Firme d'investissement spécialisée dans les sociétés qui transforment la recherche avancée en infrastructure, en produits et en rendement durable. Nous combinons discipline de capital, diligence technique et lecture long terme des cycles d'innovation en intelligence artificielle générale.
Entreprises AGI financées depuis 2021 à travers le monde.
Tickets initiaux et suivis sélectifs dans des architectures frontier.
Retour sur investissement pondéré sur l'ensemble du portfolio.
Capital total levé par nos startups en rondes suivantes (Série A+).
Ange investisseur avec une conviction : l'intelligence artificielle générale émerge à l'intersection de l'apprentissage par renforcement profond, du raisonnement neuro-symbolique et des modèles de monde internes — et les startups qui maîtrisent cette convergence définiront le prochain paradigme computationnel.
L'attention se porte sur les équipes qui dépassent le simple scaling des LLM pour explorer la composabilité des représentations latentes, les mécanismes d'attention causale, la génération de sous-objectifs hiérarchiques et l'apprentissage continu sans oubli catastrophique. L'AGI ne sera pas un modèle unique, mais un écosystème de modules spécialisés orchestrés par une boucle de méta-apprentissage récursive.
Au-delà du financement, un accompagnement technique est offert aux fondateurs : architecture de systèmes multi-agents, stratégies d'évaluation sur des benchmarks de raisonnement de type ARC-AGI, design de récompenses intrinsèques pour l'exploration autonome, et navigation des enjeux réglementaires liés aux systèmes à capacités générales.
L'AGI émerge de la convergence entre le scaling compute, les architectures à mémoire épisodique persistante et les systèmes de raisonnement causal contrefactuel.
Implication directe sur les choix architecturaux : topologies de graphes computationnels, stratégies de distillation de modèles et design de curricula d'entraînement multi-tâches.
Évaluation des startups sur la base de métriques reproductibles : capacité de généralisation hors-distribution, robustesse adversariale et performance sur des tâches de raisonnement compositionnelles zero-shot.
Priorité aux équipes intégrant le RLHF itératif, la vérification formelle des propriétés de sûreté, l'interpretabilité mécanistique et les protocoles de corrigibilité dès les premières phases de développement.
Les lois d'échelle (scaling laws) des transformers, combinées aux percées en chain-of-thought prompting et en raisonnement par recherche arborescente de type Monte Carlo, indiquent une trajectoire claire vers des systèmes à capacité cognitive générale.
Investissement au stade le plus précoce, là où les innovations fondamentales en représentation de connaissances et en apprentissage de world models sont encore à l'état de preuve de concept.
La trajectoire vers l'ASI (Artificial Superintelligence) exige des investissements dès maintenant dans les frameworks de gouvernance computationnelle, les protocoles d'arrêt sûr et l'alignement de valeurs pour systèmes à optimisation récursive auto-améliorante.
Architectures hybrides combinant l'inférence probabiliste bayésienne avec des modules de raisonnement symbolique différentiable. Focus sur le program synthesis, la résolution de contraintes par gradient et l'abstraction hiérarchique de concepts via l'apprentissage de bibliothèques de primitives (DreamCoder, λ-calcul neuronal).
Systèmes multi-agents à planification hiérarchique avec décomposition de tâches via chain-of-thought, tool use dynamique et mémoire de travail à attention sparse. Exploration des architectures cognitive scaffolding où les agents construisent et révisent leurs propres heuristiques de décision par méta-apprentissage.
Recherche en décomposition de features par sparse autoencoders, cartographie des circuits d'induction dans les transformers, détection de mesa-optimiseurs via analyse des gradients internes et protocoles de red-teaming automatisé pour systèmes à capacités émergentes non anticipées.
Architectures apprenant des représentations compressées du monde physique par prédiction auto-supervisée. Video prediction models, modèles de physique intuitive, simulation mentale via latent diffusion et imagination planning dans des espaces latents structurés (JEPA de Yann LeCun, Genie).
Infrastructure pour l'entraînement de modèles frontier : parallélisme tensor/pipeline/expert, quantization mixed-precision (FP8/INT4), architecture mixture-of-experts à routage conditionnel, compilateurs ML (XLA, Triton) et fabrics de communication à faible latence pour clusters multi-datacenter.
Systèmes d'encodage unifié cross-modal par contrastive learning (CLIP, ImageBind) étendu à la proprioception, l'haptique et le flux vestibulaire. L'hypothèse du symbol grounding problem résolue par embodied AI et interaction active avec l'environnement physique via sim-to-real transfer.
Le critère le plus important : des fondateurs exceptionnels.
Une avancée technique non-incrémentale sur le chemin vers l'AGI.
Une feuille de route crédible vers des systèmes à capacité cognitive générale.
Nous investissons tôt auprès des équipes qui allient avance technique, ambition commerciale et discipline d'exécution. Infrastructure, modèles, agents, sécurité et outillage de production : si la technologie crée un avantage durable, le sujet nous intéresse.