Trajectory a levé 45 millions de dollars lors d’un tour de financement de série A, pour une valorisation de 300 millions de dollars, alors qu’elle s’efforce de faciliter l’entraînement de modèles d’IA spécialisés pour les personnes sans expertise technique. Sequoia a mené le tour, auquel ont participé Nvidia, Bessemer Venture Partners et Bain Capital Ventures.
Fondée il y a environ un an par trois anciens camarades de Stanford, Trajectory entend aider les modèles d’IA à progresser dans des tâches spécialisées en apprenant à partir des retours reçus. L’entreprise compte 18 employés, et ses fondateurs ont travaillé chez Google DeepMind et Apple.
Les entreprises adaptent souvent des modèles d’IA généralistes à des secteurs comme le droit et la finance en les affinant. Ce travail peut nécessiter des équipes de recherche internes ou le recours à des consultants coûteux. La plateforme de Trajectory relie plutôt un modèle open source aux applications d’une entreprise, recueille des retours sur ses performances et s’appuie sur ces informations pour réentraîner progressivement le modèle.
Le cofondateur Ronak Malde a indiqué que la plateforme visait à permettre à des spécialistes, notamment des avocats et des médecins, d’influencer les performances d’un modèle sans dépendre d’une équipe technique pour gérer le processus. Les entreprises peuvent définir ce que signifie un travail réussi au sein de leur organisation et utiliser cette norme pour orienter les améliorations.
Harvey et Rogo utilisent Trajectory pour effectuer le post-entraînement de modèles open source sur des tâches comme l’examen de types précis de contrats juridiques ou l’évaluation d’entreprises selon des méthodes particulières. Decagon, Mercor et Nvidia figurent également parmi les clients. La start-up rend maintenant sa plateforme de post-entraînement accessible au public.
L’approche de Trajectory fait appel aux retours humains. Le cofondateur Michael Elabd a expliqué que cela la distinguait des systèmes d’auto-amélioration autonomes, susceptibles de produire des résultats imprévus. La start-up est en concurrence avec Thinking Machines Lab, Applied Compute et Prime Intellect, qui développent eux aussi des outils d’entraînement ou de post-entraînement de l’IA.
Selon les fondateurs, l’interface du produit joue un rôle essentiel pour rendre le post-entraînement accessible aux utilisateurs non techniques. L’équipe compte également des chercheurs et des concepteurs de produits ayant auparavant travaillé chez OpenAI, Stripe et Netflix.
Sources: TechCrunch Startups.