Aujourd’hui, Cohere a annoncé la clôture initiale de son tour de financement de série E visant jusqu’à 7 milliards de dollars canadiens, mené par Schwarz Group avec la participation de nouveaux investisseurs et d’investisseurs existants, dont Bell Ventures, Bullhound Capital, Inovia Capital, NVIDIA et Prosperity7 Ventures, ainsi que le gouvernement du Canada. Nous utiliserons ces fonds pour construire quelque chose d’essentiel en IA : une entreprise de pointe hors des États-Unis et de la Chine. Notre ambition est de créer des modèles de pointe capables de rivaliser avec les meilleurs au monde, une plateforme sécurisée permettant aux institutions de posséder l’IA qu’elles exploitent, et des cyberdéfenses sur lesquelles les démocraties peuvent compter. Nous n’avons pas à accepter un avenir où l’IA serait contrôlée par quelques acteurs seulement, et nous ne devrions pas le souhaiter.
D’ici quelques années, tous les hôpitaux de Bavière, toutes les banques de New York et toutes les agences d’Ottawa exploiteront une partie importante de leurs activités grâce à l’IA. Ils devraient pouvoir choisir des systèmes de pointe conçus selon des lois qu’ils jugent fiables, en utilisant une technologie qu’ils peuvent inspecter et adapter, déployer dans leurs propres environnements, et sur des plateformes sur lesquelles ils peuvent compter pour rester disponibles lorsque cela compte le plus. Aujourd’hui, de nombreuses organisations font face à un choix difficile : des modèles bon marché venant de Chine ou des modèles puissants qu’elles ne peuvent pas entièrement inspecter ou contrôler. Le marché a déjà fait son choix : plus de 70 % des jetons de modèles open source servis via OpenRouter provenaient de modèles chinois en début d’année, contre 3 % quatorze mois plus tôt.
Nous nous efforçons de changer cela.
Le besoin de choix et de contrôle n’est plus théorique. L’histoire récente a montré comment les technologies derrière les communications, l’énergie et les infrastructures de sécurité nationale peuvent finir par être contrôlées par des décisions prises ailleurs. L’accès peut changer du jour au lendemain en raison de décisions commerciales, de contrôles à l’exportation ou d’événements géopolitiques, souvent sans alternatives. Chaque situation est différente, mais la leçon est la même : les pays ont besoin d’un accès garanti aux technologies qui les maintiennent en sécurité, résilients et compétitifs. Alors que les gouvernements alliés prennent plus de responsabilités pour leur propre défense, leurs infrastructures et leurs capacités technologiques, l’IA doit figurer sur cette liste.
Pourquoi il ne faut pas céder au fatalisme de la frontière technologique
Lorsque le Canada et l’Allemagne ont lancé leur Alliance pour une technologie souveraine à Munich en début d’année, ils ont déclaré qu’ils « choisissaient de construire », et c’est exactement ce que nous souhaitons incarner. Pourtant, un consensus croissant affirme que la frontière de l’IA appartient à deux pays et à une poignée d’entreprises, et que tout le monde devrait se résigner à louer l’intelligence à celui qui gagnera. On entend des versions de cet argument dans les conseils d’administration, les agences gouvernementales et les comités d’investissement du monde démocratique, généralement de la part de personnes bien intentionnées. Ses défenseurs appellent cela du réalisme. Nous appelons cela du fatalisme de la frontière technologique.
Poussé à sa conclusion logique, le fatalisme de la frontière technologique est un plan de déclin géré. Il demande aux pays d’abandonner des capacités qu’ils ont mis des décennies à construire. Après avoir investi dans la recherche, les talents et l’innovation, ils connecteraient leurs économies, leurs services publics et leurs infrastructures de défense à des technologies qu’ils ne contrôlent pas, ne peuvent pas influencer de manière significative et auxquelles ils pourraient ne même pas avoir accès indéfiniment. Et on s’attendrait à ce qu’ils soient reconnaissants d’avoir un accès API.
Les fatalistes ont raison sur un point : il est difficile de construire à la frontière. Cela nécessite du capital, des capacités de calcul et des talents de recherche à une échelle que peu d'organisations peuvent rassembler. Là où ils ont tort, c'est de supposer qu'il n'existe qu'une seule façon de rivaliser.
