélange les ingrédients et produit des échantillons destinés aux études et aux clients.

Les projets suivants sont plus ambitieux : détecter des menaces dans les aéroports et diagnostiquer des maladies à partir de l'odeur. Alex Wiltschko reconnaît lui-même qu'attaquer cette « montagne » de front est coûteux et difficile. L'entreprise pose donc, selon ses termes, les fondations au pied de la montagne.

Critiques et limites reconnues

Les principaux chiffres sur la qualité du modèle viennent pour l'instant de l'entreprise elle-même. L'article ne mentionne aucune vérification indépendante.

L'olfactologue Avery Gilbert a critiqué Osmo dans une lettre d'information sur Substack. Selon lui, une partie des affirmations marketing n'est étayée par rien, et les demandes de brevets mettent en avant les panels sensoriels humains et les parfumeurs, et non l'IA. Il juge étrange une telle dépendance à des évaluations subjectives pour une entreprise d'« IA de pointe ». Alex Wiltschko répond que la perception humaine n'est pas une béquille. Les modèles de langage apprennent à partir de ce que les humains ont écrit, tandis que le modèle d'Osmo apprend à partir de ce que les humains ressentent, ce qui lui permet de prédire la perception d'une odeur.

Michael Schmuker, ancien professeur de neurocalcul à l'université du Hertfordshire, qui a conseillé Osmo, adopte une position plus prudente. Il juge la technologie remarquable. Avec ses collègues, il a publié une version ouverte du modèle d'Osmo de 2023, reconstruite par rétro-ingénierie, mais elle ne bénéficie pas des énormes données collectées depuis. Schmuker rappelle aussi un contexte : le camembert et les couches usagées contiennent des molécules semblables, pourtant les humains ne les confondent pas. Pour un laboratoire de parfumerie, cette lacune n'est peut-être pas critique. Pour un « canal olfactif » dans des modèles du monde ou pour la médecine, les capteurs et les modèles devront être sérieusement améliorés.

Ce qu'il faut retenir en pratique

Pour les fondateurs et les chefs de produit, l'histoire d'Osmo montre comment construire un modèle dans un domaine dépourvu de données prêtes à l'emploi. Il faut d'abord constituer un jeu de données propre, coûteux, combinant instruments et évaluateurs humains formés. Ensuite, il faut trouver un marché étroit où l'erreur n'est pas critique et où des clients paient déjà, comme la parfumerie ou la vérification d'authenticité. Ce n'est qu'après que viennent les objectifs ambitieux, comme la médecine. Reste à savoir si le « niveau humain » annoncé se confirmera hors du laboratoire et au-delà des formulations marketing.

Dossier

Questions clés sur cet article

Que sait-on sur D'où viennent les données d'un modèle qui « sent » ?

Selon Alex Wiltschko, le principal obstacle de l'olfaction est le manque de données. Avant Osmo, les bases accessibles contenaient moins de 200 000 descriptions d'odeurs données par des humains. Les équipements d'analyse chimique coûtent cher, et les groupes de parfumerie gardent leurs recherches secrètes. Osmo a donc choisi la voie la plus coûteuse et a constitué son propre jeu de données.

Que sait-on sur Ce qui fonctionne déjà et ce qui reste déclaratif ?

Osmo affirme que son modèle a atteint une « intelligence olfactive humaine ». Pour reconnaître et distinguer les odeurs, il ne serait pas inférieur à une personne moyenne, et pour créer des parfums, il égalerait un parfumeur débutant. Il y a un mois, selon l'entreprise, son IA aurait surpassé les parfumeurs salariés d'une grande multinationale de biens de consommation. La technologie est déjà utilisée. Elle sert à développer des parfums commerciaux, notamment pour Procter & Gamble.

Que sait-on sur Critiques et limites reconnues ?

Les principaux chiffres sur la qualité du modèle viennent pour l'instant de l'entreprise elle-même. L'article ne mentionne aucune vérification indépendante. L'olfactologue Avery Gilbert a critiqué Osmo dans une lettre d'information sur Substack. Selon lui, une partie des affirmations marketing n'est étayée par rien, et les demandes de brevets mettent en avant les panels sensoriels humains et les parfumeurs, et non l'IA.

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…