Recherche & innovation

Des programmes de R&D menés de façon autonome. Ils sont présentés sans code ni date de disponibilité promise, et ne constituent pas une offre commerciale en l'état.

R01 Recherche

Menterias

Exécution locale de modèles de langage volumineux.

Objectif: Permettre l'exécution de modèles de langage volumineux sur du matériel local maîtrisé.
Problème technique: Les modèles volumineux dépassent souvent la mémoire disponible (VRAM) d'une machine unique.
Approche: Recherche sur les échanges de poids entre SSD, RAM et VRAM, l'exploitation d'architectures Mixture-of-Experts et l'optimisation des ressources matérielles.
État d’avancement: Programme de R&D / prototype, non commercialisé à ce stade.

R02 Recherche

LEMMAx

Mémoire persistante et représentation des connaissances pour l’IA.

Objectif: Explorer une mémoire externe persistante permettant à un système d'IA d'accumuler des expériences, de relier des concepts et de consolider progressivement des connaissances.
Problème technique: Aller au-delà d'un simple historique de conversations ou de l'agrandissement de la fenêtre de contexte.
Approche: Capacités explorées autour d'une représentation structurée des connaissances, de leur consolidation progressive et de leur récupération en fonction du contexte. Les mécanismes internes ne sont pas divulgués.
État d’avancement: Projet de R&D, distinct de Continuum (mémoire susceptible de s'y intégrer).

R03 Recherche

Continuum

Architecture d’assistance intelligente locale.

Objectif: Étudier une architecture d'assistance intelligente locale intégrant plusieurs mécanismes complémentaires.
Problème technique: Coordonner contexte, mémoire, règles et composants spécialisés au sein d'un même système.
Approche: Travaux de haut niveau sur la gestion du contexte, une mémoire durable, des règles persistantes et la coordination de composants spécialisés.
État d’avancement: Programme de recherche, non annoncé comme produit disponible. Sans prétention d'intelligence générale ni d'autonomie illimitée.

R04 Recherche

GuidedRules

Règles persistantes, contrôle et alignement.

Objectif: Explorer un mécanisme de règles persistantes permettant d'encadrer le comportement d'un système d'IA de façon traçable et ajustable.
Problème technique: Garantir qu'un système composé de plusieurs agents et outils reste prévisible, contrôlable et conforme à des contraintes définies.
Approche: Capacités explorées autour de profils et contraintes adaptables, de limites de sécurité, du contrôle d'accès aux outils et de la traçabilité des décisions. Les mécanismes internes ne sont pas divulgués.
État d’avancement: Composant de recherche s'inscrivant dans le programme Continuum, non commercialisé à ce stade.

R05 Recherche

IDK

Gestion de l’incertitude et de l’exploration.

Objectif: Étudier la façon dont un système d'IA peut reconnaître les limites de ses connaissances et y répondre de manière appropriée.
Problème technique: Distinguer ce qui est connu, incertain ou inconnu, plutôt que de produire une réponse assurée en toutes circonstances.
Approche: Capacités explorées autour de la détection d'incertitude, de l'évaluation de la confiance, de la recherche d'informations complémentaires et de l'apprentissage à partir de l'inconnu. Les mécanismes internes ne sont pas divulgués.
État d’avancement: Composant de recherche s'inscrivant dans le programme Continuum, non commercialisé à ce stade.

Document d’information — certaines mentions doivent être complétées et validées juridiquement avant mise en ligne définitive.

Un projet, une idée, un partenariat de R&D ?

Décrivez votre besoin ou votre piste de recherche : nous revenons vers vous pour en discuter.

Discuter d’une collaboration