Pendant des décennies, le débat sur l'IA a été posé comme symbolique contre non-symbolique. Nous pensons que ce cadre était limité. Les vrais axes sont ailleurs : un espace de solutions doit-il être différentiable pour être exploré, et l'apprentissage est-il l'absorption passive de données ou l'interaction active avec un monde. Ces deux axes organisent tout ce sur quoi ce laboratoire travaille, et tout ce que le studio livre.
Comme nous l'avons soutenu, avant l'ère des LLMLa contrainte limitante de l'apprentissage profond n'a jamais été son rejet des symboles, qui émergent dans l'espace latent. C'est l'exigence que l'espace des solutions soit différentiable. Les espaces de programmes sont discrets, compositionnels et hiérarchiques, et ils se prêtent à la recherche évolutionniste : une descente sans gradient.
Construit, aujourd'huiLes agents qui écrivent et exécutent du code sont la forme la plus aboutie de cette position. Un 'harness' définit un espace de recherche sur les programmes, et la qualité de cet espace, ses outils, ses retours, son élagage, décide de ce que l'agent peut trouver.
Pour vos systèmes, la conception du 'harness' est de l'ingénierie, pas du folklore de prompt.
Comme nous l'avons soutenu, avant l'ère des LLMLa compétence de niveau humain ne se distille pas à partir des seules données. Les nourrissons agissent pour produire leurs propres données, observent des liens de cause à effet et testent des hypothèses, apprenant par une interaction structurée. La couche sémantique n'est pas dans les données ; elle est dans le processus de leur acquisition.
Construit, aujourd'huiL'ère agentique l'a démontré. Ingénierie du contexte, boucles d'outils et protocoles avec l'humain dans la boucle : ce qui rend un système moderne compétent, c'est la structure de ses interactions, pas seulement la taille de son corpus.
Pour vos systèmes, nous concevons le processus d'acquisition, pas seulement l'appel au modèle.
Comme nous l'avons soutenu, avant l'ère des LLMLe sens est la structure interne qui se forme lorsqu'un agent catégorise ses interactions avec le monde. Le langage est une convention négociée pour sérialiser cette structure entre agents.
Construit, aujourd'huiLes modèles multimodaux, les modèles de monde et les agents outillés réduisent l'écart entre le texte et le monde. Les systèmes qui agissent sur des environnements réels ont besoin de représentations qui survivent au contact de ceux-ci.
Pour vos systèmes, nous bâtissons autour d'un état vérifiable, pas seulement d'une sortie fluide.
Comme nous l'avons soutenu, avant l'ère des LLMLa mise à l'échelle ne suffit pas. Les réseaux de neurones excellent en perception et en prédiction ; les méthodes algorithmiques et formelles sont souvent plus efficaces, plus générales et plus explicables pour le reste. Les systèmes sérieux les combinent.
Construit, aujourd'huiLa pile agentique moderne est exactement cet hybride : un noyau de modèle entouré de planificateurs, de mémoires, de vérificateurs et d'infrastructure classique. Un modèle seul n'est pas un système.
Pour vos systèmes, nous concevons l'assemblage tout entier, pas seulement le modèle.
Ces positions sont antérieures à l'ère des LLM et ont été défendues publiquement, par écrit. Le programme est exposé dans le livre blanc de recherche, et l'histoire qui le sous-tend se poursuit sur la page de l'équipe.
Lire le livre blanc (PDF)