Il existe de nombreuses frontières
Une grande partie de la confusion dans les discussions sur les modèles d'IA de pointe vient du fait que l'on parle de « la frontière » comme s'il s'agissait d'une seule et même chose. Mais il existe une multitude de frontières de domaine : la meilleure performance atteignable sur une classe spécifique de problèmes précieux, de la détection des vulnérabilités logicielles à l'analyse du renseignement dans des dizaines de langues, en passant par la gestion des travaux de conformité d'une banque. Les chercheurs de la Harvard Business School ont qualifié cette irrégularité de "frontière technologique dentelée." Dans de nombreux domaines, la réussite dépend non seulement du modèle lui-même, mais aussi du système qui l'entoure : la façon dont le contexte est assemblé, dont l'état est suivi, dont le raisonnement est vérifié et dont les résultats sont évalués. Cette réalité laisse de la place à davantage de constructeurs. Et il existe des dimensions de la frontière technologique dentelée où la propriété, plutôt que l'achat, est cruciale pour la souveraineté de chacun.
La preuve : la cybersécurité
La cybersécurité est l'une des frontières de domaine les plus importantes aujourd'hui. La version préliminaire d'Anthropic's Claude Mythos a démontré le potentiel des modèles avancés pour découvrir des vulnérabilités auparavant inconnues, tandis que Project Glasswing a étendu ce travail aux opérateurs d'infrastructures critiques dans plus de 15 pays. Ces avancées sont importantes. Mais elles se sont principalement produites à huis clos, l'accès étant limité à un petit groupe de partenaires selon des conditions fixées par un seul fournisseur, ce qui reflète la même concentration qui définit le paysage plus large de l'IA de pointe. Plus important encore, elles ne prouvent pas que le leadership en matière de cyberdéfense appartiendra exclusivement à l'entreprise qui construira le modèle à usage général le plus puissant.
AISLE, qui va bientôt nous rejoindre en tant que Cohere Cyber, offre une perspective différente. L'entreprise décrit la découverte de vulnérabilités comme une fonction de production avec deux entrées : l'intelligence par jeton et les jetons par dollar. Dans la pratique, cela signifie que la capacité du modèle n'est qu'une partie de l'équation. Un système bien conçu peut utiliser des modèles efficaces pour explorer davantage de possibilités, exécuter davantage de tests et valider davantage de résultats. L'intelligence brute compte, mais aussi la capacité à transformer cette intelligence en résultats.
Les preuves sont convaincantes. En août, le fondateur de curl Daniel Stenberg a signalé que Mythos, Codex Security d'OpenAI et ZeroPath n'avaient rien trouvé de plus dans son code. Le système d'AISLE a ensuite identifié 18 des 24 vulnérabilités corrigées dans la version d'octobre de curl. Une plateforme cyber spécialisée et un modèle à usage général ne sont pas directement comparables. Mais c'est précisément là le problème. Les organisations ne déploient pas de modèles isolés. Elles déploient des systèmes, des produits et des flux de travail. Ce qui compte en fin de compte, c'est la performance du système complet.
La cybersécurité offre également quelque chose d’unique et de précieux pour le développement de l’IA : la vérité de terrain. Les vulnérabilités suspectées peuvent être reproduites, validées par les responsables de la maintenance et testées contre les correctifs proposés. Cela fait de la cybersécurité non seulement un domaine critique en soi, mais aussi un environnement idéal pour améliorer les modèles qui la sous-tendent.
Comment les frontières s’enrichissent mutuellement
On pourrait s’attendre à ce qu’une entreprise axée sur des domaines spécifiques prenne du retard sur les modèles généraux, mais en pratique, le travail sur des domaines spécifiques est l’un des meilleurs moyens d’améliorer les modèles généraux. Travailler sur une frontière de domaine signifie rechercher les meilleurs résultats possibles pour un type de problème précieux, que cela nécessite un modèle spécialisé, un modèle général avec les bons outils et instructions, ou un système complet construit autour de plusieurs modèles.
Certaines des plus grandes avancées récentes dans le raisonnement des modèles proviennent de l’apprentissage par renforcement sur des domaines spécifiques où un ordinateur peut vérifier la réponse, par exemple si une preuve est valide, si un test est réussi ou si un bogue se reproduit. Les compétences acquises par les modèles dans ces domaines se transfèrent au-delà du domaine lui-même et dans des contextes connexes, entraînant des améliorations des modèles généraux en plus de celles spécifiques au domaine.
Travailler avec des clients sur des tâches réelles nous montre également où les modèles actuels sont déficients, de manière que les benchmarks publics ne capturent que rarement. Chaque échec nous indique ce que le prochain modèle doit faire mieux. Les clients nous indiquent également quelles capacités sont les plus importantes. Les clients du secteur public demandent généralement d’abord une analyse robuste dans de nombreuses langues et la capacité de lire des images et des documents en plus du texte, les mêmes capacités qu’une banque, un opérateur de télécommunication ou un hôpital attendent d’un agent IA.
