Pluralis, la nouvelle pépite de l'IA ouverte : cette équipe exclusivement composée de docteurs n'a rien d'ordinaire
TechFlow SélectionTechFlow Sélection
Pluralis, la nouvelle pépite de l'IA ouverte : cette équipe exclusivement composée de docteurs n'a rien d'ordinaire
Une équipe exclusivement composée de docteurs, tous issus d'Amazon sauf les stagiaires : en quoi le projet open source Pluralis est-il particulier ?
Dédié à des analyses Web3 approfondiesActuellement, les technologies d'intelligence artificielle (IA) connaissent des percées continues, et l'exploration des nouveaux modes d'entraînement de l'IA devient de plus en plus approfondie. Dans ce contexte, les risques de monopole liés aux modèles centralisés ainsi que l'absence de mécanismes incitatifs pour les modèles open source appellent à des solutions plus efficaces.
C'est dans cet environnement que le projet Pluralis a vu le jour. Composé exclusivement de docteurs — à l'exception d'un stagiaire — dont tous les membres proviennent d'Amazon. Cet article présente les concepts technologiques fondamentaux de Pluralis dans le domaine de l'entraînement décentralisé de l'IA, sa composition d'équipe, son financement ainsi que son paradigme innovant appelé « apprentissage par protocole ».
Qu'est-ce que Pluralis ?
Pluralis Research s'engage à développer un modèle de développement d'IA ouvert et décentralisé grâce à l'« apprentissage par protocole ». Ce modèle réunit de manière décentralisée des ressources informatiques provenant de multiples parties prenantes afin d'entraîner collectivement des modèles. Au cours de ce processus, aucune entité individuelle ne peut obtenir l'ensemble complet des poids du modèle.
L'innovation centrale de l'apprentissage par protocole repose sur les modèles-protocoles, qui exploitent une caractéristique clé des réseaux neuronaux : aucun participant ne peut extraire la totalité de leurs poids. Cette conception garantit que la valeur revient aux contributeurs tout en protégeant la propriété du modèle, équilibrant ainsi subtilement ouverture et monétisation dans le développement de l'IA.
Dans Pluralis, les concepteurs de modèles peuvent proposer leurs architectures, tandis que les fournisseurs de données et de puissance de calcul contribuent aux ressources nécessaires à l'entraînement. Ces modèles-protocoles sont ouverts, développés publiquement, et attribuent une part de propriété sur le modèle final aux participants, créant ainsi un système d'incitation efficace qui pousse toutes les parties à contribuer activement vers une intelligence artificielle véritablement open source.
Contexte de Pluralis
L'équipe de Pluralis dispose d'une solide expertise. Sur les huit membres listés officiellement, tous — à l’exception d’un stagiaire — proviennent du département de recherche en IA d’Amazon et possèdent un doctorat.
-
Fondateur Alexander Long : titulaire d’un doctorat en informatique de l’Université de Nouvelle-Galles du Sud. Il a travaillé chez Amazon en tant que scientifique appliqué de mars 2021 à mai 2024. Sa thèse portait sur l’apprentissage par renforcement efficace en échantillonnage et la mémoire non paramétrique en apprentissage profond.
-
Scientifique fondateur Gil Avraham : docteur en apprentissage automatique de l’Université Monash en Australie. Il a été scientifique appliqué chez Amazon de décembre 2021 à août 2024, puis promu à scientifique appliqué senior, avant de rejoindre Pluralis en octobre 2024.
-
Scientifique fondateur Yan Zuo : titulaire d’un doctorat en génie électrique et électronique de l’Université Monash en Australie. Spécialiste de l’optimisation à grande échelle, de la modélisation statistique, de l’apprentissage automatique et de la vision par ordinateur. Il a été scientifique appliqué chez Amazon de août 2021 à octobre 2024.
