Logical Intelligence obtient un score de 76 % à l’indice de référence Putnam, soulignant le passage des grands modèles de langage à des modèles sans langage fondés sur les mathématiques
Au cours de la dernière décennie, l’intelligence artificielle (IA) s’est largement développée autour des grands modèles de langage (LLM). Ces systèmes sont basés sur un langage et devinent les mots d’une chaîne sous forme de tokens (unités lexicales). Ils commettent donc souvent des erreurs et nécessitent des infrastructures informatiques et énergétiques considérables pour accomplir des tâches. Lorsque des systèmes de sécurité publique, des infrastructures nationales ou des systèmes d’automatisation industrielle requièrent de la logique, les LLM se révèlent inefficaces et présentent des risques pour la sécurité. Les modèles indépendants du langage et sans tokens marquent une nouvelle orientation pour l’IA. Ils ne prédisent pas les mots. Ils recherchent les solutions correctes et nécessitent moins de calculs. Logical Intelligence est la première entreprise à se baser exclusivement sur un raisonnement EBM (Energy Based Model ou modèle à base d’énergie) non autorégressif dérivé mathématiquement.
Aujourd’hui, Logical Intelligence a annoncé que son outil Aleph avait obtenu un score de 76 % à l’indice de référence Putnam (Putnam Benchmark), l’un des tests de raisonnement mathématique les plus exigeants dans le domaine de l’intelligence artificielle. Cet indice évalue la capacité d’un modèle à résoudre des problèmes mathématiques formels en produisant des preuves vérifiées, plutôt que de s’appuyer sur la génération de texte. Bien qu’Aleph soit un outil interne construit au-dessus d’un LLM, ses performances le placent devant tous les LLM évalués publiquement et les systèmes EBM hybrides qui dépendent encore d’un échafaudage LLM. Ces résultats indiquent clairement que les architectures EBM natives sont la voie à suivre pour développer une IA fiable.
« Nous avons développé Aleph comme un outil interne visant à tester la rigueur mathématique de l’environnement que nous créons, et non pour en faire notre modèle de base », a déclaré Eve Bodnia, fondatrice et directrice générale de Logical Intelligence. « Les performances d’Aleph prouvent que nos fondations sont solides, même si Aleph lui-même a été développé au-dessus d’un LLM. Cet outil ne représente qu’une fraction de ce que nous attendons de la part de notre modèle de base. »
Pourquoi Logical Intelligence utilise les EBM plutôt que les LLM
La plupart des systèmes d’IA raisonnent de la même manière qu’ils écrivent : un mot à la fois. Cela produit de longues chaînes de tokens fragiles, susceptibles de s’effondrer à la moindre erreur. Le modèle ne reçoit une « note finale » qu’à la fin de la chaîne, sans qu’il soit possible de déterminer où le raisonnement a échoué. Cette méthode rend les LLM imprévisibles et inadaptés aux environnements qui exigent une exactitude absolue.
Logical Intelligence utilise les EBM, car ceux-ci fonctionnent selon un principe différent. Un EBM ne raisonne pas en mots. Il raisonne en états mathématiques continus façonnés par la structure du problème. Au lieu de produire du texte mot à mot, le modèle met à jour l’ensemble de son état interne en une seule fois. Cela lui permet de corriger son parcours, d’explorer des alternatives et de converger vers des réponses stables et vérifiables. Le système se comporte davantage comme un mathématicien expérimenté que comme un moteur de texte prédictif.
Les EBM sont appelés à devenir la colonne vertébrale des systèmes pour lesquels l’incertitude est inacceptable. Cela concerne notamment les domaines des véhicules véritablement autonomes, de l’aviation de pointe, de la fabrication automatisée, des réseaux électriques, des systèmes de défense, de la robotique autonome, de la conception de puces et des infrastructures nationales. Tout environnement qui dépend de la logique et dont le comportement est à chaque fois identique nécessitera le type de raisonnement déterministe que les EBM peuvent fournir.
« Si vous avez besoin de certitude, vous ne pouvez pas vous fier à la prédiction des mots », a poursuivi Eve Bodnia. « Il est nécessaire de disposer d’un système qui fonctionne à travers la structure d’un problème. Les EBM nous fournissent les bases pour y parvenir. »
Pourquoi Aleph est important
Aleph a été créé dans un seul but. Cet outil convertit les problèmes mathématiques en énoncés formels et génère des preuves pouvant être vérifiées par une machine. Il permet ainsi aux chercheurs de vérifier qu’une réponse est mathématiquement correcte. Même en tant qu’outil interne construit au-dessus d’un LLM, la capacité d’Aleph à générer de grandes quantités de preuves vérifiables constitue une avancée significative. La plupart des systèmes d’IA peuvent décrire les mathématiques, mais très peu sont capables de prouver quoi que ce soit.
« Aleph nous apporte un niveau de certitude inédit dans le domaine de l’IA aujourd’hui », a ajouté Mme Bodnia. « Il constitue le premier signe de ce qu’il est possible de réaliser lorsque l’on construit des systèmes autour de vérités mathématiques. »
Logical Intelligence travaille actuellement avec un petit groupe d’organisations pour tester les premières applications d’Aleph dans des environnements contrôlés au sein d’industries verticales clés. Ces projets pilotes ont été conçus pour explorer comment la vérification mathématique peut soutenir des systèmes réels.
En 2026, Logical Intelligence lancera son modèle polyvalent doté d’un raisonnement formel vérifiable par machine. Ce système ira bien au-delà d’Aleph et montrera comment le raisonnement mathématique peut prendre en charge des environnements complexes et hautement sécurisés à grande échelle. L’entreprise dévoilera comment son approche est en mesure de répondre aux besoins de secteurs où une logique parfaite est requise.
« Aleph est notre première étape importante », a conclu Mme Bodnia. « Le système complet sera opérationnel en 2026. »
Pour plus d’informations et pour lire le livre blanc sur Aleph, rendez-vous sur www.logicalintelligence.com/aleph-prover.html.
À propos de Logical Intelligence
Logical Intelligence est une société de recherche en intelligence artificielle qui développe les premiers modèles à base d’énergie (Energy Based Models, EBM) entièrement indépendants du langage et fondés sur les mathématiques. Ces systèmes diffèrent des approches LLM et EBM hybrides, car ils raisonnent directement dans un espace d’état structuré et génèrent des preuves dont l’exactitude peut être vérifiée. Logical Intelligence conçoit des modèles visant à soutenir les infrastructures critiques, l’automatisation avancée et l’informatique haute fiabilité. Son équipe est composée de chercheurs titulaires de diplômes supérieurs en mathématiques et en informatique, de médaillés de l’ICPC et de l’IMC, de contributeurs à des systèmes de preuve majeurs, d’un médaillé Fields, ainsi que d’un lauréat du prix Turing qui guide l’orientation scientifique à long terme de l’entreprise. Pour plus d’informations, rendez-vous sur www.logicalintelligence.com. Vous pouvez également nous suivre sur X (@logic_int) et suivre le compte de notre fondatrice et directrice générale (@EveLovesOlive).
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20251202786650/fr/