Le pari de 5 milliards de dollars de Nvidia sur Ilya Sutskever : SSI est-il sur le point de révéler l’ingrédient manquant de l’IA ?

Safe Superintelligence est peut-être la boîte noire la plus fascinante de la Silicon Valley. Ce laboratoire d'IA, fondé par Ilya Sutskever, ancien directeur scientifique d'OpenAI, ne propose aucun modèle public, aucune application grand public, aucun revenu significatif et ne divulgue quasiment aucune recherche. Son site web ressemble encore davantage à une étrange promesse qu'à un plan d'affaires : SSI existe avec « un seul objectif et un seul produit : une superintelligence sûre ».

Néanmoins, Nvidia a accepté d'investir 5 milliards de dollars dans l'entreprise, donnant ainsi à SSI accès à la future plateforme de calcul Vera Rubin du fabricant de puces et à suffisamment de matériel pour décupler sa puissance de calcul disponible. Point crucial, Nvidia a réalisé cet investissement après avoir obtenu, selon les deux entreprises, un accès exceptionnel aux recherches confidentielles de SSI.

Puis la rumeur a commencé à circuler. Lors d'une récente apparition dans le podcast Invest Like the Best , Gavin Baker, fondateur d'Atreides Management, a déclaré, presque incidemment, que « SSI affirme qu'ils présenteront leur modèle en août ». SSI n'a ni confirmé cette information, ni annoncé d'événement de lancement, ni précisé la forme que pourrait prendre ce modèle. Pour l'instant, il s'agit d'une déclaration d'un investisseur bien informé, et non d'une date de sortie officielle. Il convient donc de la prendre avec précaution.

Pourtant, la séquence est difficile à ignorer : Nvidia découvre les coulisses, signe un chèque énorme, SSI annonce que ses recherches sont enfin prêtes à être industrialisées, et des rumeurs commencent à circuler sur l’imminence d’un modèle.

À l'époque de l'âge d'or américain, les financiers misaient des sommes colossales sur les chemins de fer avant même que les destinations ne soient construites. Aujourd'hui, le géant mondial des semi-conducteurs finance un chemin de fer vers l'intelligence artificielle avant même que quiconque, hors des laboratoires, ne sache où il mène.

Le scientifique en IA qui rate rarement sa cible

Sutskever ne reçoit pas des milliards parce qu'il maîtrise l'art de présenter un projet aux investisseurs en capital-risque. Il les reçoit parce que son parcours de recherche ressemble étrangement à une feuille de route de l'IA moderne.

Diplômé en mathématiques de l'Université de Toronto, Sutskever a réalisé son doctorat sous la direction de Geoffrey Hinton, figure emblématique de la révolution du deep learning. En 2012, Sutskever, Hinton et Alex Krizhevsky ont développé AlexNet, le réseau neuronal qui a surclassé les systèmes concurrents lors du concours de vision par ordinateur ImageNet et a contribué à faire du deep learning le paradigme dominant de l'IA, au-delà de la simple curiosité académique. Ce réseau a été entraîné avec seulement deux GPU – un fait que Sutskever met encore en avant pour affirmer que les grandes avancées de la recherche ne naissent pas nécessairement dans des centres de données gigantesques.

Après l'acquisition par Google de la start-up DNNresearch, Sutskever a travaillé chez Google Brain et a co-écrit, avec Oriol Vinyals et Quoc Le, l'article fondateur de 2014 sur la conversion de séquences en séquences. Cette architecture a contribué à jeter les bases de la traduction automatique moderne et à développer l'idée plus générale que les réseaux neuronaux pouvaient transformer une séquence d'informations en une autre.

Il est ensuite devenu cofondateur et directeur scientifique d'OpenAI, où il a contribué à établir la thèse centrale à l'origine de l'essor de l'IA générative : des réseaux neuronaux suffisamment vastes, entraînés sur des ensembles de données suffisamment importants et avec une puissance de calcul suffisante, acquerraient des capacités qui n'avaient pas été explicitement programmées en eux. Son nom figure dans l'article sur GPT-3, et Nvidia reconnaît aujourd'hui sa contribution aux modèles AlexNet, AlphaGo et GPT, ainsi qu'à la recherche ayant mené aux systèmes de raisonnement d'OpenAI.