-
Scientifique fondateur Ajanthan Thalaiyasingam : docteur en informatique de l’Australian National University. Il a été scientifique en apprentissage automatique chez Amazon de décembre 2020 à mars 2024, puis promu à scientifique senior, avant de rejoindre Pluralis en octobre 2024.
-
Scientifique fondateur Sameera Ramasinghe : docteur en apprentissage automatique et vision 3D de l’Australian National University. Co-fondateur et CTO de l’entreprise spécialisée en IA ConscientAI. Il a été scientifique appliqué chez Amazon de mai 2022 à novembre 2024.
On constate aisément que fondateurs, scientifiques fondateurs et chercheurs de Pluralis ont tous une expérience chez Amazon, avec des expertises complémentaires en apprentissage automatique, vision par ordinateur et grands modèles linguistiques (LLMs). Certains ont également occupé des postes de chercheurs postdoctoraux.
Côté financement, Pluralis a levé 7,6 millions de dollars en mars 2025. Ce tour de table a été mené par CoinFund et Union Square Ventures, avec la participation de Topology, Variant, Eden Block et Bodhi Ventures. L'investissement a pris la forme d'une prise de participation au capital, assortie de bons de souscription d'une cryptomonnaie future.
Qu’est-ce que l’apprentissage par protocole ?
Dans son article intitulé « Protocol Learning, Decentralized Frontier Risk and the No-Off Problem », Alexander Long introduit un nouveau paradigme d'entraînement des modèles d'IA : l’« apprentissage par protocole » (Protocol Learning). Ce dernier vise à entraîner des modèles de manière collaborative via un réseau incitatif décentralisé, dépassant ainsi les limites actuelles des approches centralisées et open source.
Alexander Long souligne que si les modèles centralisés sont efficaces, ils comportent des risques de monopole et souffrent d’un manque de transparence en matière de gouvernance. Quant aux modèles open source, ils manquent de mécanismes durables d'incitation. L'apprentissage par protocole propose une solution intermédiaire : en incitant les participants à fournir des ressources informatiques, il permet de construire un réseau d'entraînement décentralisé, capable théoriquement de mobiliser plusieurs ordres de grandeur de puissance de calcul supplémentaire par rapport aux méthodes centralisées.
D’un point de vue technique, l’entraînement décentralisé exige une communication efficace, le fractionnement du modèle, une formation élastique, la tolérance aux pannes byzantines et la prise en charge de nœuds hétérogènes. Bien que des progrès aient été réalisés dans des domaines tels que l'entraînement distribué, le parallélisme en pipeline et les mécanismes de tolérance aux pannes, leur intégration complète dans des modèles à très grande échelle (plus de 100 milliards de paramètres) reste à accomplir. En outre, l’attribution de parts de propriété en fonction de la contribution computationnelle crée un incitant économique, mais suppose de résoudre le problème de vérification des calculs, par exemple via des mécanismes de mise en jeu basés sur la théorie des jeux ou des preuves à connaissance nulle.
Bien entendu, l’apprentissage par protocole comporte aussi de nouveaux risques. Un modèle décentralisé est difficile à arrêter unilatéralement : si celui-ci venait à être mal utilisé ou dysfonctionner, son arrêt nécessiterait une coordination globale, ce qui serait extrêmement complexe à mettre en œuvre. Par ailleurs, un équilibre doit être trouvé entre incitation, sécurité et contrôle, afin de prévenir toute action malveillante.
Pluralis estime que l'avenir de l’intelligence artificielle ne sera pas seulement distribué, mais véritablement décentralisé. Les barrières techniques à l'entraînement décentralisé ne sont pas insurmontables, et les bénéfices qu'il pourrait apporter seront immenses.
En résumé, Pluralis construit une infrastructure décentralisée pour l'entraînement de l'IA, visant à favoriser la création collective de modèles de pointe via l'apprentissage par protocole, et à démocratiser fondamentalement la production et l'accès aux modèles de base de l'IA.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Foresight News
