Imaginez un instant : pendant que la majorité des géants de la tech dépensent des milliards pour construire des data centers toujours plus grands et consommer toujours plus d’énergie, une nouvelle équipe décide de prendre le contre-pied. Elle parie sur la recherche pure, sur des percées qui pourraient arriver dans 5, 7 ou même 10 ans. C’est exactement ce que propose Flapping Airplanes, un laboratoire d’intelligence artificielle tout juste lancé qui a déjà attiré 180 millions de dollars en seed funding. Dans un monde obsédé par la course au scaling, ce positionnement radical intrigue et donne de l’espoir à tous ceux qui croient encore que l’innovation ne se résume pas à empiler plus de GPU.

Le 29 janvier 2026, l’annonce est tombée comme un petit pavé dans la mare de l’IA : un nouveau player arrive avec une vision différente. Pas de promesses d’AGI dans 18 mois, pas de cluster de 100 000 H100 flambant neufs comme argument principal. Ici, on parle de science, de patience et d’exploration de voies alternatives. Pour les entrepreneurs, marketeurs et investisseurs qui suivent de près l’évolution de l’IA, cette nouvelle mérite qu’on s’y attarde longuement.

Qui se cache derrière Flapping Airplanes ?

Derrière ce nom poétique – qui évoque les premiers rêves d’aviation humaine bien avant les avions à réaction – se trouve une équipe de chercheurs et d’ingénieurs parmi les plus respectés du domaine. Si les noms précis des fondateurs n’ont pas tous été révélés dans l’annonce initiale, on sait déjà que plusieurs profils ont travaillé sur des avancées majeures dans les architectures de transformers, les méthodes d’apprentissage auto-supervisé et les approches d’optimisation énergétique des modèles.

Le trio d’investisseurs qui mène la ronde est tout sauf anodin : Google Ventures, Sequoia Capital et Index Ventures. Ce sont trois des fonds les plus influents et les plus sélectifs de la Silicon Valley. Leur présence simultanée sur un tour de seed de cette taille envoie un message clair : même les plus gros joueurs commencent à douter que la voie actuelle – scaling à outrance – soit la seule ni la meilleure.

« The scaling paradigm argues for dedicating a huge amount of society’s resources […] toward scaling up today’s LLMs, in the hopes that this will lead to AGI. The research paradigm argues that we are 2-3 research breakthroughs away from an “AGI” intelligence […] »

– David Cahn, Partner chez Sequoia Capital

Cette citation extraite du post de David Cahn résume parfaitement le clivage qui est en train de se dessiner au sein de l’écosystème IA. D’un côté, les maximalistes du compute qui misent tout sur la loi de scaling (plus de données + plus de calcul = plus d’intelligence). De l’autre, ceux qui pensent que nous approchons des rendements décroissants et qu’il faut maintenant chercher des sauts qualitatifs via de nouvelles idées fondamentales.

Scaling vs Recherche : deux philosophies qui s’opposent

Depuis 2022 et l’explosion de ChatGPT, l’industrie de l’IA a suivi une trajectoire presque unique : plus, toujours plus. Plus de paramètres, plus de tokens, plus de FLOPs, plus d’électricité, plus d’investissement. Les résultats ont été impressionnants, mais le coût marginal de chaque amélioration suivante explose littéralement.

Les acteurs dominants (OpenAI, Anthropic, Google DeepMind, xAI, Meta AI…) ont tous adopté cette stratégie. Résultat : les clusters de calcul atteignent des tailles jamais vues et les factures énergétiques font grincer des dents les actionnaires et les écologistes.

Face à cela, Flapping Airplanes propose une alternative : plutôt que de continuer à suivre la même courbe de scaling, investir massivement dans des projets de recherche qui ont peu de chances de succès à court terme mais qui pourraient changer la donne sur le long terme. C’est un pari risqué, mais cohérent avec l’histoire des grandes percées technologiques.

• Le transistor n’est pas né d’une optimisation de tube à vide
• Internet n’est pas l’amélioration incrémentale du Minitel
• Le deep learning n’est pas arrivé en augmentant la taille des perceptrons multicouches des années 80

Dans chaque cas, c’est une rupture conceptuelle qui a créé l’ordre de grandeur suivant. Flapping Airplanes veut recréer les conditions pour que cette rupture arrive à nouveau dans le domaine de l’IA.

Pourquoi ce positionnement est stratégique en 2026

En février 2026, plusieurs signaux montrent que la bulle du scaling commence à montrer des fissures :

• Les coûts d’entraînement des modèles frontier dépassent régulièrement les 100-500 millions de dollars
• Les gains de performance par ordre de grandeur de calcul diminuent sensiblement depuis GPT-4
• Les questions énergétiques et géopolitiques autour des semi-conducteurs (Taiwan, restrictions chinoises) deviennent critiques
• Les investisseurs institutionnels commencent à demander des chemins clairs vers la rentabilité

Dans ce contexte, miser sur la recherche fondamentale redevient attractif. Non pas parce que c’est forcément plus facile ou moins cher, mais parce que c’est potentiellement asymétrique : une seule percée peut rendre obsolètes des dizaines de milliards investis dans le scaling pur.

