Sakana AI est une entreprise japonaise de recherche en intelligence artificielle installée à Tokyo. Son approche consiste à s’inspirer des systèmes naturels, notamment de l’évolution et des comportements collectifs, pour concevoir des modèles et des méthodes d’apprentissage. Plutôt que de miser uniquement sur l’augmentation de la taille des réseaux neuronaux, elle explore la manière de combiner, d’adapter et de faire coopérer des briques existantes. Son nom, qui signifie « poisson » en japonais, renvoie à cette inspiration biologique.
Une équipe internationale ancrée au Japon
Sakana AI a été fondée en 2023 par David Ha, Llion Jones et Ren Ito. Les deux premiers viennent de la recherche en IA : David Ha a notamment travaillé chez Google et Stability AI, tandis que Llion Jones est l’un des coauteurs de l’article ayant introduit l’architecture Transformer, devenue centrale dans les grands modèles de langage. Ren Ito apporte une expérience de diplomate et de dirigeant d’entreprise.
Le choix de Tokyo constitue un élément important de son positionnement. Sakana AI entend développer un laboratoire de recherche international depuis le Japon, en lien avec les besoins et les ressources de son écosystème économique. L’entreprise a attiré des investisseurs internationaux et japonais ; Nvidia a notamment participé à son financement en 2024. Cet ancrage lui permet de se distinguer dans un secteur largement structuré autour des acteurs américains et chinois.
Combiner les modèles et outiller la recherche
Parmi ses travaux figurent les méthodes de fusion évolutive de modèles. Le principe est d’utiliser des algorithmes inspirés de la sélection naturelle pour rechercher des combinaisons de modèles déjà entraînés. Cette démarche vise à obtenir de nouvelles capacités sans repartir systématiquement d’un entraînement complet. Sakana AI l’a notamment illustrée avec des modèles adaptés au japonais et des systèmes associant compréhension du texte et de l’image.
L’entreprise explore également l’automatisation du travail scientifique. Présenté en 2024 avec des partenaires universitaires, son projet The AI Scientist cherche à enchaîner plusieurs étapes d’une recherche en apprentissage automatique : formulation d’idées, écriture de code, expérimentation et rédaction d’un article. Il s’agit d’un programme de recherche, et non d’une garantie de découverte fiable. La validité des expériences, l’originalité des résultats et la qualité des évaluations restent des points à vérifier.
Et maintenant ?
Pour Sakana AI, l’enjeu est de transformer ces pistes expérimentales en outils robustes et utiles. Les approches évolutives pourraient faciliter l’adaptation de modèles à des langues, à des métiers ou à des contraintes de calcul spécifiques. Leur intérêt devra toutefois être établi par des comparaisons reproductibles portant sur les performances, les coûts et la fiabilité.
L’automatisation scientifique ouvre, elle aussi, des perspectives, mais demande une supervision humaine et des mécanismes de contrôle solides. La trajectoire de l’entreprise dépendra donc autant de ses résultats de recherche que de sa capacité à les traduire en usages concrets, sans confondre production automatisée et connaissance validée.