Ce parcours explique pourquoi SSI attire une attention qui semblerait absurde pour presque n'importe quelle autre start-up en phase de pré-lancement. Sutskever a été présent à plusieurs reprises lorsque des idées de recherche passées de mode sont soudainement devenues le principe directeur de l'industrie.

Du prophète de la mise à l'échelle d'OpenAI à l'hérétique de la mise à l'échelle

Le départ de Sutskever d'OpenAI a fait suite à la crise de gouvernance sans précédent qui a secoué l'entreprise en novembre 2023. Il s'était alors joint à la tentative du conseil d'administration de destituer le PDG Sam Altman, avant de regretter publiquement sa participation. Il a finalement quitté l'entreprise en mai 2024, mettant ainsi un terme à près de dix ans passés au sein de celle qu'il avait contribué à fonder.

Un mois plus tard, il fonda Safe Superintelligence avec Daniel Gross et Daniel Levy. L'entreprise ne développerait ni assistants bureautiques, ni générateurs d'images, ni assistants de programmation, ni outils publicitaires. Elle se consacrerait directement à la superintelligence, préservant ainsi la recherche de ce que SSI appelait les « frais de gestion », des cycles de vie des produits et des pressions commerciales à court terme.

L'ironie apparente est que celui qui a contribué à établir la doctrine de la mise à l'échelle est devenu par la suite l'un de ses plus éminents critiques. Mais la position réelle de Sutskever est plus nuancée – et plus intéressante – que le slogan en ligne selon lequel « la mise à l'échelle est morte ».

Après une longue interview de Dwarkesh Patel en 2025, résumée comme prédisant un blocage important du passage à l'échelle, Sutskever a apporté une correction. Le passage à l'échelle des systèmes existants, a-t-il affirmé, continuerait d'apporter des améliorations et « ne s'arrêterait pas ». Le problème résidait dans le fait qu'« un élément important continuera de manquer ».

Cet ingrédient manquant semble impliquer une généralisation fiable, un apprentissage efficace en termes d'échantillons et un apprentissage continu.

Les modèles de pointe actuels peuvent obtenir des résultats étonnants lors des tests, mais commettre des erreurs étonnamment basiques en situation réelle. Ils peuvent absorber des milliards de jetons pendant l'entraînement, mais leur enseigner une nouvelle compétence durable par la suite reste complexe. Les humains, en revanche, peuvent observer quelques exemples, en déduire le principe sous-jacent et poursuivre leur apprentissage sans avoir à tout recommencer.

Sutskever a expliqué à Patel que les modèles modernes « généralisent beaucoup moins bien que les humains ». Selon lui, l'industrie est entrée dans une nouvelle « ère de la recherche », car il est peu probable qu'une simple multiplication par cent d'une recette existante produise la transformation qualitative promise par l'IA générale. La prochaine avancée majeure nécessitera une meilleure utilisation de la puissance de calcul, et non pas simplement une augmentation de celle-ci.

Il semble que Sutskever ne prétende pas que les GPU sont devenus obsolètes. Il soutient plutôt que le calcul amplifie une idée, sans la remplacer.

La superintelligence qui commence dès l'école

La conception de la superintelligence selon Sutskever diffère de l'oracle numérique omniscient généralement imaginé en science-fiction.

Il a décrit cette destination comme un système comparable à un « adolescent de 15 ans surdoué » : un système qui, au départ, ne connaît peut-être pas tout ni ne possède toutes les compétences professionnelles, mais qui peut apprendre de nouveaux domaines à une vitesse extraordinaire. Au lieu d’être parfaitement formé comme programmeur, médecin, ingénieur et scientifique, il disposerait d’un processus d’apprentissage général lui permettant d’exercer tous ces métiers.

Il s'agit d'une capacité bien plus importante qu'un chatbot doté d'une plus grande mémoire ou d'un score légèrement meilleur en mathématiques.

Un modèle d'apprentissage continu pourrait intégrer une organisation, observer ses systèmes, recueillir des retours d'information et s'améliorer en continu. Déployées dans des milliers d'entreprises, ces copies pourraient acquérir différentes compétences et potentiellement combiner leurs acquis. Il est impossible pour un être humain de fusionner l'expérience de 50 000 travailleurs en un seul cerveau. Un logiciel, en revanche, pourrait y parvenir un jour.

