Mira Murati a quitté OpenAI fin 2024, alors que l'entreprise était à son apogée avant son introduction en bourse. En tant que directrice technique, elle a emmené avec elle un groupe d'ingénieurs clés.
Beaucoup pensaient qu'elle créerait un autre modèle de langage pour concurrencer GPT.
Au lieu de cela, elle a créé Tinker.
Que fait réellement Thinking Machines Lab ?
En termes simples : Tinker est une API qui permet aux développeurs d'ajouter des "correctifs de capacité" à n'importe quel grand modèle open source.
Vous voulez que Llama 4 écrive mieux en Python ? Fournissez à Tinker un ensemble de données étiquetées, et il utilisera l'apprentissage par renforcement pour affiner ce modèle en une version "experte en Python". Vous n'avez pas besoin de maintenir votre propre cluster GPU, ni de construire un pipeline d'entraînement – il suffit d'appeler l'API.
L'idée du produit est similaire à l'API de fine-tuning d'OpenAI, mais la base est différente – le cœur de Tinker est le réglage fin basé sur l'apprentissage par renforcement (RL), et non le réglage fin supervisé classique. Le réglage fin par RL est plus difficile à contrôler que le SFT, mais il est nettement plus efficace pour certaines tâches. DeepSeek a amélioré ses capacités de raisonnement en utilisant exactement cette voie.
Le scientifique en chef de Thinking Machines est John Schulman – l'un des auteurs de l'algorithme PPO et le principal concepteur du cadre d'entraînement RL précoce d'OpenAI. On peut dire qu'ils ont recruté la personne qui connaît le mieux l'apprentissage par renforcement.
Les deux autres : le CTO est Soumith Chintala, le fondateur de PyTorch ; la PDG est Mira Murati elle-même. Ces trois personnes forment une combinaison rare : framework de modèle + théorie du RL + intuition produit.
L'accord avec Google
Le 22 avril, lors de la conférence Google Cloud Next à Las Vegas, Thinking Machines Lab et Google Cloud ont annoncé un nouveau contrat.
Échelle : plusieurs milliards de dollars (reportage exclusif de TechCrunch ; une source informée l'a décrit comme "plusieurs milliards de dollars à un chiffre", le montant exact n'a pas été divulgué).
Contenu du contrat :
- Matériel : Systèmes Nvidia GB300 NVL72 – de grands racks refroidis par liquide avec 72 GPU par groupe, vitesse d'entraînement et de service 2 fois supérieure à la génération précédente
- Réseau : Architecture réseau Jupiter, développée par Google, spécialisée pour le transfert de poids entre GPU
- Services logiciels : Kubernetes Engine, base de données Spanner, Cloud Storage (avec Anywhere Cache)
- Machines virtuelles : Instances A4X Max, chacune équipée de quatre GPU Nvidia Blackwell Ultra, 72 cœurs CPU, 37 To de mémoire
Pourquoi le réglage fin par RL nécessite-t-il ce niveau de puissance de calcul ? Le chercheur fondateur Myle Ott a expliqué le goulot d'étranglement central :
"À chaque itération d'entraînement, les poids doivent être synchronisés des milliers de fois entre des milliers de GPU. Si la bande passante d'interconnexion est insuffisante, l'efficacité de l'entraînement s'effondre immédiatement."
Ce n'est pas un déploiement d'inférence ordinaire, c'est une tâche d'entraînement intensive en calcul. L'évaluation de Myle Ott :
"Google Cloud nous a permis de fonctionner à une vitesse record, avec une fiabilité qui répond entièrement à nos exigences."
Détails contextuels
Date de création de Thinking Machines : il y a environ 14 mois, début 2025.
Levée de fonds : Juillet 2025, finalisation d'un tour de table seed de 2 milliards de dollars, avec une valorisation de 12 milliards de dollars. Un tour seed de 2 milliards est extrêmement rare dans toute l'industrie technologique, montrant que la confiance des investisseurs dans l'équipe dépasse le jugement conventionnel.
Situation de l'équipe : Plus de 130 personnes. Mais elle fait face à un défi – Meta a déjà débauché 7 membres fondateurs de Thinking Machines, dont l'ingénieur principal de Tinker. Ce niveau de fuite des talents n'est pas négligeable dans l'industrie de l'IA.
L'accord avec Nvidia : En mars de cette année, Thinking Machines a conclu un autre accord avec Nvidia – l'achat de systèmes GPU Vera Rubin d'une puissance supérieure à 1 gigawatt ; Nvidia a également investi directement. En termes de puissance de calcul, ils parient à la fois sur Google et sur Nvidia.
Le contrat n'est pas exclusif : Ils peuvent continuer à utiliser d'autres fournisseurs de cloud. Mais obtenir un accès précoce au premier lot de GB300 de Google montre que Google courtise activement ce laboratoire.
D'ailleurs, lors de ce Google Cloud Next, Google a également annoncé de nouveaux contrats avec Anthropic et Meta – plusieurs laboratoires de premier plan ont été verrouillés en une seule fois, un mouvement clair de Google Cloud pour conquérir le marché du calcul IA.
Pourquoi cette voie est intéressante
L'industrie de l'IA a actuellement deux axes principaux qui divergent :
L'un consiste à continuer à accumuler des capacités générales – entraîner des modèles plus grands, poursuivre les grands benchmarks.
L'autre est le réglage fin vertical – prendre des modèles open source existants, les renforcer pour des tâches spécifiques et les livrer aux entreprises. Thinking Machines suit la deuxième voie.
La logique commerciale est la suivante : la plupart des entreprises n'ont pas besoin de GPT-5 ; elles ont besoin "d'un modèle capable de traiter avec précision nos documents contractuels" ou "d'un assistant IA capable de passer nos normes internes de révision de code". La personnalisation est plus convaincante que la généralité, en particulier dans les secteurs ayant des exigences élevées en matière de sécurité des données.
Si Tinker parvient à maîtriser la voie du réglage fin par RL, il pourrait devenir la véritable couche de base dans la pile technologique IA des entreprises – discret, mais difficile à contourner.
Une entreprise de 14 mois, avec un contrat de cloud computing de plusieurs milliards de dollars de Google, un scientifique en chef qui est une figure centrale dans le domaine du RL. Ce qu'ils publieront ensuite mérite d'être suivi.
Sources de référence : Exclusive: Google deepens Thinking Machines Lab ties with new multibillion-dollar deal (TechCrunch) ; Google Cloud inks AI infrastructure deal with Thinking Machines (SiliconAngle) ; CocoLoop, Thinking Machines Signs Multi-Billion Google GB300 Deal (Implicator.ai)