Toutes ces améliorations sont réintégrées dans nos modèles généraux, et de meilleurs modèles généraux rendent tout ce que nous construisons sur eux plus performant. Ainsi, un client dans un domaine bénéficie de ce que nous avons appris dans un autre. C’est cette boucle qui nous pousse à travailler sur toutes ces frontières simultanément, et cette levée de fonds est conçue pour l’accélérer.
L’Europe l’a déjà fait
La question de savoir si un challenger peut affronter des géants établis de cette manière, avec une approche différente et des alliés travaillant à ses côtés, a déjà été résolue par l’Europe. Il y a un demi-siècle, la réponse est venue de l’aviation commerciale.
À la fin des années 1960, les fabricants américains dominaient le marché des avions de ligne à réaction. Les constructeurs aéronautiques européens étaient individuellement trop petits pour les défier. Le gouvernement britannique aretiré son financementdu projet qui est devenu Airbus en 1969. La France et l'Allemagne ont poursuivi. Airbus n'a pas commencé par égaler les avions de Boeing. Il a fait concurrence par une conception différente : l'A300, le premier gros-porteur bi-réacteur au monde. Le succès commercial a pris des années. Une percée est survenue lorsque Eastern Air Lines, dirigée par l'ancien commandant d'Apollo 8 Frank Borman, a accepté en 1977 detester quatre A300et a ensuite passé d'autres commandes. Une décennie plus tard, l'A320 a apportédes commandes de vol électriquesaux avions de ligne. En 2025, Airbus alivré 793 avionscontre 600 pour Boeing.
La leçon est qu'un marché apparemment établi peut être déplacé par un concurrent sérieux avec un investissement patient, une approche différenciée et des partenaires prêts à construire. Airbus construit des avions à Mobile, en Alabama, etdépense plus de 15 milliards de dollars par anauprès de plus de 2 000 fournisseurs américains. Son A220 acommencé sa vieen tant que C Series de Bombardier, conçu au Québec. Beaucoup de ses moteurs proviennent deCFM International, une coentreprise à parts égales entre GE et Safran de France dont le moteur LEAP équipe également le 737 MAX de Boeing. Rien de tout cela ne rend Airbus moins européen. La concurrence sur le fuselage et le partenariat sur le moteur ont renforcé les deux côtés de l'Atlantique.
C'est le modèle que nous avons en tête pour l'IA. Ce que nous construisons est une deuxième option pour le monde démocratique, et les États-Unis en bénéficient autant que le Canada, l'Allemagne et d'autres alliés. La frontière américaine ne devrait pas avoir à supporter seule la concurrence avec la Chine. Développer davantage de capacités de pointe dans le monde démocratique renforce l'ensemble de l'alliance.
Deux décennies de construction
Les bases de cette ambition existent déjà. L’IA a toujours été un projet international, et le Canada et l’Allemagne y ont largement contribué. En 2004, alors que les réseaux neuronaux étaient passés de mode presque partout, l’Institut canadien de recherches avancées asoutenu un programme d’IA mené par Geoffrey Hinton, qui l’a réuni avec Yoshua Bengio et Yann LeCun, les trois chercheurs qui ont ensuite reçu le prix Turing pour l’apprentissage profond. L’article sur le modèleTransformer, publié chez Google en 2017, a été écrit par huit chercheurs issus de sept pays. L’un d’eux était un étudiant de premier cycle à l’Université de Toronto, qui a ensuite cofondé Cohere. La même année, le Canada est devenule premier pays à se doter d’une stratégie nationale en matière d’IA, ancrée dans l’Institut Vector, Mila et Amii.
Les investissements publics se sont poursuivis. Depuis 2017, Ottawa a consacré plus de 5 milliards de dollars canadiens à l’IA : environ742 millions de dollars canadiens pour la stratégie pancanadienne, unensemble de mesures de 2,4 milliards de dollars canadiens dans le budget de 2024, qui comprenait la Stratégie d’infrastructure de calcul pour une IA sous votre contrôle de 2 milliards de dollars canadiens, etau moins 2 milliards de dollars canadiens supplémentaires dans la stratégie IA pour tous de juin dernier. Cela a porté ses fruits en matière d’innovation et de talents. Avec environ 0,5 % de la population mondiale, le Canada abriteenviron 10 % des meilleurs chercheurs en IA au monde. L’Allemagne a fait un pari similaire, en consacrant5 milliards d’euros à sa stratégie nationale en matière d’IA depuis 2018 et en développantCyber Valley à Tübingen, l’une des plus grandes collaborations européennes en matière de recherche sur l’IA.