Sutskever estime qu'un système doté d'une capacité d'apprentissage comparable à celle de l'humain pourrait émerger d'ici cinq à vingt ans. Il prévoit également que son influence économique se manifestera par diffusion plutôt que par une « ère de l'intelligence artificielle générale » instantanée : des systèmes performants seraient intégrés aux entreprises, apprendraient les métiers et s'adapteraient progressivement aux contraintes physiques et institutionnelles de l'économie réelle.

Ses convictions en matière de sécurité sont tout aussi peu conventionnelles. Sutskever a suggéré que les systèmes avancés devraient être conçus pour prendre en compte la vie consciente, que leur puissance maximale pourrait devoir être limitée et que leur déploiement devrait se faire progressivement afin que les gouvernements et le public puissent comprendre ce qui se met en place. Il ne semble plus totalement attaché à l'idée de tout garder au sein du SSI jusqu'à l'émergence d'une superintelligence aboutie. Dans l'interview de 2025, il a reconnu l'intérêt considérable de permettre au public de voir des IA de plus en plus puissantes et a déclaré qu'une diffusion progressive ferait partie intégrante de tout plan réaliste.

Ce changement laisse à SSI la possibilité de commercialiser un système intermédiaire sans pour autant abandonner totalement sa philosophie du « tir direct ».

Pourquoi l'accord avec Nvidia change la donne

Le 27 juillet, SSI et Nvidia ont annoncé un partenariat stratégique à long terme qui fournira à la start-up les systèmes Vera Rubin de nouvelle génération de Nvidia et augmentera sa puissance de calcul d'un ordre de grandeur.

Les entreprises n'ont pas divulgué le montant de l'investissement, mais Reuters a rapporté que Nvidia investissait 5 milliards de dollars dans SSI . L'accord aurait été conclu en quelques semaines.

Le langage officiel était étonnamment révélateur pour une entreprise si friande de secret.

« Depuis deux ans, SSI développe discrètement une nouvelle orientation de recherche », a déclaré Nvidia, ajoutant avoir rejoint ce partenariat après avoir obtenu un accès privilégié à ces travaux. La déclaration de Sutskever était encore plus directe : « Nos recherches méritent d’être développées à plus grande échelle. »

Nous annonçons un partenariat stratégique à long terme avec NVIDIA. NVIDIA investit massivement dans SSI, ce qui nous permettra de décupler notre puissance de calcul au cours des 12 prochains mois. Nos recherches sont désormais suffisamment avancées pour justifier un déploiement à grande échelle, et ce partenariat nous permettra de le faire. Nous sommes…

— SSI Inc. (@ssi) 27 juillet 2026

Et c'est cette phrase qui est au cœur du problème. Dans son entretien avec Dwarkesh, Sutskever a soutenu que le SSI n'avait pas besoin du plus grand cluster au monde pour simplement vérifier la validité de ses idées fondamentales. AlexNet, le transformateur et d'autres avancées majeures ont été initialement démontrés à l'aide d'une infrastructure relativement modeste. Les quelque 3 milliards de dollars de financement précédemment accordés au SSI, a-t-il affirmé, étaient suffisants pour déterminer si son orientation de recherche était pertinente.

L'entreprise affirme désormais être prête à passer à l'échelle supérieure, et Nvidia partage cet avis. Jensen Huang a tout intérêt à encourager la création d'un nouveau laboratoire de pointe. Nvidia tire profit de chaque fois qu'une entreprise innovante a besoin de gigantesques clusters de calcul. Investir dans ses clients est devenu un élément essentiel de sa stratégie industrielle, soulevant des questions légitimes quant au financement circulaire de l'économie de l'IA.

Mais SSI ne se contente pas de louer un parc de GPU anciens. Les deux entreprises affirment qu'elles collaboreront sur les plateformes actuelles et futures de Nvidia, permettant ainsi au fabricant de puces d'accéder aux connaissances de SSI sur les nouvelles charges de travail d'IA. Si SSI développe réellement des architectures axées sur l'apprentissage continu, l'efficacité d'échantillonnage ou de nouvelles formes d'apprentissage par renforcement, ces informations pourraient influencer la conception des futurs systèmes Nvidia.

