Jeudi 31 Juillet 2025
La jeune start-up basée à Singapour, Sapient Intelligence, s'est fixé l'objectif ambitieux d'atteindre ce que beaucoup perçoivent comme la quête ultime en IA : l'Intelligence Artificielle Générale (IAG). Afin de concrétiser cette vision, elle mise sur une architecture fondamentalement nouvelle : le Hierarchical Reasoning Model (HRM). Ce modèle parvient à surpasser des LLMs (Large Language Models) bien plus importants, tels que OpenAI o3-mini, Claude 3.7 8K ou DeepSeek R1, dans des épreuves de raisonnement considérées comme complexes, et ce, avec seulement 27 millions de paramètres et environ 1 000 exemples pour l'apprentissage, sans aucun pré-entraînement.
L'équipe de Sapient Intelligence est composée d'anciens employés de Google DeepMind, DeepSeek, Anthropic et xAI, ainsi que de chercheurs issus d'universités prestigieuses. L'architecture qu'ils ont élaborée, qui s'inspire du mode de traitement de l'information du cerveau humain, est fondée sur une structure hiérarchique et une gestion des échelles temporelles multiples.
Une architecture d'inspiration biologique
Contrairement aux grands modèles de langage (LLM), qui s'appuient principalement sur l'incitation par chaîne de pensée (CoT), une méthode qui peut entraîner une décomposition fragile des tâches, le modèle HRM propose une approche radicalement différente.
Le modèle repose sur une architecture hiérarchique à deux niveaux : un réseau récurrent de haut niveau prend en charge la planification abstraite et lente, tandis qu'un second réseau, de bas niveau, gère l'exécution rapide et détaillée.
Cette organisation lui permet de naviguer entre un raisonnement rapide et intuitif et une analyse lente et délibérée, le tout en une seule passe de calcul.
Crédit Sapiens. HRM possède deux réseaux récurrents qui opèrent à des échelles de temps distinctes afin de résoudre des tâches complexes de manière collaborative.
Guan Wang, le fondateur et PDG de Sapient Intelligence, explique :
"L'IAG consiste véritablement à doter les machines d'une intelligence comparable à celle de l'être humain, voire supérieure. Le CoT permet aux modèles d'imiter le raisonnement humain en jouant sur les probabilités, mais ce n'est qu'une solution de contournement. Chez Sapient, nous repartons de zéro avec une architecture inspirée du cerveau, car la nature a déjà consacré des milliards d'années à son perfectionnement. Notre modèle pense et raisonne comme une personne, et ne se contente pas d'analyser les probabilités pour obtenir des résultats. Nous sommes convaincus qu'elle atteindra, puis dépassera, l'intelligence humaine, et c'est à ce moment-là que la discussion autour de l'AGI deviendra concrète".
Performances
Malgré sa taille modeste, HRM surpasse des modèles comme OpenAI o3-mini, Claude 3.7 8K ou DeepSeek R1 dans des tâches reconnues comme particulièrement difficiles.
Il atteint notamment un score de 5 % sur la version 2 d'ARC-AGI (Abstraction and Reasoning Corpus), l'un des benchmarks les plus exigeants pour l'intelligence inductive. Dans les puzzles Sudoku complexes et la recherche du chemin optimal dans des labyrinthes de 30x30, il est le seul à réussir.
Quels usages concrets ?
L'efficacité du raisonnement du modèle et sa faible dépendance aux données ouvrent des perspectives dans des domaines où les ensembles de données importants sont limités, mais où la précision et l'interprétabilité sont cruciales.
Les applications envisagées par Sapient Intelligence concernent par exemple le domaine de la santé, où il est testé pour faciliter le diagnostic des maladies rares. Concernant les prévisions climatiques saisonnières, l'équipe annonce des taux de précision de 97 %. Grâce à sa faible demande en ressources de calcul, HRM peut être intégré à des robots opérant en temps réel, dans des environnements dynamiques.
Le code source est disponible sur GitHub à l'adresse https://github.com/sapientinc/HRM.