La recherche et les talents sont les bases. La prochaine étape consiste à créer des entreprises capables de les transformer en capacités de pointe, à offrir aux chercheurs des possibilités de développement chez eux et à fournir des systèmes que les institutions peuvent utiliser. C’est l’objectif de cette levée de fonds. Des investisseurs, des instituts de recherche, des partenaires d’infrastructure et des clients des deux côtés de l’Atlantique construisent avec nous, car ils croient que l’avenir de l’IA doit être plus compétitif et ne pas céder au fatalisme. Notre série E est la plus importante levée de fonds jamais réalisée par une entreprise privée canadienne, et elle porte deux décennies d’investissements publics et privés vers un nouveau chapitre.
Ce que nous allons construire
Des modèles à tous les niveaux de prix, jusqu’à la frontière de l’IA. La frontière est dentelée, et le coût des capacités utiles diminue rapidement. Nous continuerons à investir dans les modèles de pointe tout en développant des modèles plus petits et plus efficaces pour des tâches qui ne nécessitent pas les systèmes les plus volumineux disponibles. Les clients ont besoin à la fois d’accéder à des capacités en constante évolution et de la flexibilité nécessaire pour choisir le modèle adapté à chaque tâche en fonction des performances, des coûts, de la latence et des exigences de déploiement. L’objectif n’est pas d’avoir un modèle unique pour toutes les tâches. Il s’agit plutôt de disposer d’un portefeuille de capacités permettant aux clients de déployer l’IA selon leurs propres conditions. Nous continuerons à collaborer avec des partenaires dans les domaines de la recherche, de l’infrastructure souveraine, du déploiement en entreprise et des services cloud pour répondre à l’ensemble des besoins des clients.
Une plateforme contrôlée par les clients. Si les modèles sont interchangeables, l’actif durable est la couche qui gère les données et les workflows d’une institution, et cette couche doit appartenir au client. North, notre plateforme d’IA agentique, est conçue pour être cette couche. Elle s’exécute dans le cloud, le centre de données ou l’environnement isolé du client et reste indépendante des modèles, permettant aux organisations d’utiliser les modèles de Cohere aux côtés d’autres modèles de leur choix. Les workflows, les données et les contrôles restent sous le contrôle du client, et aucun fournisseur externe ne peut les désactiver. Reliant AI, qui nous a rejoints cette année, étend les capacités de North aux secteurs de la biopharmacie et de la santé. Nous appliquerons la même approche à d’autres secteurs, en associant des modèles de classe mondiale à des produits conçus pour un déploiement dans le monde réel.
Une cyberdéfense de pointe. La cybersécurité est le domaine où la thèse de la frontière spécifique a déjà été prouvée, et où un accès fiable est le plus crucial. Grâce à notre acquisition prévue de AISLE, qui a identifié plus de 500 CVE lors de sa première année, nous développons Cohere Cyber : un système de pointe conçu pour aider les défenseurs à détecter, valider et corriger les vulnérabilités avant que les attaquants ne puissent les exploiter. Il s’exécute sur site, derrière le pare-feu, ou dans des environnements totalement isolés, garantissant ainsi que le code source sensible ne quitte jamais les locaux. Comme il fonctionne sur des modèles hébergés par le client, aucun fournisseur externe ne peut limiter l’accès ou le désactiver au moment le plus critique. Plus important encore, il est conçu pour la défense. Son objectif est d’identifier et de corriger les faiblesses avant qu’elles ne deviennent des incidents, mettant ainsi des capacités cyber avancées entre les mains des défenseurs sans augmenter significativement les risques pour les autres.
Les douze prochains mois. Nous finaliserons notre fusion avec Aleph Alpha et notre acquisition d’AISLE, lancerons Cohere Cyber pour les environnements isolés et classifiés, publierons la prochaine génération de nos modèles et commencerons une formation à l’échelle de la frontière avec des partenaires alliés. Chaque étape fait progresser la même stratégie : des modèles plus performants, de meilleurs systèmes autour d’eux et un contrôle accru pour les institutions qui dépendent des deux.
Construire ensemble
L’IA fera partie intégrante de l’infrastructure opérationnelle des économies, des services publics et de la défense nationale. Les choix disponibles pour chaque pays qui l’adopte dépendront de qui la construit, selon quelle loi et avec quelle responsabilité. Aucun pays n’a besoin de construire seul chaque partie de cette infrastructure. Mais le monde démocratique a besoin que davantage de pays et d’entreprises soient en mesure d’y contribuer.
Le Canada et l’Allemagne ont choisi de construire, et nous aussi. Si vous êtes un gouvernement, un opérateur d’infrastructure critique, un chercheur ou un partenaire américain qui croit que l’alliance est plus forte lorsque davantage de ses membres peuvent construire, nous voulons travailler avec vous. La frontière n’est pas réservée à un ensemble fixe de pays ou d’entreprises. Elle appartient à ceux qui sont prêts à la faire progresser.