Nvidia ne se contente pas de vendre le chemin de fer à Sutskever. L'entreprise lui demande également quel tracé doit y être tracé.

Quelles sorties SSI pourrait-elle proposer en août ?

Honnêtement, personne en dehors de SSI ne semble le savoir. La déclaration de Baker pourrait faire référence à un modèle public, à un aperçu restreint pour la recherche, à une API, à une démonstration technique ou à une version progressive proposée uniquement à certains chercheurs et entreprises. Elle pourrait aussi être inexacte, mal interprétée ou basée sur un calendrier qui a évolué.

SSI n'a dévoilé aucun modèle, publié aucune spécification ni annoncé de lancement en août. Toute affirmation selon laquelle le laboratoire serait sur le point de rendre accessible une superintelligence relève de la pure spéculation.

L'hypothèse la plus plausible est qu'un système SSI tenterait de démontrer certains aspects du programme de recherche déclaré par Sutskever. Cela pourrait se traduire par de meilleures performances lors de l'apprentissage à partir d'un petit nombre d'exemples, une adaptation améliorée après la formation initiale, une meilleure rétention des nouvelles connaissances, des performances plus homogènes d'une tâche à l'autre, ou une forme contrôlée d'apprentissage continu.

Une version bien moins révolutionnaire pourrait être un autre modèle à transformateur, doté de méthodes de raisonnement et de sécurité améliorées. L'histoire n'exige pas que chaque projet d'Ilya Sutskever réinvente le domaine, et 5 milliards de dollars ne constituent pas une validation par les pairs.

Le format de déploiement du modèle sera aussi important que ses scores de référence. Un système d'apprentissage continu poserait de sérieux problèmes de sûreté et de sécurité. Les développeurs devraient expliquer ce que le modèle est autorisé à apprendre, comment empêcher la pérennisation des comportements nuisibles, si les différentes installations partagent les connaissances et comment les opérateurs peuvent consulter ou annuler les mises à jour.

Un modèle statique peut être évalué avant sa mise en production. Un modèle qui évolue au fil de l'expérience est une cible mouvante.

C’est précisément pourquoi le débat plus large sur la gouvernance de l’IA dépasse désormais le cadre de la simple réglementation des produits. Comme l’ a récemment analysé Brave New Coin , l’arrivée de systèmes capables de surpasser les humains dans des domaines économiquement essentiels exigerait des changements dans la politique du travail, la stratégie industrielle et la répartition des richesses – et non pas un simple avertissement de sécurité supplémentaire sous la fenêtre de discussion.

L'expérience de recherche la plus coûteuse de l'histoire

On présente parfois SSI comme une alternative pure et axée sur la sécurité aux laboratoires commerciaux tels qu'OpenAI, Anthropic et Google DeepMind. Cette description est de plus en plus difficile à maintenir.

Une entreprise soutenue par Nvidia, Alphabet et certains des fonds de capital-risque les plus influents au monde n'est pas en dehors du complexe industriel de l'IA. Elle en est l'une des institutions les plus prestigieuses : un petit groupe de chercheurs, disposant de milliards de dollars et d'un accès privilégié à une infrastructure informatique rare, qui tente de définir comment construire une intelligence surhumaine et quelles valeurs elle doit valoriser.

Cela ne rend pas SSI frauduleuse ou sinistre pour autant. Cela la rend puissante et, dans une large mesure, irresponsable envers quiconque en dehors de ses investisseurs et fondateurs.

Les prochaines semaines permettront peut-être de déterminer si la rumeur d'août est fondée. Un retard ne serait guère surprenant. Un modèle conventionnel serait légèrement décevant. Une amélioration significative de l'apprentissage continu ou de la généralisation constituerait l'une des avancées les plus importantes en IA depuis l'émergence des modèles de raisonnement.

La mauvaise question serait de savoir si le système de SSI surpasse ChatGPT, Claude ou Gemini sur une autre série de tests standardisés. La bonne question serait plutôt de savoir si Ilya Sutskever a enfin trouvé ce petit quelque chose d'essentiel que la simple mise à l'échelle n'aurait jamais pu révéler. Restez à l'écoute, ça promet d'être intéressant.