ArticlesInfrastructure IA

Au-delà des LLM : Raquel Urtasun et Waabi redéfinissent l'IA physique avec une plateforme généralisable et consciente des conséquences

Le récit entourant l'intelligence artificielle se perd souvent dans le bouillonnement étincelant des grands modèles de langage (LLM). Si les LLM sont certes disruptifs, ils se concentrent principalement sur de...

WaabiCanadaSources et notes techniques
Au-delà des LLM : Raquel Urtasun et Waabi redéfinissent l'IA physique avec une plateforme généralisable et consciente des conséquences
Ce qui compte

Point clé

Le récit entourant l'intelligence artificielle se perd souvent dans le bouillonnement étincelant des grands modèles de langage (LLM). Si les LLM sont certes disruptifs, ils se concentrent principalement sur de...

Secteurs touchés

Secteur principal : Infrastructure IA

Prochaines étapes / conseils concrets

Vérifiez les résultats publiés et les limites des sources avant de prendre une décision à partir de cette annonce.

Le récit entourant l'intelligence artificielle se perd souvent dans le bouillonnement étincelant des grands modèles de langage (LLM). Si les LLM sont certes disruptifs, ils se concentrent principalement sur des données symboliques : le langage humain. Cependant, Raquel Urtasun, fondatrice de Waabi, et son équipe se sont orientées avec discernement vers la prochaine frontière, beaucoup plus ardue : l'IA physique. Il ne s'agit plus uniquement de prédiction, mais d'action, de conséquence et d'interaction physique en temps réel.

L'innovation principale de Waabi réside dans sa plateforme d'IA sophistiquée et généralisable, conçue pour les systèmes autonomes, ayant d'abord fait ses preuves dans les domaines du transport de marchandises et de la mobilité de passagers. Ce système dépasse largement l'entraînement basé sur de vastes quantités de données réelles. Au lieu de cela, il repose sur une architecture qui oblige le système à « construire des abstractions » de ce qu'il observe et, de manière critique, à « raisonner sur les conséquences potentielles » de chaque action possible en temps réel. Cette capacité à modéliser et à anticiper les résultats — un processus que Urtasun décrit en considérant « des milliers et des milliers de possibilités » — constitue le génie d'ingénierie au cœur de leur offre.

D'un point de vue technique, la plateforme repose sur deux piliers : le système d'IA de bout en bout (le « cerveau ») et le simulateur. Le véritable exploit réside dans sa conception architecturale pour la généralisation. En permettant aux utilisateurs de brancher n'importe quel capteur disponible et d'adapter le cerveau à diverses formes et distributions de capteurs, Waabi a créé un système modulaire et évolutif. Cela contraste fortement avec les méthodes antérieures qui exigeaient de construire des solutions sur mesure pour chaque véhicule ou environnement.

Cette approche se révèle commercialement transformatrice. En mettant l'accent sur une stratégie verticalement intégrée et efficace en capital — en construisant les capteurs et le logiciel depuis l'usine — Waabi contourne l'énorme coût et le temps considérable associés à la collecte de masses de données réelles issues d'utilisations humaines. Cette intégration verticale est un avantage considérable, rendant la plateforme hautement adaptable à plusieurs secteurs, de la logistique aux robotaxis de passagers, garantissant ainsi une évolutivité et une vitesse de déploiement maximales.

Étant donné l'accent mondial croissant mis sur la souveraineté technologique, particulièrement dans les domaines de la défense et des infrastructures critiques, la capacité de Waabi à livrer une plateforme d'IA physique robuste et généralisable est parfaitement opportune. Elle représente un actif canadien de deep tech tangible et à haute valeur, qui répond directement au besoin d'autonomie dans les systèmes d'automatisation critiques. Alors que le Canada se positionne comme un pôle pour les technologies avancées et souveraines, le travail de Waabi n'est pas seulement une avancée ; il constitue un élément critique de la stratégie d'autonomie industrielle nationale.

Sources et notes techniques

Sources consultables

Consultez les documents cités pour distinguer les annonces des résultats démontrés.

Ce qu’il faut évaluer ensuite

Ce bloc met en avant les systèmes, les flux de travail et les décisions que cet article aide à évaluer.

  • L'avancée majeure de Waabi ne réside pas uniquement dans la capacité d'IA, mais dans la généralisation de sa plateforme. En développant un simulateur et un 'cerveau' de raisonnement sur les conséquences qui s'adapte à tout type de capteur et à d'innombrables variables opérationnelles, l'entreprise crée l'infrastructure fondamentale pour des systèmes autonomes à grande échelle, efficaces en capital, déplaçant l'industrie de la dépendance aux données vers une applicabilité universelle.
  • En permettant aux utilisateurs de brancher n'importe quel capteur disponible et d'adapter le cerveau à diverses formes et distributions de capteurs, Waabi a créé un système modulaire et évolutif.
  • Angle opérationnel : AI/Autonomous Systems
LLMAdvanced ManufacturingGovernance, Policy & TransactionsNational Security & Defence
À lire ensuite

Articles connexes

Voir tous les articles