Pour les startups et les entreprises qui utilisent l’IA au quotidien (marketing automation, génération de contenu, personnalisation client, analyse prédictive…), ce virage pourrait avoir des conséquences concrètes majeures. Si une nouvelle architecture ou une nouvelle méthode d’apprentissage divise par 10 ou 100 le besoin en compute pour atteindre le même niveau de performance, cela démocratise énormément l’accès à des modèles puissants.

Quels types de recherches pourraient changer la donne ?

Même si Flapping Airplanes reste discret sur son roadmap précis (classique en phase de seed), plusieurs directions de recherche semblent logiquement alignées avec leur philosophie :

• Apprentissage avec très peu de données (few-shot to zero-shot extrême, voire one-shot learning robuste)
• Architectures alternatives aux transformers (Mamba, RWKV, hybridation avec des systèmes symboliques, state-space models avancés)
• Entraînement auto-supervisé de nouvelle génération qui ne repose plus uniquement sur la prédiction du token suivant
• Compression et distillation extrêmes pour obtenir des performances frontier avec 10× ou 100× moins de paramètres
• Intégration neurosymbolique ou hybridation IA + recherche opérationnelle / programmation logique
• Apprentissage continu et lifelong learning sans catastrophic forgetting

Chacune de ces pistes, si elle aboutit, pourrait complètement bouleverser l’économie de l’IA : moins de dépendance aux hyperscalers, modèles déployables sur edge devices, coûts d’inférence divisés, empreinte carbone réduite, etc.

Les implications pour les entrepreneurs et marketeurs

Si vous dirigez une startup SaaS, une agence de growth ou une marque qui utilise déjà l’IA dans sa stack marketing, voici pourquoi vous devriez garder un œil attentif sur ce type d’initiatives :

• Dans 3-5 ans, les meilleurs outils IA pourraient ne plus être ceux qui ont le plus gros cluster, mais ceux qui ont trouvé la meilleure architecture ou le meilleur algorithme
• Les barrières à l’entrée pourraient se déplacer : moins de capital nécessaire pour entraîner un modèle compétitif, donc plus de place pour les petits acteurs innovants
• Les usages marketing (copywriting, génération visuelle, segmentation client, prédiction churn, personnalisation à grande échelle) deviendraient encore plus performants et moins chers
• Une diversification des fournisseurs d’IA réduirait la dépendance à quelques acteurs américains ultra-dominants

En parallèle, les entreprises qui auront su anticiper ce virage recherche pourront se positionner comme early adopters des futures technologies disruptives, créant un avantage compétitif durable.

Les risques et les critiques possibles

Personne ne prétend que cette approche est sans risque. Voici les principaux points soulevés par les sceptiques :

• Le scaling a fonctionné de manière spectaculaire depuis 2018 – pourquoi arrêter maintenant ?
• La recherche fondamentale est par nature incertaine ; beaucoup d’argent peut être dépensé sans résultat concret pendant des années
• Les meilleurs chercheurs sont déjà chez les gros acteurs qui offrent salaires + compute illimités
• Le marché actuel récompense les résultats rapides et mesurables (benchmarks, demos virales) bien plus que les paris long terme

Ces critiques sont légitimes. C’est précisément pourquoi le soutien de Sequoia, GV et Index est si important : ces fonds ont l’habitude d’accompagner des paris contrariants qui finissent par redéfinir des industries entières.

Et si Flapping Airplanes avait raison ?

Revenons à l’analogie de l’avion à réaction. Les premiers avions étaient des machines à battements d’ailes inspirées des oiseaux (les ornithoptères). Ils ont tous échoué ou presque. Puis les frères Wright ont compris que le secret n’était pas d’imiter les battements, mais de créer de la portance via un profil d’aile fixe et un moteur suffisant.

Peut-être que nous sommes aujourd’hui dans une phase similaire avec les grands modèles de langage : nous avons construit des machines impressionnantes qui « battent des ailes » (prédiction de tokens à très grande échelle), mais la vraie percée vers l’intelligence générale pourrait nécessiter un changement radical de paradigme.

Flapping Airplanes ne dit pas que le scaling est inutile. Elle dit simplement qu’il ne suffit peut-être plus, et qu’il est temps de financer massivement les voies alternatives. Dans un paysage où presque tous les acteurs suivent la même stratégie, cette dissidence est salutaire.

Conclusion : un signal fort pour l’écosystème

Que Flapping Airplanes réussisse ou non, son lancement en 2026 marque un tournant. Il officialise l’apparition d’un courant alternatif crédible et bien financé dans la recherche IA. Pour les entrepreneurs tech, les marketeurs qui utilisent l’IA, les investisseurs deep tech et tous ceux qui pensent que l’intelligence artificielle va transformer le business dans les prochaines années, c’est une excellente nouvelle.

Parce que plus il y aura de chemins explorés, plus vite nous trouverons celui qui mène vraiment à l’AGI – ou du moins à la prochaine génération d’outils IA qui rendront les 10-20 prochaines années incroyablement excitantes pour le marketing, les startups et l’économie dans son ensemble.

À suivre de très près.

MondeTech.fr

See Full Bio